本研究由来自美国耶鲁大学医学院神经病学系的 Cyprien A. Rivier 和 Guido J. Falcone 领衔的研究团队共同完成，论文于2025年发表在 Nature Communications 期刊上。

研究的学术背景 该研究位于衰老生物学与神经病学的交叉领域。随着全球人口老龄化，卒中、痴呆和晚年抑郁症等与年龄高度相关的脑健康事件已成为导致残疾和健康负担的主要原因。传统的生物年龄衡量指标——实际年龄（chronological age）——并不能精确反映个体在分子层面的衰老进程。近年来，基于DNA甲基化数据构建的“表观遗传时钟”（epigenetic clocks）被证明能够更细致地刻画与衰老相关的生物学过程，并优于实际年龄，在预测死亡率和多种健康结局方面表现出色。已有研究表明，一些心血管风险因素和生活方式会影响表观遗传年龄，提示其可塑性。然而，表观遗传年龄与脑健康事件（包括卒中、痴呆和晚年抑郁症）之间的关联尚不完全清楚，尤其是这种关联是否具有双向性（即脑健康事件是否加速表观遗传衰老，以及加速的表观遗传衰老是否会增加未来脑健康事件的风险）及其因果性质，有待在大规模人群中验证。因此，本研究旨在利用一个具有代表性的大型纵向队列，结合观察性流行病学方法和孟德尔随机化分析，系统性地检验以下两个核心假设：1）既往脑健康事件史与加速的表观遗传衰老相关；2）加速的表观遗传衰老会增加未来发生脑健康事件的风险。

研究详细流程 本研究是一个嵌套在美国“健康与退休研究”（Health and Retirement Study, HRS）队列中的两阶段观察性与遗传学分析。 研究对象：研究基于HRS队列，该队列是具有全国代表性的美国中老年人纵向研究。最终纳入分析的是在2016年提供了静脉血样本并成功获得DNA甲基化（DNA methylation, DNAm）数据的4,018名参与者。这些参与者的平均年龄为70岁，58%为女性，种族构成多样。 主要变量： 1. 表观遗传年龄：使用13种不同的表观遗传时钟（包括基于实际年龄校准的第一代时钟和基于健康相关结局校准的第二代时钟，如PhenoAge、GrimAge等）从2016年的全血DNA甲基化数据中计算得出。为避免先验选择特定时钟，研究人员将所有时钟标准化后取平均值，作为主要的“平均表观遗传年龄”指标。 2. 脑健康事件：包括卒中、痴呆和晚年抑郁症（定义为65岁后首次发作的重度抑郁发作）。卒中基于自我或代理人报告的医生诊断确定；痴呆通过经过验证的认知功能电话访谈量表评分，结合已建立的切点进行判定；晚年抑郁症使用流行病学研究中心抑郁量表简版的症状计数（≥4个症状）来确定。事件发生时间通过历次HRS访视波次确定。 研究流程分为两个阶段和一个遗传学验证部分： 第一阶段（横断面分析）：旨在检验“既往脑健康事件是否与加速的表观遗传衰老相关”。在此阶段，研究人员分析了所有4,018名参与者在2016年（DNAm数据采集时点）之前的脑健康事件史。其中，806人（20.1%）在2016年前至少经历过一次脑健康事件。使用多元线性回归模型，以表观遗传年龄为结局变量，以脑健康事件史为主要暴露变量进行分析。模型依次调整了混杂因素：模型1不调整；模型2调整人口学变量（实际年龄、性别、种族/民族）；模型3在模型2基础上进一步调整心血管风险因素（BMI、吸烟状况、高血压、糖尿病）和合并症（心脏病史）。 第二阶段（前瞻性队列分析）：旨在检验“加速的表观遗传衰老是否增加未来脑健康事件的风险”。在此阶段，研究人员排除了第一阶段中已有脑健康事件史的806名参与者，以及2016年后失访或死亡的245名参与者，最终对2,967名基线无事件史的参与者进行了平均4年的前瞻性随访（至2018年和2020年）。在此期间，有261人（8.8%）新发了至少一次脑健康事件。使用多元逻辑回归模型，以随访期间新发脑健康事件为结局变量，以2016年测量的表观遗传年龄为主要暴露变量进行分析。调整策略与第一阶段类似。 遗传学分析（孟德尔随机化，Mendelian Randomization, MR）：为加强因果推断，研究团队在两个阶段均进行了单样本孟德尔随机化分析。 1. 针对第一阶段假设：从已发表的全基因组关联研究（GWAS）中选取了与卒中、阿尔茨海默病和抑郁症相关的985个独立遗传变异作为“工具变量”，来代表“遗传决定的脑健康事件风险”。在HRS参与者中，分别估计这些工具变量与脑健康事件（暴露）以及表观遗传年龄（结局）的关联，然后使用逆方差加权法等MR方法估计遗传决定的脑健康事件对表观遗传年龄的因果效应。 2. 针对第二阶段假设：从已发表的表观遗传时钟GWAS中选取了与六个主要时钟（GrimAge、Hannum、PhenoAge等）相关的777个独立遗传变异作为工具变量，来代表“遗传决定的表观遗传年龄”。同样在HRS中估计这些工具变量与表观遗传年龄（暴露）以及脑健康事件（结局）的关联，进而估计遗传决定的表观遗传年龄对脑健康事件风险的因果效应。 次要与敏感性分析：包括分别分析每种脑健康事件（卒中、痴呆、抑郁症）的关联；使用仅包含第二代时钟的平均值进行分析；使用60岁作为晚年抑郁症的替代年龄切点进行敏感性分析；调整不同协变量组合以探讨生物学与临床视角下的模型设定。

