Una nueva plataforma clasifica 41 relojes de envejecimiento epigenético en 179 conjuntos de datos de sangre
TranslAGE armoniza 179 conjuntos de datos de metilación en sangre y evalúa 41 relojes epigenéticos según su estabilidad, respuesta al tratamiento, asociaciones y riesgo.
Resumen
Los relojes epigenéticos estiman la edad biológica a partir de la metilación del DNA, pero existen decenas de ellos y los estudios rara vez los comparan de forma justa. Investigadores de Yale y colaboradores crearon TranslAGE, un recurso en línea gratuito que reúne 179 conjuntos de datos de metilación en sangre humana que abarcan más de 42 000 muestras. Calcularon previamente 41 relojes publicados para cada muestra y evalúan cada uno según cuatro características: estabilidad frente al ruido, respuesta a los tratamientos, asociaciones con enfermedades y rasgos, y capacidad para predecir enfermedades o muerte futuras. En conjunto, estas puntuaciones forman un índice compuesto llamado puntuación STAR. El objetivo es ayudar a los científicos y a quienes diseñan ensayos clínicos a elegir el reloj adecuado para su propósito en lugar de adivinar. Se trata de un preprint que no ha sido revisado por pares. El texto proporcionado describe la plataforma y los métodos más que las clasificaciones finales de los relojes.
Resumen detallado
Los relojes epigenéticos son uno de los biomarcadores más utilizados en la investigación del envejecimiento, pero el campo tiene un problema de selección. Los relojes han evolucionado desde los predictores de edad cronológica de primera generación (Horvath, Hannum) hasta los relojes de mortalidad y de ritmo de envejecimiento (PhenoAge, GrimAge, DunedinPACE) y los relojes específicos de sistemas, y se han descrito miles de algoritmos basados en metilación. Los estudios suelen evaluar solo unos pocos relojes, en un único conjunto de datos y sobre una sola propiedad. Cuando los resultados se contradicen, nadie puede saber si la causa es el reloj, la población o el análisis.
TranslAGE, de Yale y colaboradores entre los que se encuentra Albert Higgins-Chen, aborda este problema de forma directa. Armoniza 179 conjuntos de datos de metilación en sangre completa humana procedentes de NCBI GEO, EMBL y colaboradores privados, que abarcan más de 34 000 personas y más de 42 000 perfiles de metilación en las matrices Illumina 450k y EPIC. De estos conjuntos de datos, 129 son longitudinales y 51 son transversales. Todos los conjuntos de datos se convirtieron a un esquema de metadatos común y se calcularon 41 relojes mediante una extensión del paquete de R methylCIPHER. Cada puntuación se ajustó por residuos según la edad cronológica y el sexo.
La plataforma puntúa los relojes en cuatro dominios, que en conjunto forman el marco STAR. La estabilidad (Stability) mide la fiabilidad mediante el coeficiente de correlación intraclase. Se agruparon cinco conjuntos de datos con réplicas técnicas y seis con réplicas biológicas (muestras repetidas en un plazo de 24 horas, con eventos como comidas, estrés leve o exposición al polen) mediante un metaanálisis de efectos aleatorios tras la transformación z de Fisher. Esto es importante porque un ruido superior al efecto de una intervención infla el tamaño de muestra que necesita un ensayo.
La respuesta al tratamiento (Treatment response) utiliza datos longitudinales. De los 129 conjuntos de datos longitudinales, 101 superaron el control de calidad. Setenta y cuatro incluían una supuesta intervención contra el envejecimiento: 25 de estilo de vida, 11 de suplementos, 22 farmacológicas y 16 de otro tipo, como dieta mediterránea, abandono del tabaco y metformina. Diecinueve registraron exposiciones adversas como radioterapia, infección por SARS-CoV-2 o contaminación del aire, y 8 fueron controles sin tratamiento. Se utilizaron pruebas t pareadas para comparar los residuos basales y de seguimiento. Los tamaños del efecto se escalaron a la desviación estándar poblacional de cada reloj a partir de un gran conjunto de datos EPICv1, de modo que los valores negativos indican una edad biológica más joven y 1,0 equivale a una desviación estándar.
