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。