一项探索表观遗传年龄加速与阿尔茨海默病因果关系的孟德尔随机化研究
一、 作者、机构与发表信息
本研究由来自中国山西省医疗机构的科研人员完成。共同第一作者为刘宏伟（Hongwei Liu）和尹兆旭（Zhaoxu Yin），通讯作者为王志军（Zhijun Wang）。作者单位包括太原市中心医院神经内科以及山西白求恩医院（山西医科大学第三医院，同济山西医院）神经内科。该研究以《探索表观遗传年龄加速与阿尔茨海默病之间的因果关系：一项双向孟德尔随机化研究》（”Exploring causal relationships between epigenetic age acceleration and Alzheimer’s disease: a bidirectional Mendelian randomization study”）为题，于2025年发表在期刊 *Clinical Epigenetics*（2025年卷17期第164页）。
二、 学术背景与研究目的
本研究属于神经病学、老年医学与表观遗传学的交叉领域，核心是探讨生物衰老与神经退行性疾病之间的因果关系。阿尔茨海默病（Alzheimer’s disease, AD）是一种与年龄密切相关的、进行性认知功能下降的神经退行性疾病，衰老是其最显著的风险因素。近年来，基于DNA甲基化数据的“表观遗传时钟”（epigenetic clock）被公认为预测生物年龄和健康结局的精准工具。表观遗传年龄加速（epigenetic age acceleration, EAA）是指个体的表观遗传年龄高于其实际 chronological age（时序年龄）的程度，反映了更快的生物衰老速度。
尽管大量观察性研究发现EAA与AD存在关联，但这些研究存在两个根本性局限：一是无法排除吸烟、社会经济地位等混杂因素的影响；二是难以确定是EAA导致了AD，还是AD的病理过程反过来加速了表观遗传衰老（即反向因果关系）。为了克服这些局限，明确因果关系，本研究采用了孟德尔随机化（Mendelian randomization, MR）的分析框架。MR利用与暴露因素（此处为EAA）强相关的遗传变异（如单核苷酸多态性，SNPs）作为工具变量。由于基因型在受孕时随机分配且基本不受后天因素影响，MR可以有效避免混杂和反向因果偏倚。
本研究的主要目标是：1）探究四种常用表观遗传时钟（GrimAge， PhenoAge， HorvathAge， HannumAge）所表征的EAA是否对AD风险具有因果效应；2）反向探究AD是否会对EAA产生因果影响，从而进行双向因果推断。
三、 详细研究流程
本研究严格遵循STROBE-MR指南，是一项两样本双向孟德尔随机化研究。整体工作流程可概括为：数据获取与工具变量筛选 → 统计效能计算 → 双向MR分析与多重敏感性分析 → 结果解释。
流程一：数据来源与工具变量筛选 研究使用了公开的基因组关联研究（Genome-Wide Association Study, GWAS）汇总数据。 * 暴露数据（EAA）： 来自爱丁堡数据共享库（Edinburgh Datashare）的一项大型荟萃分析，涉及28个队列共34,710名欧洲血统参与者。该研究确定了与四种表观遗传时钟（GrimAge， PhenoAge， HorvathAge， HannumAge）相关的遗传位点。选择这四种时钟是因为它们从不同维度反映衰老：GrimAge整合了与死亡风险相关的血浆蛋白标志物和累计吸烟暴露，对炎症和氧化应激敏感；PhenoAge基于临床生化标志物反映系统炎症和生理弹性；HorvathAge是首个多组织时钟，提供广泛的细胞衰老度量；HannumAge基于血液甲基化，与免疫衰老和炎症密切相关。 * 结局数据（AD）： 来自阿尔茨海默病遗传学联盟（Alzheimer Disease Genetics Consortium, ADGC），包含63,926名参与者（21,982例AD患者和41,944名认知正常对照）。 * 工具变量筛选： 从每种表观遗传时钟的GWAS数据中，筛选出与之在全基因组水平上显著相关（p < 5×10⁻⁸）的SNPs作为候选工具变量。对于HorvathAge，由于初始符合条件的SNPs过少，将阈值放宽至5×10⁻⁷。为确保工具变量的独立性，进行了连锁不平衡（linkage disequilibrium）筛选（r² < 0.001，距离 > 10,000 kb）。通过查询PhenoScanner数据库，剔除了可能与已知混杂因素（如年龄、性别、BMI）或AD结局本身相关的SNPs，以确保工具变量仅通过影响EAA来影响AD（排除多效性）。计算了每个SNP的F统计量以评估工具变量强度，所有入选SNPs的F值均远大于10，表明不存在弱工具变量偏倚。最终，分别为GrimAge、PhenoAge、HorvathAge和HannumAge筛选出8、9、11和11个有效的工具变量。
流程二：统计效能计算 研究团队使用在线工具进行了统计效能计算。基于观察到的效应大小（例如OR=1.025）、显著性水平（α=0.05）和样本量等参数进行估算。计算得到的效能值（15.9%）虽低于常规的80%阈值，但作者指出，这主要反映了微小效应值在遗传研究中被检测的固有难度，并不代表结果不可靠，后续的敏感性分析为结果的稳健性提供了支持。
