从血液中准确预测年龄,使用一小组DNA甲基化位点和基于队列的机器学习算法
Miri Varshavsky1, Gil Harari2, Benjamin Glaser3
1School of Computer Science and Engineering, The Hebrew University of Jerusalem, Jerusalem, Israel; The Center for Computational Medicine, The Hebrew University of Jerusalem, Jerusalem, Israel.
Cell reports methods
|September 26, 2023
概括
新的表观遗传时钟GP-age使用仅30个DNA甲基化位点准确预测时间年龄. 这种非线性模型为衰老研究和法医应用提供了一个紧而精确的工具.
科学领域:
- 表观遗传学和衰老研究.
- 基因组分析和生物标志物开发
背景情况:
- 使用DNA甲基化进行时间学年龄预测对于理解人类衰老至关重要.
- 现有的表观遗传钟经常使用线性模型和众多基因组站点.
研究的目的:
- 介绍GP-age,一种新的非线性,基于队列的血液表观遗传钟.
- 与当前最先进的模型相比,评估GP-age的准确性和效率.
主要方法:
- 使用11,910个甲基组开发了GP-age,专注于30个CpG站点的减少集.
- 在独立的血液样本上使用数组和测序数据验证了时钟.
主要成果:
- GP-age的平均准确度约为2年,超过了现有的模型.
- 证明与衰老相关的甲基化变化发生在邻近的CpG中,支持碎片级分析.
- 通过一致的年龄预测偏差,确定了生物衰老速度的个体变化.
结论:
- GP-age为血液样本提供了一个紧而高度准确的表观遗传钟.
- 这些发现对纵向衰老研究,法医科学和临床应用有意义.