El dominio de las asociaciones (Associations) recoge los vínculos transversales con la edad, la demografía, las enfermedades y otros fenotipos. El dominio del riesgo (Risk) evalúa la predicción del deterioro funcional futuro, la morbilidad y la mortalidad. Los paneles interactivos de translage.io permiten a los usuarios clasificar los relojes por cada dominio o por la puntuación compuesta STAR. Por ejemplo, un investigador que planifique un ensayo de estilo de vida puede encontrar los relojes que son a la vez estables y sensibles a intervenciones similares. Los autores lo describen como el primer marco de evaluación comparativa estandarizado y reproducible de este tipo, y prevén actualizaciones continuas.
Es preciso tener en cuenta varias salvedades. Se trata de un preprint de bioRxiv, y el texto disponible termina antes de los resultados detallados de Asociaciones y Riesgo y de la discusión, por lo que aquí no se resumen clasificaciones específicas de relojes. El análisis de estabilidad se basa en solo 11 conjuntos de datos. Actualmente, la plataforma incluye únicamente datos de matrices de sangre completa humana.
Hallazgos clave
- TranslAGE integrates 179 harmonized human blood DNA methylation datasets with more than 34,000 individuals and more than 42,000 methylation profiles
- 41 epigenetic biomarker scores are precalculated for every sample, spanning first-generation, mortality, reliability-optimized and system-specific clocks
- Of the datasets, 129 are longitudinal and 51 are cross-sectional, on Illumina 450k and EPIC arrays
- Stability is quantified from 5 technical-replicate and 6 biological-replicate datasets using pooled intraclass correlation coefficients
- 101 of 129 longitudinal datasets passed quality control for treatment response, including 74 intervention datasets (25 lifestyle, 11 supplement, 22 pharmacological, 16 other)
- 19 datasets capture adverse exposures such as radiotherapy, SARS-CoV-2 infection and air pollution, and 8 serve as untreated controls
- The four-domain STAR framework (Stability, Treatment response, Associations, Risk) combines test metrics into one composite score for ranking clocks
Metodología
Los autores recopilaron conjuntos de datos de matrices de metilación en sangre completa humana, tanto públicos (NCBI GEO, EMBL) como privados, estandarizaron sus metadatos y calcularon 41 relojes con una versión ampliada del flujo de trabajo methylCIPHER. Las puntuaciones se ajustaron por residuos según la edad y el sexo, y se asignaron a los análisis de Estabilidad, Respuesta al tratamiento, Asociaciones y Riesgo según el tipo de conjunto de datos. El análisis de estabilidad utilizó coeficientes de correlación intraclase, transformados mediante la z de Fisher y agrupados mediante un metanálisis de efectos aleatorios. El análisis de respuesta al tratamiento utilizó pruebas t pareadas de los residuos basales frente a los del seguimiento, con tamaños del efecto escalados según la desviación estándar poblacional de cada reloj, obtenida de un gran conjunto de datos de EPICv1.
Limitaciones del estudio
Este es un preprint que no ha sido revisado por pares, y el texto proporcionado termina antes de los resultados de Asociaciones y Riesgo y de la discusión, por lo que esos hallazgos no están cubiertos. Los conjuntos de datos se limitan a datos de arrays de sangre completa humana, y el análisis de Estabilidad se basa en solo 5 conjuntos de datos de réplicas técnicas y 6 de réplicas biológicas. Los datos armonizados descargables están pendientes de la publicación en una revista y se limitan a los conjuntos de datos originalmente públicos. En el texto proporcionado no figuraba ninguna declaración de conflicto de intereses.
¿Te ha gustado este resumen?
Recibe la última investigación sobre longevidad en tu bandeja de entrada cada semana.
Introduce tu correo electrónico para suscribirte: