Directives de soumission d'échantillons
Quelle plateforme de méthylation correspond à votre objectif d'horloge ?
Chaque projet d'horloge commence par la même question pratique : quelles données de méthylation ai-je besoin, et quelle couverture est suffisante pour une prédiction d'âge fiable ? La réponse dépend de si vous découvrez de nouveaux CpGs associés à l'âge, appliquez une horloge existante à votre cohorte, ou validez un ensemble de marqueurs défini. Le tableau ci-dessous associe chaque plateforme au cas d'utilisation de l'horloge qu'elle sert le mieux, ainsi que les compromis qui affectent la conception de l'étude et la planification budgétaire.
| Plateforme | Profil de couverture | Meilleure adéquation pour la recherche sur les horloges | Considérations pratiques |
|---|---|---|---|
| Séquençage bisulfite de tout le génome (WGBS) | Résolution à base unique à l'échelle du génome couvrant tous les contextes CpG, CHG et CHH. | Découverte de l'horloge de première génération, modèles multi-tissulaires, développement de l'horloge inter-espèces et projets où de nouveaux loci associés à l'âge doivent être identifiés plutôt que supposés. | Coût de séquençage plus élevé et entrée d'ADN (500 ng – 1 µg) ; fournit la base de référence la plus complète du méthylome pour les modèles qui ne présupposent pas quels CpG sont importants. |
| Séquençage bisulfite à représentation réduite (RRBS) / EM-seq | Régions régulatrices riches en CpG — promoteurs, îlots CpG, amplificateurs — enrichies par digestion par restriction (RRBS) ou conversion enzymatique (EM-seq) | Profilage des horloges axé sur les régions régulatrices, modèles de vieillissement centrés sur les promoteurs et projets nécessitant un équilibre rentable entre la portée et la profondeur de séquençage par échantillon. | Couverture plus faible en dehors des îlots CpG ; l'EM-seq offre une chimie de conversion plus douce que le bisulfite, améliorant les données provenant de matériaux d'ADN de qualité inférieure. |
| Panneaux de séquençage bisulfite ciblés | CpGs connus sélectionnés ou ensembles de marqueurs associés à l'âge personnalisés à une profondeur de séquençage ultra-élevée. | Études de validation, dépistage sur de grandes cohortes, recherche sur les horloges basées sur l'ADNcf et déploiement rentable de panneaux de marqueurs personnalisés lorsque les CpGs de l'horloge sont déjà établis. | Nécessite une liste de marqueurs préexistante ; coût d'efficacité maximal pour le dépistage à l'échelle de la cohorte ; couverture ultra-profonde permettant une détection fiable dans les sites avec méthylation partielle. |
| Arrays de méthylation de l'ADN (Infinium EPIC v2 / 935K) | Plus de 935 000 sondes CpG prédéfinies avec un contenu standardisé et bien annoté, optimisé pour l'analyse de la méthylation humaine. | Compatibilité avec les horloges entraînées par des arrays établies (Horvath, Hannum, GrimAge, DunedinPACE), grandes cohortes cliniques ou épidémiologiques, méta-analyses inter-études et comparaisons longitudinales. | Les limites de contenu des sondes fixes entravent la découverte de nouveaux marqueurs ; la standardisation la plus élevée entre les lots et les laboratoires ; de nombreux modèles d'horloge publiés construits sur la plateforme Infinium. |
| Profilage de méthylation à lecture longue native (Nanopore) | Détection de la méthylation à une seule molécule à travers de longs fragments d'ADN sans conversion au bisulfite, préservant les modifications de bases natives. | Analyse de méthylation résolue par haplotype, découverte d'horloge dans les régions répétitives, interrogation génétique et épigénétique combinée à partir d'un seul test, et projets où la dégradation induite par le bisulfite compromet la qualité des données. | Taux d'erreur par base plus élevé par rapport aux méthodes de bisulfite à lecture courte ; mieux appliqué lorsque le contexte de méthylation à longue portée (phasing des haplotypes, silençage des transposons, méthylation des répétitions satellites) répond à une question biologique spécifique. |
Scénarios de recherche sur les horloges que nous soutenons
La recherche sur l'horloge épigénétique couvre un large éventail méthodologique — allant de l'application d'horloges humaines établies dans des cohortes cliniques à la création de nouveaux modèles de vieillissement multi-espèces. La plateforme appropriée, la stratégie de contrôle qualité et le pipeline d'analyse varient selon chaque scénario. Ci-dessous, nous décrivons les configurations que nous soutenons et les décisions que nous prenons au début du projet pour adapter le flux de travail à la question de recherche.
