Epigenetické hodiny

Epigenetické hodiny jsou souborem epigenetických značek DNA , které určují biologické stáří tkáně, buňky nebo orgánu. Nejznámějším příkladem epigenetických hodin jsou hodiny Steva Horvatha, které berou v úvahu 353 epigenetických markerů lidského genomu [1] [2] [3] . Byly vyvinuty i další verze epigenetických hodin: hodiny K. Weidnera, založené na methylaci tří dinukleotidů CpG [4] , hodiny I. Florata [5] , komplexní hodiny G. Hannuma [6] a hodiny K. Giulianiho, jehož indikátor se vypočítává z metylace tří genů ve vzorcích DNA z dentinu [7] .

Historie objevů

Významný vliv věku na úroveň metylace DNA je znám již od 60. let 20. století [8] . Velké množství prací popisuje sady CpG dinukleotidů, jejichž metylace koreluje s věkem [9] [10] [11] . Několik prací je věnováno hodnocení biologického věku pomocí metylace DNA ve slinách [12] nebo krvi [6] .

Pozadí k vytvoření epigenetických hodin

Věk je jednou ze základních charakteristik těla, a proto biomarkery stárnutí nacházejí mnoho uplatnění v biologickém výzkumu. Biologické hodiny stárnutí lze využít v následujících oblastech:

Obecně platí, že biologické hodiny mohou být užitečné při zkoumání příčin stárnutí a v boji s ním.

Souvislost s příčinami biologického stárnutí

Není zcela jasné, co přesně epigenetické hodiny měří. Hypotézou profesora Horvatha bylo, že věk získaný z výsledků výpočtů odráží celkový účinek systémů pro zavádění epigenetických modifikací těla. Většina změn v metylaci DNA souvisejících s věkem je tkáňově specifická, s výjimkou metylace promotoru genu ELOVL2, který funguje jako hlavní regulátor syntézy (prodlužování) polynenasycených mastných kyselin (PUFA) nezbytných pro efektivní fungování endoplazmatického retikula a mitochondrií [13] [14] . Proto byly vyvinuty zjednodušené verze epigenetických hodin univerzálních pro všechny tkáně, založené na určení věku stupněm metylace pouze jednoho CpG v genu ELOVL2 [15] [16] .

Věk vypočítaný z metylace DNA předpovídá úmrtnost ze všech příčin ve stáří [17] [18] , což naznačuje souvislost mezi metylací a příčinou lidského stárnutí [17] . Je však nepravděpodobné, že by páry CpG použité v metodě 353 přímo hrály roli v procesu stárnutí [1] . Je pravděpodobnější, že epigenetické hodiny detekují systémový účinek epigenomu. Zásadní je, že epigenetické hodiny ukázaly, že „ stárnutí je skutečně evolučně konzervováno a souvisí s vývojovými procesy u všech druhů savců“. [19] [20]

Pro pochopení podstaty epigenetických hodin by bylo rozumné porovnat a najít základní procesy zprostředkovávající vztah mezi čtením epigenetických hodin a hodinami stárnutí na základě transkriptomu [21] [22] [23] [ 24] [25] , jakož i na základě dat proteomu. [26] [27] [28] [29] Podle autorů proteomických hodin jejich model proteomického věku předpovídal mortalitu přesněji než chronologický věk a index křehkosti . [30] [29] Metoda proteomických hodin je založena na technologii SomaScan, která měří fluorescenci aptamerů vázaných na cílové proteiny. S těmito aptamery vytvořenými pomocí všestranné chemické technologie, která poskytuje nukleotidům funkční skupiny podobné proteinům pro objevování biomarkerových proteinů, lze současně (a velmi levně) měřit tisíce proteinů v malých objemech vzorků (15 µl séra nebo plazmy). [31] Nejdůležitější je, že analýzou údajů o proteinech, které se stárnutím nejvíce změnily, je možné najít a vyhodnotit účinnost cílených léků proti stárnutí. [29]

Bylo zjištěno, že většina CpG souvisejících s věkem koexistuje s vývojovými geny a stárnutí může být doprovázeno zvýšenou expresí vývojových genů. [32] [29] V souladu s tím se tyto CpG nacházejí v bivalentních chromatinových doménách a cílech potlačených polycomb , což jsou prvky, které řídí expresi vývojových genů . Zatímco zvýšená methylace CpG na zesilovačích pravděpodobně potlačuje genovou expresi, methylace CpG na bivalentních chromatinových doménách na druhé straně může stimulovat expresi odpovídajících downstream lokusů , což jsou často vývojové geny. [32] [19]

Horvathovy epigenetické hodiny

Horvathovy epigenetické hodiny byly vyvinuty Stevem Horvathem, profesorem lidské genetiky a biostatistiky na UCLA. Článek na toto téma byl poprvé publikován 21. října 2013 v časopise Genome Biology [1] . Horvath shromažďuje otevřená data o metylaci lidské DNA více než 4 roky a identifikoval vhodné statistické metody. Historii tohoto objevu popsal časopis Nature [33] . Hodinky byly vyvinuty s použitím 8 000 vzorků z 82 souborů dat metylace DNA generovaných platformou Illumina . Hlavním inovativním rysem Horvathových epigenetických hodin je jejich široká škála použitelnosti. Umožňují předpovídat věk bez ohledu na tkáň, bez zavádění jakýchkoli dalších úprav [1] . Tato funkce umožňuje porovnat biologický věk různých tkání v rámci stejného organismu pomocí stejných hodin stárnutí.

Termín „hodiny“ je v tomto případě definován jako metoda pro odhad věku na základě 353 epigenetických DNA markerů. Stanovený index má následující charakteristiky: za prvé se blíží nule v embryonálních a indukovaných kmenových buňkách , za druhé koreluje s počtem pasáží buněk a za třetí je metoda použitelná pro tkáně šimpanzů (které se používají jako analogy lidských tkání v některých studiích).

Růst organismu (a doprovodné dělení buněk) vede k vysoké rychlosti „běhu“ epigenetických hodin, která po dosažení 20. roku věku klesá na konstantní hodnotu (lineární závislost) [1] . Mnoho fyziologických a mentálních ukazatelů stárnutí koreluje s epigenetickými hodinami [34] .

Průměrná chyba v určení věku je 3,6 roku v širokém spektru tkání a typů buněk [1] . Metoda dobře funguje jak v heterogenních tkáních, tak v jednotlivých buněčných liniích. Věk predikovaný Horvathovou metodou má Pearsonův korelační koeficient rovný r=0,96 s chronologickým věkem [1] , který se velmi blíží maximální hodnotě - jedné.

Existuje online kalkulačka , ve které si můžete stáhnout data o metylaci genomu a získat odhad epigenetického stáří pomocí Howarthovy metody.

Hannumovy epigenetické hodiny

Ve stejném roce jako článek o Horvathových epigenetických hodinách vyšla další podobná studie [6] . Autoři, včetně Gregoryho Hannuma, vytvořili model pro kvantifikaci stárnutí pomocí měření více než 450 000 CpG dinukleotidů z krvinek od lidí ve věku 19 až 101 let. Z mnoha CpG bylo statistickými metodami identifikováno 71 pozic, podle kterých byl sestaven konečný model pro výpočet stáří. Podle autorů je rychlost epigenetického stárnutí ovlivněna lidským pohlavím a variací genomu.

Původní práce říká, že model funguje nejen pro krvinky, ale i v jiných tkáních. Některé pozdější práce však zdůrazňují, že Hannumovy hodiny jsou specifické pro krev, zatímco Horvathovy hodiny lze aplikovat na širokou škálu vzorků [35] . Existují také práce, které odkazují na epigenetické hodiny Horvatha a Hannuma jako ekvivalentní [36] [37] . Ve studii na malé skupině stoletých lidí poskytly Hannumovy hodiny přesnější odhady věku z dat metylace leukocytové DNA než Horvatovy hodiny [35] .

Epigenetické hodiny založené na malém počtu stránek CpG

Ačkoli hodiny využívající stovky míst CpG mohou přesněji odrážet biologický věk, jejich praktické použití je komplikováno jejich cenou. Proto bylo vyvinuto několik verzí epigenetických hodin založených na malém počtu CpG míst se stejnou nebo dokonce zvýšenou přesností [38] [39] . Snížení počtu CpG míst také umožňuje standardizovat a porovnat výsledky získané různými laboratořemi [40] [41] , stejně jako používat metody strojového učení k vytváření nových, přesnějších hodin [42] [43] . Nejčastěji používané geny v takových hodinách jsou: ELOVL2 (stránky cg16867657) [44] [45] [46] , dále EDARADD [47] [41] , C1orf132 [48] , TRIM59, FHL2 a KLF14 [49] [38]

Jiné verze biologických hodin

Existují biologické hodiny založené na a) délce telomer b) úrovni exprese p16INK4a [50] c) mutacích v mikrosatelitech [51] . Korelace v případě (a) je r=-0,51 pro ženy a r=-0,55 pro muže [52] . Korelace mezi expresí p16INK4a v T buňkách r=0,56 [53] . Slibnými biologickými hodinami jsou hodiny stárnutí sítnice „eyeAge“ z fotografií očního pozadí, vyvinuté pomocí počítačového modelu s hlubokým učením , který je schopen předpovídat lidské stárnutí v časovém měřítku kratším než jeden rok se 71% přesností [54] [55] .

