Калькуляторы биологического возраста: наиболее перспективные модели
Биологический возраст человека лучше, чем хронологический, отражает индивидуальную динамику процессов старения с помощью оценки определенных показателей – биомаркеров старения.
Биомаркерами старения могут быть данные лабораторных, гистологических и генетических исследований[1,2].
Длину теломер часто используется в качестве маркера биологического возраста. Результаты исследований демонстрируют, что длина теломер обратно пропорциональна риску возникновения сердечно-сосудистых заболеваний и обладает протективным действием на сосудистую стенку[2,3].
Также установлено, что анализ метилирования ДНК генома достоверно позволяет оценить биологический возраст[4].
Результаты изучения взаимосвязи определенных показателей со старением человека используют для создания калькуляторов биологического возраста.
Биомаркеры, отражающие биологический возраст, необходимы для более точного прогнозирования клинических исходов и для оценки эффективности вмешательств с целью геропротекции[6,7].
Калькуляторы биологического возраста
Дизайн исследований по созданию калькуляторов биологического возраста существенно отличается в зависимости от того, какие маркеры используются для оценки.
Например, в исследовании Manuel et al. разработан алгоритм оценки 5-летнего риска сердечно-сосудистых заболеваний (CVDPoRT) в популяции жителей Канады.
При его создании проанализировали данные о возникновении сердечно-сосудистых событий у 104 219 участников в возрасте от 20 до 105 лет.
В модель оценки риска сердечно-сосудистых событий включили статус курения, употребление алкоголя, приверженность к определенной диете, уровень образования и физической активности, ИМТ, наличие сахарного диабета, артериальной гипертензии[8].
Необходимо дальнейшее изучение эффективности применения алгоритма в клинической практике с целью прогнозирования индивидуальных сердечно-сосудистых рисков.
На данный момент существует множество калькуляторов биологического возраста, в основе которых лежит оценка лабораторных показателей.
Недостаток многих из них — чувствительность только при использовании в определенной популяции.
В исследование Mamoshina et al. оценивали наиболее достоверные биомаркеры старения человека в разных популяциях.
Были проанализированы лабораторные показатели 20 699 участников из Канады, 65 760 из Южной Кореи и 55 920 из Восточной Европы.
Модели калькуляторов, в которых были использованы лабораторные данные разных популяций, более достоверно определят биологический возраст[9].
Эпигенетические часы
Эпигенетические часы — одна из наиболее многообещающих моделей оценки биологического возраста человека.
С возрастом происходит изменение паттернов метилирования ДНК, которые заключаются в добавлении или удалении метильных групп[10].
К эпигенетическим часам, в основе которых лежит оценка метилирования ДНК генома человека, относятся часы Horvath, Hannum, PhenoAge[11,12,13].
Преимущество часов PhenoAge — двухэтапный подход к их созданию.
На первом этапе ученые выявили девять лабораторных показателей, которые можно использовать для оценки фенотипического возраста: альбумин, креатинин, глюкоза, С-реактивный белок, количество лимфоцитов (%), средний объем лейкоцитов, ширина распределения эритроцитов, щелочная фосфатаза и число лейкоцитов.
Так был создан калькулятор PhenoAge.
На втором этапе провели оценку фенотипического возраста с использованием данных о метилировании ДНК генома человека, и создали калькулятор DNAm PhenoAge[7,11].
В клинических исследованиях было установлено, что оценка фенотипического возраста как с помощью калькулятора PhenoAge, так и с использованием калькулятора DNAm PhenoAge позволяет эффективнее прогнозировать заболеваемость и смертность в разных возрастных группах[14,15].
В исследовании Voisin et al. продемонстрирована эффективность изучения метилирования ДНК генома в скелетных мышцах человека для оценки эпигенетического возраста.
Было проведено эпигеномное ассоциативное исследование (EWAS) с целью обнаружения генов, метилирование которых меняется с возрастом в скелетных мышцах и с целью разработки эпигенетических часов старения мышечной ткани[16].
Эпигенетические часы могут использоваться для изучения влияния факторов окружающей среды на старение и для оценки взаимосвязи показателей эпигенетического старения с заболеваемостью и смертностью.
Оставайтесь в курсе событий вместе с Medpoint
Присылаем лучшие статьи раз в неделю
Выводы
- Оценка биологического возраста с использованием различных калькуляторов способна более достоверно прогнозировать исходы у пациентов разных возрастных групп.
- Необходимо дальнейшее изучение наиболее перспективных моделей оценки биологического возраста и изучение возможности их применения в клинической практике.
Статья подготовлена Ильющенко Анной Константиновной, врач-терапевт, младший научный сотрудник лаборатории биомаркеров старения
1. Ahadi S, Zhou W, Schüssler-Fiorenza Rose SM, Sailani MR, Contrepois K, Avina M, Ashland M, Brunet A, Snyder M. Personal aging markers and ageotypes revealed by deep longitudinal profiling. Nat Med. 2020 Jan;26(1):83-90. doi: 10.1038/s41591-019-0719-5. Epub 2020 Jan 13. PMID: 31932806; PMCID: PMC7301912.
2. Haycock P. C., Heydon E. E., Kaptoge S., Butterworth A. S., Thompson A., Willeit P. Leucocyte telomere length and risk of cardiovascular disease: systematic review and meta-analysis. BMJ . 2014;349, article g4227 doi: 10.1136/bmj.g4227.
3. Дудинская Е. Н., Ткачева О. Н., Шестакова М. В., Браилова Н. В., Стражеско И. Д., Акашева Д. У., Исайкина О. Ю., Покровская М. С., Шарашкина Н. В., Бойцов С. А. Длина теломер и состояние сосудистой стенки у пациентов с сахарным диабетом 2 типа // Сахарный диабет. 2014. №3.