Comparaison de l'âge biologique entre les groupes de traitement et de maladie
- Profil des niveaux de méthylation à travers des cohortes de cas-témoins, longitudinales ou d'intervention pour comparer les trajectoires d'âge biologique ou l'accélération de l'âge épigénétique (EAA).
- Fournir des matrices de valeurs bêta au niveau des échantillons formatées pour la modélisation statistique, des résumés d'accélération d'âge par groupe et des graphiques de corrélation.
- Recommandation de plateforme : arrays de méthylation pour la compatibilité avec l'horloge humaine établie ; panneaux ciblés pour des ensembles de marqueurs spécifiques.
Développement de modèle d'horloge sur mesure
- Identifiez les CpGs associés à l'âge à partir de données de méthylation à l'échelle du génome ou de représentation réduite et entraînez un modèle d'horloge spécifique au projet adapté à la tranche d'âge de votre cohorte, au type de tissu et à l'espèce.
- Supportez Elastic Net, Random Forest et d'autres stratégies de régression sélectionnées en fonction du nombre d'échantillons, des caractéristiques CpG et de l'interprétabilité du modèle souhaitée.
- Recommandation de plateforme : WGBS (large éventail de découverte) ou RRBS/EM-seq (focus sur les régions régulatrices avec un budget de séquençage contrôlé).
Validation de l'horloge et dépistage de cohorte avec des marqueurs ciblés
- Une fois que la liste des loci CpG est définie — que ce soit à partir de la littérature publiée, d'une formation basée sur des puces, ou d'une découverte antérieure — profilez ces loci spécifiques à haute profondeur dans des cohortes de validation ou de dépistage.
- Évaluez la cohérence inter-échantillons, la couverture par CpG, les taux de données manquantes et la structure de lot avant d'intégrer les prédictions de l'horloge dans l'analyse.
- Recommandation de plateforme : panneaux de séquençage bisulfite ciblés ou approches d'amplicons multiplex.
Analyse d'horloge basée sur des tableaux avec des modèles établis
- Traitez les échantillons sur la plateforme Illumina Infinium avec un contrôle de qualité au niveau des sondes, une normalisation fonctionnelle et une génération de matrice de valeurs bêta formatée pour les calculateurs de horloge établis.
- Compatible avec l'horloge multi-tissulaire de Horvath, l'horloge de Hannum, GrimAge, DunedinPACE, PhenoAge et d'autres modèles entraînés sur des arrays.
- Recommandation de plateforme : Infinium EPIC v2 / microarray de méthylation 935K.
Types d'échantillons à faible input et difficiles
- Les chercheurs travaillant avec des tissus archivés en FFPE, de l'ADNcf dérivé du plasma, du matériel de microdissection par laser ou des échantillons de biopsie limités ont besoin d'une plateforme qui tolère un faible apport en ADN et une fragmentation partielle.
- Nous évaluons le rendement en ADN, la distribution de la taille des fragments, la complexité de la bibliothèque et le risque de couverture par CpG avant de nous engager sur une voie d'essai spécifique, et nous ajustons le plan d'analyse pour tenir compte d'une augmentation des données manquantes aux loci pertinents pour l'horloge si nécessaire.
- Recommandation de plateforme : RRBS ou panneaux ciblés (tolérants aux faibles intrants) ; EM-seq pour les échantillons FFPE (conversion enzymatique plus douce).
Recherche sur le vieillissement multi-omique
- Intégrez les résultats de l'horloge de méthylation de l'ADN avec des données de transcriptome, de génome entier, de protéome, de métabolome ou de phénotype de santé provenant de la même cohorte pour construire une image systémique de la biologie du vieillissement.
