MODEL GUIDE · 06

Horvath、PhenoAge、GrimAge 等报告模型有什么区别?

直接答案

Horvath、PhenoAge、GrimAge 与 DunedinPACE 等公开研究模型拥有不同训练目标:有的侧重日历年龄,有的结合临床表型或代理指标,有的描述衰老速度。理解这些差异,可以帮助你知道报告中的数字各自在回答什么问题。

选择产品时,应把公开研究模型与产品实际采用的模型清单分开核对,并关注版本、样本、适用范围和报告解释方式。

01 · KEY FACTS

这项信息与你有什么关系

  • Horvath 与 Hannum 的训练样本和组织范围不同。
  • PhenoAge、GrimAge 与 DunedinPACE 的训练目标并不相同,数字不可直接横向排名。
  • DNA 甲基化端粒长度是代理估计,不是端粒长度的直接测量。
  • 产品报告只有列出真实采用的模型、版本、输入与局限后,才能与公开研究对照。

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

  • 不同公开模型各自的训练目标
  • 为什么同一样本可能得到不同输出
  • 报告中“测量”和“推断”的层级
  • 阅读模型版本、参照人群与证据的方法

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 血液时钟是早期年龄预测模型;PhenoAge 和 GrimAge 则改变了训练目标,并引入临床表型或甲基化代理指标。

证据:[1] Horvath S.[1] Hannum G, Guinney J, Zhao L, et al.[1] Levine ME, Lu AT, Quach A, et al.[1] Lu AT, Quach A, Wilson JG, et al.

DunedinPACE 用纵向队列中的多系统变化训练衰老速度指标;DNAmTL 以甲基化特征估计端粒长度。两者回答的问题不同,也都需要在目标人群和检测流程中验证。

证据:[2] Belsky DW, Caspi A, Corcoran DL, et al.[2] Lu AT, Seeboth A, Tsai PC, 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. 报告明确模型全名与版本
  2. 说明样本类型、输入信号和质控状态
  3. 披露产品验证人群与性能边界
  4. 对代理指标使用非诊断性语言

阅读边界

  1. 仅凭模型名称证明产品采用或验证了它
  2. 把器官年龄当作器官临床检查
  3. 用一个指标预测个人寿命或疾病
  4. 把研究人群中的关联写成个体因果关系
  5. 模型输出的单位与含义可能不同
  6. 同名模型的实现和预处理也可能不同
  7. 跨平台、跨组织或跨版本复测需谨慎
  8. 本页介绍公开研究模型,不代表企业产品实际采用;产品采用情况以可核验材料为准

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. DunedinPACE, a DNA methylation biomarker of the pace of aging.

    Belsky DW, Caspi A, Corcoran DL, et al. eLife. 2022;11:e73420.

    PubMed · DOI 10.7554/eLife.73420 ↗
  6. DNA methylation-based estimator of telomere length.

    Lu AT, Seeboth A, Tsai PC, et al. Aging. 2019;11(16):5895–5923.

    PubMed · DOI 10.18632/aging.102173 ↗

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。