Byla provedena řada studií (Wang et al [56] , Petkovic et al [57] ), které zkoumaly, zda myši mají s věkem změny v metylačních vzorcích podobné jako lidé. Výzkumníci zjistili, že epigenetický věk myší uměle prodloužený v délce života (kontrolou kalorií nebo požitím rapamycinu) byl výrazně nižší než u kontrolní skupiny stejného věku.

Epigenetické hodiny navržené k predikci věku u myší jsou založeny na 329 jedinečných CpG dinukleotidech a mají průměrnou absolutní chybu 4 týdny (5 % délky života). Pokusy použít lidské hodiny u myší ukázaly, že lidské hodiny nejsou u myší zcela konzervativní. Rozdíly v myších a lidských hodinách naznačují, že epigenetické hodiny by měly být kalibrovány odděleně pro různé druhy.

Slibným směrem se zdá být vývoj epigenetických hodin k určení věku divokých a domácích zvířat [58] .

Viz také

Odkazy

  1. ↑ 1 2 3 4 5 6 7 Steve Horvath. Věk metylace DNA lidských tkání a typů buněk  (anglicky)  // BioMed Central. — 2013-12-10. — Sv. 14 . — S. 3156 . — ISSN 1474-760X . - doi : 10.1186/cz-2013-14-10-r115 .
  2. ↑ Steve Horvath. Erratum to: Věk metylace DNA lidských tkání a typů buněk  (anglicky)  // BioMed Central. — 2015-05-13. — Sv. 16 . — S. 96 . — ISSN 1465-6906 . - doi : 10.1186/s13059-015-0649-6 .
  3. ↑ Vědec odkrývá vnitřní hodiny schopné měřit stáří většiny lidských tkání; Ženská prsní tkáň stárne rychleji než zbytek  těla , ScienceDaily . Staženo 30. listopadu 2017.
  4. ↑ Carola Ingrid Weidner, Qiong Lin, Carmen Maike Koch, Lewin Eisele, Fabian Beier. Stárnutí krve lze sledovat změnami metylace DNA na pouhých třech místech CpG  //  BioMed Central. — 2014-02-03. — Sv. 15 . — P.R24 . — ISSN 1474-760X . - doi : 10.1186/cz-2014-15-2-r24 .
  5. ↑ Ines Florath, Katja Butterbach, Heiko Müller, Melanie Bewerunge-Hudler, Hermann Brenner. Průřezové a podélné změny v methylaci DNA s věkem: analýza celého epigenomu odhalující více než 60 nových míst CpG souvisejících s věkem  // Human Molecular Genetics. — Oxford University Press , 2014-03-01. - T. 23 , č.p. 5 . - S. 1186-1201 . — ISSN 0964-6906 . doi : 10.1093 / hmg/ddt531 .
  6. ↑ 1 2 3 Gregory Hannum, Justin Guinney, Ling Zhao, Li Zhang, Guy Hughes. Methylační profily v celém genomu odhalují kvantitativní pohledy na rychlost lidského stárnutí  // Molekulární buňka. - T. 49 , č.p. 2 . - S. 359-367 . - doi : 10.1016/j.molcel.2012.10.016 .
  7. ↑ Cristina Giuliani, Elisabetta Cilli, Maria Giulia Bacalini, Chiara Pirazzini, Marco Sazzini. Odvozování chronologického věku ze vzorců metylace DNA lidských zubů  (anglicky)  // American Journal of Physical Anthropology. — 2016-04-01. — Sv. 159 , iss. 4 . - str. 585-595 . — ISSN 1096-8644 . - doi : 10.1002/ajpa.22921 .
  8. ↑ GD Berdyshev, GK Korotaev, GV Boiarskikh, BF Vaniushin. [Nukleotidové složení DNA a RNA ze somatických tkání keporkaků a jeho změny během tření ] // Bokhimiia (Moskva, Rusko). - září 1967. - T. 32 , no. 5 . - S. 988-993 . — ISSN 0320-9725 .
  9. ↑ Steve Horvath, Yafeng Zhang, Peter Langfelder, René S. Kahn, Marco PM Boks. Účinky stárnutí na moduly metylace DNA v lidském mozku a krevní tkáni  //  BioMed Central. — 2012-10-03. — Sv. 13 . — P.R97 . — ISSN 1474-760X . - doi : 10.1186/cz-2012-13-10-r97 .