- Notre Service d'analyse des données épigénomiques soutient l'intégration multi-modale, la découverte de biomarqueurs à travers les couches omiques, et l'interprétation au niveau des voies des changements moléculaires associés à l'âge.
- Recommandation de plateforme : toutes les plateformes de méthylation sont compatibles ; la stratégie d'intégration est définie lors de la phase de conception du projet en fonction des types de données disponibles.
Exigences d'échantillon et directives de contrôle qualité
La qualité des échantillons et la quantité d'entrée sont les variables les plus souvent sous-estimées dans les projets de montre de méthylation. Un modèle entraîné sur 500 ng de gDNA de haute intégrité ne fonctionnera pas de la même manière sur des données provenant de matériel dégradé ou à faible rendement. Nous évaluons chaque échantillon par rapport à des seuils spécifiques à la plateforme avant la préparation de la bibliothèque et ajustons le plan d'analyse de la montre lorsque la qualité de l'échantillon se situe en dehors de la plage optimale.
| Type d'échantillon | Plage d'entrée recommandée | Paramètres critiques de contrôle qualité | Remarques sur la compatibilité des plateformes |
|---|---|---|---|
| ADN génomique de haute qualité (tissu frais ou congelé rapidement, sang, cellules cultivées) | WGBS : 500 ng – 1 µg ; RRBS/EM-seq : 50–100 ng ; panneaux ciblés : 10–50 ng ; arrays de méthylation : 250–500 ng | Concentration (fluorométrique), A260/280 (1,8–2,0), A260/230 (≥1,8), intégrité de haut poids moléculaire par gel ou TapeStation | Convient à toutes les plateformes ; recommandé comme type d'échantillon principal pour les projets de phase de découverte et basés sur le WGBS. |
| ADN dérivé de FFPE | ≥200 ng lorsque disponible ; la faisabilité dépend de la distribution de la taille des fragments et de leur capacité à être amplifiés. | Indice de dégradation, efficacité de conversion au bisulfite, taux de succès d'amplification par locus, risque de CpG manquant | EM-seq (conversion enzymatique, plus doux que le bisulfite) ou RRBS recommandé ; WGBS généralement non adapté ; le pipeline d'analyse nécessite un filtrage sensible à la couverture et une révision de l'imputation. |
| ADN libre circulant (plasma, sérum) | Typiquement 2 à 4 mL d'équivalent plasma ; entrée de cfDNA de 1 à 30 ng après extraction. | distribution de la taille des fragments de cfDNA (pic à ~166 pb), complexité de la bibliothèque, contamination par des dimères d'adaptateurs, efficacité de réparation des extrémités | Des panneaux de bisulfite ciblés ou des workflows RRBS à ultra faible entrée sont fortement préférés ; les approches de génome entier nécessitent une optimisation considérable et peuvent ne pas atteindre une couverture suffisante aux loci pertinents pour l'horloge. |
| Jeux de données de méthylation existants | FASTQ, IDAT, matrice de valeurs bêta traitées ou tableaux de couverture par CpG | Complétude des métadonnées, version de la construction du génome, version de la plateforme de microarrays (450K/EPIC/EPICv2), compatibilité de l'annotation des sondes, structure de lot, données d'âge et de phénotype au niveau de l'échantillon. | Adapté à la réanalyse avec des modèles d'horloge alternatifs, à l'harmonisation inter-cohortes, à la méta-analyse ou à l'intégration de nouvelles données générées à partir de la même cohorte. |
Flux de travail de l'horloge de méthylation de l'ADN de bout en bout
De la conception du projet et du contrôle qualité des échantillons à l'appel de méthylation, la normalisation et l'estimation de l'âge biologique.
Analyse primaire — QC de la séquence, alignement et révision des données
- Inspection de la qualité au niveau de la lecture : scores de qualité de base, contenu de l'adaptateur, duplication de séquence et biais spécifique de méthylation (taux de conversion au bisulfite, spécificité de brin).
