Какие био маркеры наиболее точно отражают биологический возраст?

Биологический возраст показывает, насколько организм функционально старше или моложе паспортного возраста. Для его измерения разработаны разные «часы старения».

Часы первого поколения (например, Horvath, 2013) предсказывали хронологический возраст по данным метилирования ДНК. Они действительно точно определяли календарный возраст, но практически не отражали клинические исходы и риск смертности. Более того, чем выше точность совпадения с хронологическим возрастом, тем слабее связь с реальными рисками. Аналогичные недостатки были и у Hannum (2013) — ограниченная выборка, сильная зависимость от когорты и отсутствие прогностической силы, а также у Weidner (2014) и Garagnani (2012), использовавших минимальные наборы CpG-сайтов, что делало их применимыми скорее в судебной медицине, чем в здравоохранении. Zhang (2019) улучшал точность совпадения с календарным возрастом, но страдал от того же парадокса точности. Более современные модели, такие как DeepMAge (Galkin, 2021) или Vidaki (2017), применяли глубокое обучение, но превратились в «чёрные ящики» с низкой воспроизводимостью и ограниченной переносимостью.

Часы второго поколения были обучены не на совпадении с календарным возрастом, а на прогнозе смертности и болезней. Так, GrimAge (Lu, 2019) показал высокую прогностическую силу, но зависел от дорогих белковых анализов и поведенческих факторов (например, стажа курения), что ограничивает воспроизводимость. MetaboHealth (Deelen, 2019) базировался на 14 метаболических маркерах, но хуже отражал многосистемное старение.

Часы третьего поколения (например, DunedinPoAm) оценивали скорость старения по лонгитюдным данным, но требовали уникальных многолетних когорт, что делает их плохо применимыми для массового использования.

Были и другие попытки: MLR- и PCA-часы страдали от искажений и низкой точности; модели Klemera–Doubal или Chen (2023) включали календарный возраст как предиктор, искусственно повышая корреляцию; нейросетевые модели (Putin, 2016) или кластеризация (Sebastiani, 2017) имели низкую воспроизводимость или ограниченную практическую ценность. Всё это показывает, что большинство существующих подходов либо слишком дорогие и сложные, либо не дают надёжного прогноза здоровья.

PhenoAge (Levine, 2018) наиболее оптимальный вариант. Оно использует всего девять простых лабораторных показателей (альбумин, креатинин, глюкоза, С-реактивный белок, % лимфоцитов, MCV, RDW, щелочная фосфатаза, WBC), но строит расчёт не на календарном возрасте, а на реальном риске смертности по закону Гомперца. PhenoAge прошло широкую валидацию в разных странах и болезнях, надёжно предсказывает смертность и заболеваемость, и именно с ним сегодня сравнивают все новые модели.

Как определить PhenoAge на практике?
Сдать девять стандартных анализов и ввести результаты в калькулятор. Это можно сделать, например, в сервисе Nestarenie.Expert, где автоматически рассчитывается фенотипический возраст, ожидаемая продолжительность жизни и продолжительность здоровой жизни. Такой подход даёт не только понимание текущего состояния организма, но и инструмент для динамического управления долголетием.

https://pubmed.ncbi.nlm.nih.gov/39215995/
https://www.biorxiv.org/content/10.1101/363291v1.full
https://pubmed.ncbi.nlm.nih.gov/29676998/

Кто-то может возразить и сказать, что мол существует более новая модель 2023 года.

Проверка часов биологического возраста Morgan Levine 2018 и Biological Age Clock 2023 на одной выборке

Проект Нестарение Global провёл независимую верификацию двух моделей биологического возраста — Morgan Levine 2018 и Biological Age Clock 2023 (Nature Communications Biology, 2023, s42003-023-05456-z) — на одной и той же популяции пациентов из РФ.

Результаты

На данной выборке новая модель 2023 года не показала большей дисперсии прогнозов, чем модель Левин 2018. Хотя авторы оригинальной работы утверждали, что повышенная дисперсия их модели делает её более чувствительной к ускоренному старению или выраженному омоложению, в наших данных это не подтвердилось. Вероятно, эффект, описанный в статье, связан с гораздо большей выборкой авторов (около трёх миллионов человек), в которой действительно могли присутствовать крайние случаи — люди значительно старше или моложе своего паспортного возраста. В выборке из ~9 000 человек, использованной нами, таких отклонений не наблюдается.

Анализ графика

Как видно на графике, обе модели демонстрируют одинаковую линейность и наклон, близкий к 1, без эффекта «сжатия» прогнозов, характерного для оздоровлённых выборок. Дисперсия ошибок у них также сопоставима, что указывает на равную стабильность предсказаний. Следовательно, заявленная авторами «повышенная чувствительность» новой модели на нашей популяции не воспроизводится.

Практическое значение

Так как новая модель требует 26 биохимических параметров против 9 у Morgan Levine 2018, а многие из них недоступны в стандартных лабораториях, её практическая применимость существенно ниже. Кроме того, в статье указано, что модель 2023 года находится под авторскими правами и не может использоваться в коммерческих целях — мы её не использовали коммерчески, а лишь протестировали для научного сравнения.

Вывод

На одинаковой выборке обе модели дают эквивалентные результаты. Преимуществ по чувствительности или точности у новой версии не обнаружено. С учётом простоты, воспроизводимости и международной валидации, часы Morgan Levine 2018 остаются наиболее рациональным инструментом оценки биологического возраста.