4. Sailani MR, Contrepois K, Avina M, Ashland M, Brunet A, Snyder M. Personal aging markers and ageotypes revealed by deep longitudinal profiling. Nat Med. 2020 Jan;26(1):83-90. doi: 10.1038/s41591-019-0719-5. Epub 2020 Jan 13. PMID: 31932806; PMCID: PMC7301912.
5. Zhavoronkov A, Li R, Ma C, Mamoshina P. Deep biomarkers of aging and longevity: from research to applications. Aging (Albany NY). 2019; 11:10771–80. 10.18632/aging.102475
6. Jylhävä J, Pedersen NL, Hägg S. Biological age predictors. EBioMedicine. 2017; 21: 29-36. DOI: 10.1016/j.ebiom.
7. Levine ME, Lu AT, Quach A, Chen BH, Assimes TL, Bandinelli S, Hou L, Baccarelli AA, Stewart JD, Li Y, Whitsel EA, Wilson JG, Reiner AP, et al. An epigenetic biomarker of aging for lifespan and healthspan. Aging (Albany NY). 2018 Apr 18; 10:573-591. https://doi.org/10.18632/aging.101414
8. Manuel DG, Tuna M, Bennett C, Hennessy D, Rosella L, Sanmartin C, Tu JV, Perez R, Fisher S, Taljaard M. Development and validation of a cardiovascular disease risk-prediction model using population health surveys: the Cardiovascular Disease Population Risk Tool (CVDPoRT). CMAJ. 2018 Jul 23;190(29):E871-E882. doi: 10.1503/cmaj.170914. PMID: 30037888; PMCID: PMC6056289.
9. Mamoshina P, Kochetov K, Putin E, Cortese F, Aliper A, Lee WS, Ahn SM, Uhn L, Skjodt N, Kovalchuk O, Scheibye-Knudsen M, Zhavoronkov A. Population Specific Biomarkers of Human Aging: A Big Data Study Using South Korean, Canadian, and Eastern European Patient Populations. J Gerontol A Biol Sci Med Sci. 2018 Oct 8;73(11):1482-1490. doi: 10.1093/gerona/gly005. PMID: 29340580; PMCID: PMC6175034.
10. Rakyan VK, Down TA, Maslau S, Andrew T, Yang TP, Beyan H, Whittaker P, McCann OT, Finer S, Valdes AM, Leslie RD, Deloukas P, Spector TD. Human aging-associated DNA hypermethylation occurs preferentially at bivalent chromatin domains. Genome Res. 2010; 20:434–39. 10.1101/gr.103101.109
11. Liu Z., Kuo P. L., Horvath S., Crimmins E., Ferrucci L., Levine M. A new aging measure captures morbidity and mortality risk across diverse subpopulations from NHANES IV: a cohort study. PLoS Medicine . 2018;15(12, article e1002718) doi: 10.1371/journal.pmed.1002718.
12. Hannum G, Guinney J, Zhao L, Zhang L, Hughes G, Sadda S, Klotzle B, Bibikova M, Fan JB, Gao Y, Deconde R, Chen M, Rajapakse I, et al. Genome-wide methylation profiles reveal quantitative views of human aging rates. Mol Cell. 2013; 49:359–67. 10.1016/j.molcel.2012.10.016
13. Horvath S. DNA methylation age of human tissues and cell types. Genome Biol. 2013; 14:R115. 10.1186/gb-2013-14-10-r115
14. Ma Q, Li BL, Yang L, Zhang M, Feng XX, Li Q, Liu H, Gao YJ, Ma WZ, Shi RJ, Xue YB, Zheng XP, Gao K, Mu JJ. Association between Phenotypic Age and Mortality in Patients with Multivessel Coronary Artery Disease. Dis Markers. 2022 Jan 13;2022:4524032. doi: 10.1155/2022/4524032. PMID: 35069932; PMCID: PMC8776473.
15. Roberts JD, Vittinghoff E, Lu AT, Alonso A, Wang B, Sitlani CM, Mohammadi-Shemirani P, Fornage M, Kornej J, Brody JA, Arking DE, Lin H, Heckbert SR, Prokic I, Ghanbari M, Skanes AC, Bartz TM, Perez MV, Taylor KD, Lubitz SA, Ellinor PT, Lunetta KL, Pankow JS, Paré G, Sotoodehnia N, Benjamin EJ, Horvath S, Marcus GM. Epigenetic Age and the Risk of Incident Atrial Fibrillation. Circulation. 2021 Dec 14;144(24):1899-1911. doi: 10.1161/CIRCULATIONAHA.121.056456. Epub 2021 Sep 30. PMID: 34587750; PMCID: PMC8671333.
16. Voisin S, Harvey NR, Haupt LM, Griffiths LR, Ashton KJ, Coffey VG, Doering TM, Thompson JM, Benedict C, Cedernaes J, Lindholm ME, Craig JM, Rowlands DS, Sharples AP, Horvath S, Eynon N. An epigenetic clock for human skeletal muscle. J Cachexia Sarcopenia Muscle. 2020 Aug;11(4):887-898. doi: 10.1002/jcsm.12556. Epub 2020 Feb 17. PMID: 32067420; PMCID: PMC7432573.
Авторы
Комментарии • 0
Чтобы оставить комментарий, пожалуйста, войдите или зарегистрируйтесь.
Комментарии • 0
Чтобы оставить комментарий, пожалуйста, войдите или зарегистрируйтесь.