- Élagage des adaptateurs et suppression des bases de faible qualité avec des paramètres appropriés au projet qui préservent les informations de méthylation.
- Alignement prenant en compte le bisulfite sur le génome de référence sélectionné (hg38, mm39 ou référence non humaine personnalisée) à l'aide d'aligners validés. Les données de l'array subissent un contrôle qualité au niveau des sondes, y compris des valeurs P de détection, un filtrage par comptage de billes et un examen des sondes de contrôle.
Analyse secondaire — Appel de méthylation, filtrage de couverture et assemblage de matrice de caractéristiques
- Détermination du statut de méthylation à chaque site CpG (et dans le contexte non-CpG où le modèle de l'horloge l'exige).
- Filtrage des CpG basé sur la couverture : les loci en dessous de la profondeur de lecture minimale sont signalés, et l'impact sur la complétude du modèle d'horloge est évalué.
- Génération de matrice de valeurs bêta, annotation génomique (promoteurs, corps de gènes, amplificateurs, îlots CpG, plages, étagères), évaluation des effets de lot à l'aide de l'analyse en composantes principales, et normalisation (quantile, BMIQ ou normalisation fonctionnelle selon la plateforme et la structure de la cohorte).
Analyse de l'horloge tertiaire — Estimation de l'âge biologique, formation du modèle et support à l'interprétation
Nous convertissons les profils de méthylation normalisés au format d'entrée requis par le modèle d'horloge cible. Pour les projets utilisant des horloges établies, nous appliquons des coefficients publiés (Horvath, Hannum, GrimAge, DunedinPACE, PhenoAge, ou d'autres) et rapportons l'âge prédit, l'EAA et des métriques spécifiques au modèle. Pour le développement d'horloges personnalisées, nous soutenons la sélection de caractéristiques, l'entraînement de modèles Elastic Net ou Random Forest, la validation croisée et les tests sur des cohortes indépendantes. Les résultats incluent des graphiques de dispersion des prédictions d'âge, un regroupement des échantillons par âge prédit, des comparaisons de groupes EAA, et une interprétation écrite résumant les résultats de l'horloge dans le contexte de la conception de l'étude. Lorsque le projet combine des données de méthylation avec des informations sur le transcriptome, le génome ou le phénotype, notre analyse peut s'étendre à l'intégration multi-omiques.
Ce qui rend notre service d'horlogerie différent
Sélection de la plateforme guidée par la question du temps, et non par les flux de travail par défaut.
Nous ne faisons pas passer chaque projet par la même plateforme de méthylation. Le WGBS n'est pas automatiquement le meilleur choix (il peut être inutilement coûteux pour une étude GrimAge ciblée), et les panneaux ciblés ne sont pas appropriés pour les projets de découverte. Notre équipe scientifique examine l'objectif de l'horloge, le type d'échantillon, la taille de la cohorte, l'espèce et la structure d'âge avant de recommander une plateforme, garantissant que les données générées correspondent à la stratégie du modèle.
Critères de contrôle qualité conçus pour la fiabilité des horloges, et pas seulement pour la qualité de séquençage.
Les pipelines de méthylation standard évaluent la complexité des bibliothèques, le taux d'alignement et l'efficacité de conversion. Notre pipeline va plus loin : nous évaluons la couverture par CpG aux loci pertinents pour l'horloge, estimons le risque de données manquantes pour chaque échantillon, quantifions la structure de lot à travers les cohortes et signalons les échantillons dont le profil de couverture pourrait compromettre la performance du modèle. Ces étapes de contrôle qualité spécifiques à l'horloge font la différence entre un jeu de données de méthylation et un jeu de données prêt pour l'horloge.
Bioinformatique flexible qui prend en charge à la fois les méthodologies de chronométrage établies et novatrices.
Que vous ayez besoin d'exécuter un calculateur d'horloge publié, de former un nouveau modèle à partir de données de cohorte, d'harmoniser des matrices de méthylation entre les lots, ou de combiner les résultats de l'horloge avec des données transcriptomiques ou génétiques provenant des mêmes échantillons, notre pipeline bioinformatique est structuré pour s'adapter au plan d'analyse plutôt que de forcer les données à passer par un modèle de rapport fixe. Nous soutenons également l'analyse de données de méthylation existantes provenant de sources tierces, rendant notre service accessible aux chercheurs qui ont déjà généré des données de microarray ou de séquençage et ont besoin d'un traitement spécifique à l'horloge.
