Une nouvelle plateforme classe 41 horloges de vieillissement épigénétique à partir de 179 jeux de données sanguines
TranslAGE harmonise 179 jeux de données de méthylation sanguine et évalue 41 horloges épigénétiques selon leur stabilité, leur réponse au traitement, leurs associations et le risque.
Résumé
Les horloges épigénétiques estiment l'âge biologique à partir de la méthylation de l'ADN (DNA), mais il en existe des dizaines et les études les comparent rarement de façon équitable. Des chercheurs de Yale et leurs collaborateurs ont créé TranslAGE, une ressource en ligne gratuite qui rassemble 179 jeux de données de méthylation sanguine humaine, couvrant plus de 42 000 échantillons. Ils ont précalculé 41 horloges publiées pour chaque échantillon et évalué chacune d'elles selon quatre critères : la stabilité face au bruit, la réponse aux traitements, les associations avec des maladies et des caractéristiques, et la capacité à prédire une future maladie ou un décès. Ensemble, ces critères forment un score composite appelé score STAR. L'objectif est d'aider les scientifiques et les concepteurs d'essais cliniques à choisir l'horloge adaptée à leur objectif, plutôt que de deviner. Il s'agit d'une préimpression (preprint) qui n'a pas été évaluée par des pairs. Le texte fourni décrit la plateforme et les méthodes plus qu'un classement final des horloges.
Résumé détaillé
Les horloges épigénétiques figurent parmi les biomarqueurs les plus utilisés en recherche sur le vieillissement, mais le domaine souffre d'un problème de sélection. Les horloges sont passées de prédicteurs de l'âge chronologique de première génération (Horvath, Hannum) à des horloges de mortalité et de rythme de vieillissement (PhenoAge, GrimAge, DunedinPACE), puis à des horloges spécifiques à un système, et des milliers d'algorithmes fondés sur la méthylation ont été décrits. Les études ne testent généralement que quelques horloges, dans un seul jeu de données, sur une seule propriété. Lorsque les résultats divergent, personne ne peut dire si la cause tient à l'horloge, à la population ou à l'analyse.
TranslAGE, développé à Yale avec des collaborateurs dont Albert Higgins-Chen, aborde directement ce problème. La plateforme harmonise 179 jeux de données humains de méthylation sur sang total issus de NCBI GEO, d'EMBL et de collaborateurs privés, couvrant plus de 34 000 individus et plus de 42 000 profils de méthylation sur puces Illumina 450k et EPIC. Parmi ces jeux de données, 129 sont longitudinaux et 51 sont transversaux. Chaque jeu de données a été converti selon un schéma de métadonnées commun, et 41 horloges ont été calculées à l'aide d'une extension du package R methylCIPHER. Chaque score a été résiduellement ajusté sur l'âge chronologique et le sexe.
La plateforme évalue les horloges selon quatre domaines, qui forment ensemble le cadre STAR. La stabilité mesure la fiabilité à l'aide du coefficient de corrélation intraclasse. Cinq jeux de données avec réplicats techniques et six avec réplicats biologiques (échantillons répétés à moins de 24 heures d'intervalle, avec des événements tels que des repas, un stress léger ou une exposition au pollen) ont été regroupés par méta-analyse à effets aléatoires après transformation z de Fisher. Cela compte, car un bruit supérieur à l'effet d'une intervention fait gonfler la taille d'échantillon nécessaire à un essai.
La réponse au traitement s'appuie sur les données longitudinales. Sur 129 jeux de données longitudinaux, 101 ont passé le contrôle qualité. Soixante-quatorze portaient sur une intervention présumée anti-vieillissement : 25 sur le mode de vie, 11 sur des compléments, 22 pharmacologiques et 16 d'autres types, comme le régime méditerranéen, l'arrêt du tabac et la metformine. Dix-neuf concernaient des expositions défavorables telles que la radiothérapie, l'infection par le SARS-CoV-2 ou la pollution de l'air, et 8 étaient des contrôles non traités. Des tests t appariés ont comparé les résidus à l'inclusion et au suivi. Les tailles d'effet ont été exprimées par rapport à l'écart-type de population de chaque horloge, établi à partir d'un grand jeu de données EPICv1 : les valeurs négatives indiquent donc un âge biologique plus jeune, et 1,0 correspond à un écart-type.
Le domaine des associations recense les liens transversaux avec l'âge, les caractéristiques démographiques, les maladies et d'autres phénotypes. Le domaine du risque teste la prédiction du déclin fonctionnel, de la morbidité et de la mortalité futurs. Des tableaux de bord interactifs sur translage.io permettent de classer les horloges selon chaque domaine ou selon le score composite STAR. Un chercheur qui planifie un essai sur le mode de vie, par exemple, peut trouver les horloges à la fois stables et sensibles à des interventions similaires. Les auteurs la décrivent comme le premier cadre d'évaluation comparative standardisé et reproductible de ce type, et prévoient des mises à jour continues.
Plusieurs réserves s'imposent. Il s'agit d'un preprint bioRxiv, et le texte fourni s'arrête avant les résultats détaillés des domaines des associations et du risque ainsi qu'avant la discussion ; les classements précis des horloges ne sont donc pas résumés ici. L'analyse de la stabilité ne repose que sur 11 jeux de données. La plateforme n'inclut actuellement que des données de puces issues de sang total humain.
Principales conclusions
- 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
Méthodologie
Les auteurs ont compilé des jeux de données publics (NCBI GEO, EMBL) et privés de puces de méthylation sur sang total humain, standardisé leurs métadonnées et calculé 41 horloges à l'aide d'un pipeline methylCIPHER étendu. Les scores ont été corrigés (résidualisés) pour l'âge et le sexe, puis orientés vers les analyses de Stabilité, de Réponse au traitement, d'Associations et de Risque selon le type de jeu de données. L'analyse de la stabilité a utilisé des coefficients de corrélation intraclasse, transformés par la transformation z de Fisher puis regroupés par méta-analyse à effets aléatoires. L'analyse de la réponse au traitement a utilisé des tests t appariés comparant les résidus à l'inclusion et au suivi, avec des tailles d'effet exprimées par rapport à l'écart-type de population de chaque horloge, établi à partir d'un grand jeu de données EPICv1.
Limites de l'étude
Il s'agit d'un préprint qui n'a pas été évalué par des pairs, et le texte fourni s'arrête avant les résultats relatifs aux associations et au risque ainsi qu'avant la discussion ; ces résultats ne sont donc pas couverts. Les jeux de données se limitent à des données de puces à ADN issues de sang total humain, et l'analyse de la stabilité repose sur seulement 5 jeux de données de réplicats techniques et 6 jeux de données de réplicats biologiques. Les données harmonisées téléchargeables sont en attente de publication dans une revue et se limitent aux jeux de données initialement publics. Aucune déclaration de conflits d'intérêts ne figurait dans le texte fourni.
Ce résumé vous a plu ?
Recevez les dernières recherches sur la longévité dans votre boîte de réception chaque semaine.
Saisissez votre e-mail pour vous abonner :