DIRECT ANSWER · 03

表观遗传时钟如何工作?

直接答案

表观遗传时钟先读取样本中多个 CpG 位点的甲基化水平,再按经过训练的统计规则组合信号,形成年龄或状态相关估计。

从采样、质量控制到模型计算和报告说明,每一步共同把分子信号转化为可以理解、可以比较的健康管理信息。

01 · KEY FACTS

这项信息与你有什么关系

  • 输入是甲基化信号,输出是模型估计。
  • 不同代际时钟可能以日历年龄、临床表型或结局风险为不同训练目标。
  • 预处理、缺失位点、细胞组成和批次都需要被记录与控制。
  • 产品所称扩展位点与五大模型的具体实现仍需企业技术材料核验。

02 · IS IT FOR ME

从你的目标判断怎样开始

值得了解希望建立长期健康管理基线,并把结果与常规指标和生活方式放在一起理解。
先明确目标暂时还不清楚自己最想观察什么,可以先梳理检测后准备采取的行动。
先完成常规评估已有症状、体检异常或需要诊疗决策时,先按医学路径处理,再讨论补充信息。

03 · WHAT IT ADDS

可以带来什么

  • 一个模型如何把多个位点组合为输出
  • 模型训练目标与报告指标之间的关系
  • 为何同一样本可能生成多个不同维度
  • 质控与版本信息为何影响复测比较

04 · HOW TO USE IT

怎样把结果用起来

  • 先建立当前时点的个人基线
  • 结合生活背景梳理关注顺序
  • 用阶段性复测积累长期可比记录

05 · PRACTICAL GUIDE

从检测前到复测,怎样用好这份信息

检测前怎么准备

先明确想建立的基线,再核对样本、采样要求、平台、模型、质控与隐私条款。

报告怎样读更有价值

按“质控—模型目标—参照范围—关注方向—下一步”的顺序阅读,把数字放进完整背景。

检测后怎样行动

从一两项可执行的日常重点开始记录,让睡眠、运动、营养或压力管理拥有连续线索。

何时考虑复测

在方法、样本和条件可比时按管理计划复测,用阶段性变化丰富个人长期记录。

06 · SCIENCE IN BRIEF

简明科学说明

Horvath 多组织时钟与 Hannum 血液时钟代表了从年龄相关甲基化位点构建预测器的早期公开路径,但两者的训练样本与适用场景并不相同。

证据:[1] Horvath S.[1] Hannum G, Guinney J, Zhao L, et al.

后续方法会改变训练目标或计算方式,例如将临床表型、甲基化代理指标或主成分纳入模型。名称相似不代表输出含义和可靠性相同。

证据:[2] Levine ME, Lu AT, Quach A, et al.[2] Lu AT, Quach A, Wilson JG, et al.[2] Higgins-Chen AT, Thrush KL, Wang Y, et al.

NEXT STEP

把知识变成你的下一步

先查看检测方案,或用一次轻量咨询判断怎样建立更适合自己的基线。

适用条件与科学边界 +

适用条件

  1. 样本采集和运输符合流程
  2. 实验步骤、平台和批次记录可追溯
  3. 模型版本固定且适用范围明确
  4. 报告保留质控和异常处理说明

阅读边界

  1. 所有被选位点都具有明确因果机制
  2. 任何模型都适用于任何组织和人群
  3. 统计关联就是疾病原因
  4. 模型输出可代替医生检查
  5. 位点缺失或信号质量不足会降低解释能力
  6. 跨平台、跨实验室和跨模型比较需谨慎
  7. 部分模型重在预测日历年龄,部分重在研究结局,不能混读
  8. 企业算法细节和验证材料尚待公开核验

07 · PRIMARY SOURCES

逐条一手引用

  1. DNA methylation age of human tissues and cell types.

    Horvath S. Genome Biology. 2013;14:R115.

    PubMed · DOI 10.1186/gb-2013-14-10-r115 ↗
  2. Genome-wide methylation profiles reveal quantitative views of human aging rates.

    Hannum G, Guinney J, Zhao L, et al. Molecular Cell. 2013;49(2):359–367.

    PubMed · DOI 10.1016/j.molcel.2012.10.016 ↗
  3. An epigenetic biomarker of aging for lifespan and healthspan.

    Levine ME, Lu AT, Quach A, et al. Aging. 2018;10(4):573–591.

    PubMed · DOI 10.18632/aging.101414 ↗
  4. DNA methylation GrimAge strongly predicts lifespan and healthspan.

    Lu AT, Quach A, Wilson JG, et al. Aging. 2019;11(2):303–327.

    PubMed · DOI 10.18632/aging.101684 ↗
  5. A computational solution for bolstering reliability of epigenetic clocks: Implications for clinical trials and longitudinal tracking.

    Higgins-Chen AT, Thrush KL, Wang Y, et al. Nature Aging. 2022;2:644–661.

    PubMed · DOI 10.1038/s43587-022-00248-2 ↗

检测结果用于健康管理参考,不替代临床检查、疾病诊断、治疗决策、药物建议或寿命预测。引用用于说明领域方法,不构成论文作者或机构对产品的合作背书。