Résultats de la démonstration : Ce que peut inclure un package de livrables de l'horloge
Les exemples ci-dessous illustrent les types de résultats générés lors d'un projet typique sur l'horloge de méthylation de l'ADN. Les livrables réels varient en fonction de la plateforme sélectionnée, du modèle d'horloge appliqué et de l'étendue du soutien en bioinformatique demandé.
Démonstration 1 : Matrice des valeurs bêta de méthylation et contrôle de la couverture des CpG
Après l'alignement et l'appel de méthylation, le statut de méthylation au niveau des CpG de chaque échantillon est compilé dans une matrice de valeurs bêta. Un rapport de contrôle qualité de la couverture signale les loci avec une profondeur de lecture insuffisante, des anomalies de taux de conversion et des motifs de manque au niveau des échantillons avant que les données n'entrent dans l'entrée du modèle horaire.
Cette étape de contrôle qualité est particulièrement importante pour les projets sur les horloges biologiques, car l'absence de CpGs à des loci pertinents pour le modèle peut modifier les estimations d'âge prédites, même lorsque le reste des données semble solide.
Démonstration 2 : Prédiction de l'âge biologique et comparaison des groupes EAA
Après avoir appliqué le modèle d'horloge cible, l'âge biologique prédit est tracé par rapport à l'âge chronologique pour chaque échantillon. L'accélération de l'âge épigénétique (EAA) au niveau du groupe est calculée comme le résidu de l'âge biologique régressé sur l'âge chronologique, et comparée entre les groupes expérimentaux.
Les résultats incluent des diagrammes de dispersion avec des lignes de régression, des diagrammes en boîte EAA par groupe, et un tableau récapitulatif rapportant R², l'erreur absolue médiane et la moyenne EAA par groupe.
Démo 3 : Entraînement d'un modèle d'horloge personnalisé et validation croisée
Pour les projets développant des horloges personnalisées, les résultats de l'entraînement des modèles incluent les résultats de validation croisée Elastic Net ou Random Forest, des listes de caractéristiques CpG sélectionnées avec des coefficients ou des scores d'importance, des diagrammes de dispersion de corrélation entre l'entraînement et le test, et des performances de validation sur des cohortes indépendantes lorsque les données sont disponibles.
Les coefficients du modèle et la liste des caractéristiques CpG sont documentés pour une application potentielle à de futures cohortes.
Questions Fréquemment Posées
1. Quelle plateforme de méthylation devrais-je choisir pour mon projet d'horloge de méthylation de l'ADN ?
Commencez par demander ce dont vous avez besoin de l'horloge : découverte de nouveaux CpGs associés à l'âge, application d'un modèle établi ou validation d'un ensemble de marqueurs défini. Le WGBS couvre l'ensemble du méthylome et est approprié lorsque vous ne pouvez pas prédire quels loci contiennent des informations sur l'âge. Le RRBS ou l'EM-seq offrent une couverture efficace des régions régulatrices à moindre coût. Les puces fournissent une compatibilité directe avec les modèles d'horloge humaine publiés (Horvath, GrimAge, DunedinPACE). Les panneaux ciblés offrent la meilleure efficacité en termes de coût lorsque la liste des CpG de l'horloge est déjà connue. Nous examinons ces facteurs avec vous lors de la phase de conception du projet pour éviter à la fois une sur-ingénierie ou une sous-puissance des données.
2. CD Genomics peut-il traiter des données de méthylation existantes pour l'analyse de l'horloge ?
Oui. Nous acceptons les fichiers FASTQ provenant d'expériences de séquençage au bisulfite, les fichiers IDAT des arrays Infinium, les matrices de valeurs bêta traitées ou les tableaux de couverture par CpG. Les exigences sont que les métadonnées incluent la version du génome, l'annotation des sondes ou des loci, les informations de regroupement des échantillons et l'âge chronologique lorsque cela est disponible. Nous appliquons ensuite notre contrôle qualité spécifique à l'horloge, la normalisation et le pipeline de modèle pour générer des estimations d'âge biologique et des métriques EAA à partir des données existantes.
3. Soutenez-vous l'analyse de l'horloge épigénétique chez les espèces non humaines ?
Oui, à condition qu'un génome de référence soit disponible pour l'espèce. Pour les modèles non humains, nous pouvons aligner les lectures de méthylation sur le génome de référence approprié, appeler la méthylation des CpG à travers le génome et identifier les marqueurs associés à l'âge. L'entraînement d'un modèle d'horloge personnalisé nécessite une taille d'échantillon et une plage d'âge suffisantes pour une puissance statistique — nous évaluons cela lors de la phase de conception du projet. Le développement d'horloges inter-espèces (par exemple, transférer une horloge humaine à un modèle de primate ou construire une horloge de vieillissement spécifique à la souris) est un domaine de soutien méthodologique actif.
4. Que se passe-t-il si des CpGs d'horloge importants ont une couverture faible ou manquante dans mes données ?
Notre pipeline signale les CpGs de faible couverture et manquants dans le rapport de contrôle qualité avant l'entrée du modèle. En fonction de l'étendue et du schéma des données manquantes, nous pouvons recommander un filtrage basé sur la couverture (en supprimant les CpGs avec >N% de données manquantes à travers les échantillons), une imputation utilisant les corrélations des CpGs voisins, un panel de resequencement ciblé pour récupérer les loci critiques, ou un ajustement de plateforme pour les cohortes suivantes. L'approche est documentée dans le rapport de livraison afin que la sortie du modèle puisse être interprétée avec la prudence appropriée.
5. Les échantillons FFPE ou cfDNA peuvent-ils être utilisés pour des études sur l'horloge ?
Ces types d'échantillons peuvent être inclus, mais la faisabilité du projet doit être évaluée au cas par cas. Les facteurs clés incluent le rendement en ADN, la distribution de la taille des fragments, l'efficacité de conversion au bisulfite (pour les FFPE) et la complexité de la bibliothèque (pour l'ADNcf). Nous réalisons une évaluation de faisabilité pré-bibliothèque en utilisant une petite aliquote du matériel d'échantillon avant de nous engager dans un traitement à grande échelle. Pour les échantillons qui réussissent l'évaluation, nous recommandons généralement RRBS, EM-seq ou des panels ciblés plutôt que WGBS, car ces méthodes tolèrent mieux les entrées plus faibles et la fragmentation partielle.
6. Quelle est la différence entre l'âge biologique et l'accélération de l'âge épigénétique ?
L'âge biologique fait référence à l'âge prédit dérivé du modèle de l'horloge de méthylation, qui peut différer de l'âge chronologique. L'accélération de l'âge épigénétique (EAA) est le résidu de l'âge biologique régressé sur l'âge chronologique — c'est-à-dire la composante de l'âge prédit qui ne peut pas être expliquée par l'âge chronologique du sujet. Une EAA positive indique que le profil de méthylation de l'échantillon semble biologiquement plus vieux que prévu. L'EAA est la métrique la plus couramment testée par rapport aux résultats de santé, aux facteurs de mode de vie, aux expositions environnementales et aux effets des interventions dans les études basées sur l'horloge.
7. Quel soutien en bioinformatique est disponible pour l'entraînement de modèles d'horloge personnalisés ?
Nous supportons la régression Elastic Net (la méthode la plus utilisée dans le développement de l'horloge), les forêts aléatoires et d'autres approches d'apprentissage automatique en fonction de la taille de la cohorte, du nombre de caractéristiques CpG et des exigences d'interprétabilité du modèle. Notre soutien comprend la sélection de caractéristiques, la conception de la répartition entraînement-validation-test, le réglage des paramètres par validation croisée, l'évaluation des performances du modèle (corrélation avec l'âge, erreur absolue médiane, résidus) et la validation de cohortes indépendantes lorsque les données sont disponibles. Les coefficients du modèle entraîné sont documentés pour une utilisation potentielle dans des projets ultérieurs.
