第一代表观生物时钟是表观遗传衰老领域研究的“开山之作”，以加州大学洛杉矶分校（UCLA）的衰老研究专家、遗传学家及生物统计学家Steve Horvath教授，在2013年开发的第一代泛组织表观遗传时钟，也称为Horvath时钟，依托353个CpG位点构建，可适配51种组织和细胞类型，年龄预测中位绝对误差仅3.6年，打破了此前时钟的组织局限性；同年，与Horvath时钟齐名的是Hannum时钟，由加州大学圣迭戈分校（UCSD）的Gregory Hannum教授团队开发，基于血液样本的71个CpG位点构建，年龄预测平均误差为3.9年，更适用于血液样本的衰老评估。两者共同成为早期表观遗传衰老研究中应用最广泛的两大经典工具，Horvath时钟侧重跨组织通用性，Hannum时钟则聚焦血液样本场景。
以Horvath 时钟为例，可以了解检测的甲基化位点是怎样筛选确定的：Horvath 时钟 353 个 CpG 位点的筛选流程，是从大规模甲基化芯片数据开始的，经过样本/位点质控、候选池构建、弹性网正则化筛选、交叉验证优化与独立测试验证的完整流程，核心是使用82个数据集、8,000 个样本、51种组织的跨平台数据，锁定兼顾年龄预测力与组织普适性的核心位点。以下是分步骤详解：
一、数据准备与质控（基础筛选）
样本纳入：整合 82 个公开 Illumina 甲基化数据集，覆盖 8,000 个样本、51 种健康组织/ 细胞类型，排除严重病变样本，确保跨组织适用性。
芯片位点交集：以 Illumina 27K 与 450K 芯片的共同位点为基础（避免平台差异），初步得到约 2.7 万个候选位点，也就是从2.7万个甲基化位点开始。
位点质控：剔除缺失值≥10% 的位点，最终保留21,369 个高质量候选 CpG 位点作为筛选池，同时对样本进行标准化，缺失值插补：填补缺失数据，保证完整性；离群值去除：剔除异常数值，保障可靠性。
二、弹性网惩罚回归筛选（核心算法）
弹性网惩罚回归就像一把双功能智能筛子，从2万多个CpG位点里精准淘出了353个能预测年龄的核心位点：既剔除无用杂质，又稳住有效位点的关联性，让筛选结果既精准又靠谱。简单说，它一边像普通筛子那样，把和年龄毫无关联的位点直接筛掉，避免冗余信息干扰；另一边又像缓冲垫，对那些功能相似、高度相关的位点做好平衡，不随意剔除任一有效位点，最终锁定的353个位点，既够精简又能跨组织稳定预测年龄，这也是Horvath时钟实现高精准度的关键一步。
采用弹性网（Elastic Net）正则化回归，平衡 L1（Lasso）与 L2（Ridge）惩罚，实现 “特征选择 + 参数收缩” 双重目标，流程如下：
模型设定：以chronological age（日历年龄）为因变量，21,369 个 CpG 位点的甲基化β值为自变量，通过弹性网自动权衡预测精度与模型复杂度。（即：用21,369个CpG位点的甲基化 β值（能影响结果的自变量），借助弹性网模型兼顾预测精准度和模型简洁性，来推算与之关联的日历年龄（被预测的因变量）。
参数优化：通过 10 折交叉验证（10-fold CV）确定惩罚系数 λ（控制正则化强度）与混合比例 α（α≈0.5，均衡 L1/L2），最小化预测误差。
位点锁定：算法自动将无预测价值位点的系数压缩至 0，最终保留353个非零系数CpG 位点，其中 193 个甲基化随年龄上升、160 个随年龄下降。
三、模型验证与普适性确认（性能保障）
内部交叉验证：在训练集内通过多轮 CV 验证，确保353个位点在不同组织/样本中均有稳定年龄预测力，中位绝对误差（MAE）仅 3.6 年。
独立测试集验证：在未参与训练的独立数据集（如其他组织样本、灵长类样本）中测试，验证跨组织/物种适用性，相关系数（r）达 0.96 以上。
组织普适性验证：确认同一套位点可用于51种组织/细胞类型，无需组织特异性调整，成为首个泛组织表观遗传时钟。
该流程的核心创新在于：通过弹性网在高维数据中精准筛选核心位点，同时兼顾年龄相关性与组织普适性，为后续表观遗传时钟的发展奠定了方法学基础。
四．353 个位点的染色体分布与基因注释
第一代 Horvath 时钟的353个CpG 位点在染色体上呈非随机分布，多富集于基因调控区，且与衰老相关通路高度关联，以下是核心分布与注释信息：
染色体分布概况：353个位点覆盖1-22号常染色体与X染色体，无 Y 染色体位点，分布相对分散但存在富集区域，核心特征如下：
整体特征：无单条染色体独占核心位点，避免染色体偏好性；常染色体覆盖均衡，X 染色体位点参与性别相关表观遗传调控，适配跨性别样本预测。
物理位置：多位于基因间区（约 40%）、启动子区（约 25%，含 TSS±2kb）、内含子区（约 20%），外显子区占比极低（＜5%），符合甲基化调控基因表达的核心逻辑。
基因注释核心信息
1.功能基因关联
核心关联基因：涉及 EDARADD、FOXO3、ELOVL2 等衰老/寿命相关基因，如 cg19692710（EDARADD 启动子区）、cg24704289（FOXO3 内含子区），这些位点甲基化水平随年龄显著变化，直接关联细胞衰老通路。
通路富集：富集于 DNA 修复（如 MLH1）、细胞周期调控（如 CDKN2A）、端粒维持（如 TERT）等通路，353个位点的甲基化变化可协同反映细胞衰老的表观遗传累积效应。
2.CpG 岛与甲基化特征
约 60% 位点位于 CpG 岛或岛岸区域，这些区域甲基化状态易受年龄影响，且调控基因转录活性；40% 位于非 CpG 岛区域，多为基因间调控元件。
193 个位点甲基化随年龄上升（如 cg16867657，ELOVL2 基因），160 个随年龄下降（如 cg01873645，与细胞周期调控相关），两类位点协同提升年龄预测精度。
3.组织普适性关联
注释位点多为泛组织表达基因的调控区，无组织特异性甲基化位点，这是该时钟能跨 51种组织/细胞类型预测年龄的核心原因；部分位点虽在特定组织中甲基化波动较大，但整体仍保持年龄相关性。
总结：353 个位点的染色体分布与基因注释，体现了兼顾调控功能与组织普适性的筛选逻辑：染色体分散分布避免偏倚，基因调控区富集保障年龄相关性，衰老通路关联赋予生物学意义，为其跨组织精准预测年龄提供了分子基础。Horvath 和 Hannum 是表观遗传时钟（epigenetic clocks）领域两位开创性研究者，他们在2013年几乎同时独立发表了第一代DNA甲基化衰老时钟的经典论文。这两个时钟至今仍是该领域的基准模型，被列为第一代（First generation）表观遗传时钟的代表。
转载本文请联系原作者获取授权，同时请注明本文来自阎影科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3302154-1519696.html?mobile=1
收藏