主要研究结果 第一阶段结果：在调整了实际年龄、性别、种族/民族、心血管风险因素和合并症后（模型3），有脑健康事件史的参与者，其平均表观遗传年龄比无事件史者显著高出4%（β = 0.04, SE = 0.01, p = 0.002）。当仅调整人口学变量时（模型2），差异更大（增高8%）。若仅使用第二代表观遗传时钟，关联更强（增高9%）。分别分析显示，卒中史与表观遗传年龄增高6%相关（p = 0.001），痴呆史与增高4%相关（p = 0.035），而晚年抑郁症史在完全调整模型中没有显示出显著关联。孟德尔随机化分析 支持了这一观察性发现的因果解释：使用逆方差加权法，遗传决定的脑健康事件风险与表观遗传年龄加速11%相关（β = 0.11, SE = 0.03, p < 0.001）。其他稳健的MR方法（加权中位数法、MR-Egger法）也显示出方向一致的正向关联，且未检测到明显的多效性偏倚。 第二阶段结果：在调整了实际年龄、性别和种族/民族后（模型2），表观遗传年龄每增加一个标准差，未来4年内发生脑健康事件的比值比为1.70（95% CI: 1.16–2.50），即风险增加70%。即使进一步调整心血管风险因素和合并症（模型3），风险增加的趋势依然存在（OR = 1.48, 95% CI: 0.99–2.21）。分别分析显示，表观遗传年龄加速与卒中或痴呆的复合结局风险增加112%显著相关（OR = 2.12），与单独卒中（OR = 2.12）和单独痴呆（OR = 1.98）的风险增加也相关，但与晚年抑郁症的风险无显著关联。孟德尔随机化分析 再次为前瞻性关联提供了因果证据：遗传决定的表观遗传年龄每增加一个标准差，脑健康事件的比值比为1.15（95% CI: 1.06–1.25）。其他MR方法结果一致，且未发现显著的多效性。 结果的逻辑关系：第一阶段的观察性和遗传学结果共同表明，脑健康事件（特别是卒中和痴呆）不仅是衰老的结果，其本身也可能导致全身性的表观遗传衰老加速。第二阶段的观察性和遗传学结果则表明，加速的表观遗传衰老不仅是脑健康事件的后遗症，也是其先兆和风险因素。这两部分结果相互印证，强有力地揭示了两者之间存在双向的、很可能具有因果性质的关联。

研究的结论与价值 本研究得出结论：表观遗传衰老与脑健康事件（尤其是卒中和痴呆）之间存在显著的双向关联。一方面，经历过这些事件的个体表现出加速的表观遗传衰老；另一方面，表观遗传年龄更老的个体未来发生这些事件的风险更高。孟德尔随机化分析支持了这些关联的潜在因果性。 科学价值：1）将表观遗传时钟的应用拓展到涵盖卒中、痴呆和抑郁症的复合脑健康结局，支持了将这些疾病视为相互关联的、具有共同衰老病理生理基础的整体来研究的观点。2）首次在大规模人群中使用孟德尔随机化方法，为表观遗传年龄与脑健康事件之间的双向因果关系提供了相对可靠的证据，深化了对衰老与脑疾病复杂相互作用的理解。3）揭示了晚年抑郁症与卒中和痴呆在表观遗传衰老关联上的差异，提示其潜在机制可能有所不同。 应用价值：1）表观遗传年龄有潜力作为一种生物标志物，用于评估旨在预防脑健康事件或促进事件后恢复的干预措施的效果。2）研究结果提示，通过生活方式干预（如饮食、运动）来减缓表观遗传衰老速度，可能是预防卒中和痴呆的一种潜在策略。3）为未来研究指明了方向，例如探索介导这种关联的生物学通路（如血浆蛋白质组），或评估将表观遗传时钟纳入现有风险预测模型的临床效用。

研究亮点 1. 研究设计创新：采用巧妙的两阶段设计（横断面+前瞻性），结合观察性流行病学与孟德尔随机化分析，在同一大型队列中系统地检验并证实了双向因果关联，论证逻辑严谨，证据层级高。 2. 研究人群优势：基于具有全国代表性、样本量大、表型数据丰富的HRS队列，其DNA甲基化数据子集是目前相关研究中规模较大的之一，增强了研究结果的普遍性和可靠性。 3. 分析策略全面：使用13种表观遗传时钟的标准化平均值作为主要指标，避免了对单一时钟的依赖；进行了详尽的敏感性分析和亚组分析，结果稳健；对晚年抑郁症采用了不同的年龄定义进行验证。 4. 重要发现：明确揭示了表观遗传年龄与卒中和痴呆之间存在强烈的双向关联，并提供了因果证据；同时发现这种关联在晚年抑郁症中不明显，这一区别具有重要的生物学和临床启示意义。

其他有价值的内容 研究讨论了局限性，例如横断面分析可能存在生存偏倚（更健康的幸存者可能表观遗传衰老更慢，从而使结果偏向零假设）；尽管调整了多种协变量，但仍不能完全排除未测量混杂因素的影响。此外，作者展望了未来研究方向，包括探索表观遗传变化如何通过影响血浆蛋白水平等中介机制来影响脑健康风险，以及评估表观遗传时钟在早期风险分层和作为抗衰老治疗靶点方面的潜力。