Étude de cas : DunedinPACE — Un biomarqueur de méthylation multi-systèmes du rythme de vieillissement
Cas de littérature en libre accès
Contexte
Belsky et ses collègues ont développé DunedinPACE, un biomarqueur de méthylation de l'ADN conçu pour capturer le rythme du vieillissement biologique à partir d'un seul échantillon de sang. L'étude a utilisé la cohorte de naissance longitudinale de Dunedin, suivant 1 037 individus nés en 1972-1973 à Dunedin, en Nouvelle-Zélande, avec des mesures physiologiques répétées à quatre moments différents s'étalant sur deux décennies (âges de 26, 32, 38 et 45 ans). Le phénotype du rythme de vieillissement a été calculé comme le taux de déclin à travers 19 indicateurs de l'intégrité des systèmes organiques, couvrant les systèmes cardiovasculaire, métabolique, rénal, immunitaire, dentaire, pulmonaire et cognitif.
Méthodes
L'étude a utilisé la régression Elastic Net sur les données des puces Illumina 450K et EPIC pour sélectionner des sites CpG dont la signature de méthylation combinée prédisait le mieux le rythme de vieillissement multi-systémique. L'entraînement et la validation du modèle ont été réalisés au sein de la cohorte de Dunedin en utilisant des mesures répétées à quatre moments, et le modèle final a été testé dans cinq cohortes de validation indépendantes des États-Unis et d'Europe.
Résultats
La mesure DunedinPACE résultante a sélectionné 173 sites CpG et a montré une grande fiabilité test-retest (corrélation intraclasse > 0,9). Elle était associée à la morbidité, au handicap et à la mortalité dans des cohortes de validation indépendantes, et a ajouté une prédiction incrémentale au-delà de l'horloge GrimAge pour les résultats de maladies et de mortalité incidentes. DunedinPACE a également détecté un vieillissement biologique plus rapide chez les jeunes adultes ayant subi des adversités durant leur enfance, démontrant une sensibilité aux déterminants sociaux du vieillissement en début de vie.
Figure 1 de Belsky et al., eLife 2022 (CC BY 4.0).
Importance des projets de recherche sur les horloges
Pour les chercheurs planifiant des études sur l'âge biologique dans leurs propres cohortes, l'étude DunedinPACE illustre deux principes qui affectent directement la conception des projets de service. Tout d'abord, l'horloge n'est aussi robuste que les données phénotypiques : l'entraînement contre le déclin multi-systémique longitudinal a produit un biomarqueur avec une interprétabilité fonctionnelle que l'entraînement uniquement contre l'âge chronologique n'aurait pas capturée. Deuxièmement, la plateforme de méthylation (ici, le tableau Infinium 450K/EPIC) doit être sélectionnée en tenant compte de la stratégie du modèle — les coefficients DunedinPACE sont spécifiques au tableau et ne peuvent pas être directement transférés aux données WGBS ou aux panels ciblés sans une normalisation et une validation inter-plateformes soigneuses.
DunedinPACE, un biomarqueur de méthylation de l'ADN du rythme de vieillissement.
Références
- Horvath S. Âge de méthylation de l'ADN des tissus et types cellulaires humains. Biologie Génomique. 2013;14:R115.
- Lu AT, Quach A, Wilson JG, Reiner AP, Aviv A, Raj K, et al. La méthylation de l'ADN GrimAge prédit fortement la durée de vie et la durée de vie en bonne santé. Vieillissement2019 ; 11 : 303–327.
- Belsky DW, Caspi A, Corcoran DL, Sugden K, Poulton R, Arseneault L, et al. DunedinPACE, un biomarqueur de méthylation de l'ADN du rythme de vieillissement. eLife. 2022;11:e73420.
- Bell CG, Lowe R, Adams PD, Baccarelli AA, Beck S, Bell JT, et al. Horloges de vieillissement par méthylation de l'ADN : défis et recommandations. Biologie du génome. 2019;20:249.
