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。