流程三：孟德尔随机化分析与敏感性分析 所有分析均使用R语言（4.3.3版本）及TwoSampleMR软件包（0.5.6版本）进行。 * 主要分析方法： 采用随机效应逆方差加权法（inverse variance weighted, IVW）作为主要分析方法来估计因果效应。同时，为验证结果的可靠性，使用了多种补充分析方法，包括加权中位数法（weighted median）、加权众数法（weighted mode）、MR-Egger回归法（MR-Egger）和简单众数法（simple mode）。 * 敏感性分析： 这是确保MR分析有效性的关键步骤，包括： 1. 异质性检验： 使用Cochran’s Q统计量检验工具变量之间是否存在异质性。所有分析均未发现显著异质性（p > 0.05）。 2. 水平多效性检验： 使用MR-Egger回归的截距项和MR-PRESSO全局检验来评估工具变量是否存在水平多效性（即SNPs通过非EAA途径影响AD）。所有检验结果均不显著（p > 0.05），表明工具变量符合MR核心假设。 3. 留一法分析： 每次剔除一个SNP后重复IVW分析，以检查是否有单个SNPs驱动了整体因果效应。结果显示，剔除任何SNP后结果均保持稳定。 4. 离群值剔除： 使用MR-PRESSO方法检测并剔除可能存在的离群SNPs，剔除前后结果无实质性差异。
流程四：反向MR分析 为探究反向因果关系，将AD设为暴露，四种表观遗传时钟的EAA设为结局，重复上述MR分析和敏感性分析流程。从AD的GWAS数据中筛选出21个SNPs作为工具变量。
四、 主要研究结果
1. EAA对AD风险的因果效应（正向MR）： * GrimAge： IVW分析显示，遗传预测的GrimAge加速与AD风险增加存在统计学上的显著正相关。比值比（Odds Ratio, OR）为1.025（95%置信区间[CI]: 1.006–1.044， p = 0.009）。这意味着GrimAge每加速一个单位，患AD的风险平均增加约2.5%。其他补充分析方法（加权中位数、MR-Egger等）的趋势一致，支持这一发现。散点图显示，与GrimAge相关的SNPs其效应估计值与AD风险之间存在正相关趋势。 * 其他表观遗传时钟： 对于PhenoAge（OR = 1.003, p = 0.860）、HorvathAge（OR = 1.001, p = 0.840）和HannumAge（OR = 1.045, p = 0.116），IVW分析均未发现其与AD风险存在显著的因果关联。
2. AD对EAA的因果效应（反向MR）： 反向MR分析结果显示，遗传预测的AD与任何一种表观遗传时钟的加速均无显著因果关联（所有p值 > 0.05）。例如，AD对GrimAge的OR为1.384（p = 0.169），对PhenoAge的OR为0.905（p = 0.093）。
3. 敏感性分析结果： 所有双向MR分析的异质性检验（Cochran’s Q p > 0.05）和水平多效性检验（MR-Egger截距 p > 0.05；MR-PRESSO全局检验 p > 0.05）均未显示显著问题。留一法分析证实没有单个SNPs对整体结果产生过度影响。这些敏感性分析共同支持了正向MR中关于GrimAge与AD关联结果的稳健性和可靠性。
结果的逻辑贡献： 正向MR结果初步提示，由特定表观遗传时钟（GrimAge）衡量的生物衰老加速，可能是导致AD风险升高的原因之一。反向MR结果为阴性，排除了AD作为原因导致广泛表观遗传年龄加速的可能性，这在一定程度上强化了正向结果的因果推断方向，即因果关系更可能是从EAA（特别是GrimAge所表征的类型）指向AD，而非相反。
五、 结论与意义
本研究得出结论：GrimAge表观遗传年龄加速与阿尔茨海默病风险之间存在正向的因果关系。而其他几种表观遗传时钟（PhenoAge， HorvathAge， HannumAge）与AD的因果关联未被证实，AD也未显示对表观遗传年龄加速有反向因果效应。
科学价值与应用价值： * 机制启示： 该研究首次利用大样本双向MR，为“特定类型的生物衰老加速是AD的致病风险因素”这一假说提供了遗传学层面的因果证据。这强调了在AD预防和干预中，靶向延缓生物衰老进程（特别是GrimAge所反映的涉及炎症、氧化应激和蛋白代谢的衰老通路）的潜在重要性。 * 临床与公共卫生意义： GrimAge作为一种整合了多种健康风险标志物的强大预测工具，未来或可被开发用于AD的风险分层和早期识别。识别出高GrimAge加速的个体，有助于针对性地实施生活方式干预或未来可能出现的“抗衰老”疗法，以降低AD发病风险。 * 方法论贡献： 研究清晰地展示了如何运用双向孟德尔随机化框架来辨析复杂疾病与衰老生物标志物之间纠缠的因果关系，为同类研究提供了范本。
六、 研究亮点
七、 其他有价值的讨论
论文在“讨论”部分深入探讨了可能的生物学机制，将研究发现置于更广阔的衰老生物学背景中： * 连接衰老与AD的潜在通路： 作者引用了关于细胞衰老、线粒体自噬功能障碍、端粒缩短、炎症（如TNF-α， IL-6）在AD中作用的研究，指出GrimAge关联可能反映了这些共同通路。特别是，GrimAge包含的炎症相关蛋白标志物，与AD中神经炎症的核心作用相吻合。 * 表观遗传调控的作用： 讨论了DNA甲基化在AD相关基因（如APOE， APP）表达调控以及炎症反应中的作用，为EAA通过表观遗传机制影响AD病理提供了理论支持。 * 承认局限性： 作者客观指出了研究的局限性，包括：效应值较小；统计效能有限；工具变量数量受GWAS发现限制；所有数据均来自欧洲血统人群，限制了结果对其他人群的普适性。这些坦诚的表述为未来研究的改进指明了方向（如需要更大规模、更多样化的队列进行验证）。 * 未来展望： 研究结论为后续探索指明了道路，鼓励在更多样化的人群中，利用更广泛的表观遗传时钟和纵向设计，进一步验证和阐明EAA促进AD发生发展的具体分子与生理机制。