  10. ↑ Vardhman K. Rakyan, Thomas A. Down, Siarhei Maslau, Toby Andrew, Tsun-Po Yang. Hypermethylace DNA spojená se stárnutím se vyskytuje přednostně na bivalentních chromatinových doménách  //  Genome Research. — 2010-04-01. — Sv. 20 , iss. 4 . - str. 434-439 . — ISSN 1549-5469 1088-9051, 1549-5469 . - doi : 10.1101/gr.103101.109 .
  11. ↑ Andrew E. Teschendorff, Usha Menon, Aleksandra Gentry-Maharaj, Susan J. Ramus, Daniel J. Weisenberger. Věkem závislá methylace DNA genů, které jsou potlačeny v kmenových buňkách, je charakteristickým znakem rakoviny  //  Genome Research. — 2010-04-01. — Sv. 20 , iss. 4 . - str. 440-446 . — ISSN 1549-5469 1088-9051, 1549-5469 . - doi : 10.1101/gr.103606.109 .
  12. ↑ Sven Bocklandt, Wen Lin, Mary E. Sehl, Francisco J. Sánchez, Janet S. Sinsheimer. Epigenetic Predictor of Age  (anglicky)  // PLOS One . - Veřejná vědecká knihovna , 22. 6. 2011. — Sv. 6 , iss. 6 . — P. e14821 . — ISSN 1932-6203 . - doi : 10.1371/journal.pone.0014821 .
  13. ↑ Slieker, RC, Relton, CL, Gaunt, TR, Slagboom, PE a Heijmans, BT (2018). Změny metylace DNA související s věkem jsou tkáňově specifické s metylací promotoru ELOVL2 jako výjimkou. Epigenetika & chromatin, 11(1), 1-11. PMID 29848354 PMC 5975493 doi : 10.1186/s13072-018-0191-3
  14. ↑ Li, X., Wang, J., Wang, L., Gao, Y., Feng, G., Li, G., ... & Zhang, K. (2022). Dysfunkce metabolismu lipidů vyvolaná věkově závislou metylací DNA urychluje stárnutí. Transdukce signálu a cílená terapie, 7(1), 1-12. PMID 35610223 PMC 9130224 doi : 10.1038/s41392-022-00964-6
  15. ↑ Garagnani, P., Bacalini, MG, Pirazzini, C., Gori, D., Giuliani, C., Mari, D., ... & Franceschi, C. (2012). Methylace genu ELOVL2 jako nový epigenetický marker věku. Stárnoucí buňka, 11(6), 1132-1134. PMID 23061750 doi : 10.1111/acel.12005
  16. ↑ Manco, L., & Dias, H.C. (2022). Analýza metylace DNA genu ELOVL2 pomocí kapkové digitální PCR pro účely odhadu věku. Forensic Science International, 333, 111206. PMID 35131731 doi : 10.1016/j.forsciint.2022.111206
  17. ↑ 1 2 Brian H. Chen, Riccardo E. Marioni, Elena Colicino, Marjolein J. Peters, Cavin K. Ward-Caviness. Měření biologického věku založená na methylaci DNA: metaanalýza předpovídající čas do smrti  // Stárnutí. - T. 8 , ne. 9 . - S. 1844-1865 . - doi : 10.18632/aging.101020 .
  18. ↑ Riccardo E. Marioni, Sonia Shah, Allan F. McRae, Brian H. Chen, Elena Colicino. DNA metylace věk krve předpovídá úmrtnost ze všech příčin v pozdějším životě  //  BioMed Central. — 2015-01-30. — Sv. 16 . — S. 25 . — ISSN 1465-6906 . - doi : 10.1186/s13059-015-0584-6 .
  19. ↑ 1 2 Ake T. Lu, Zhe Fei, Amin Haghani, Todd R. Robeck et al., & Steve Horvath (2021). Univerzální methylace DNA napříč savčími tkáněmi . biorxiv.org doi : 10.1101/2021.01.18.426733
  20. ↑ Arneson, A., Haghani, A., Thompson, MJ, Pellegrini, M., Kwon, SB, Vu, HT, ... & Horvath, S. (2021). Methylační pole savců pro profilování úrovní methylace v konzervovaných sekvencích . bioRxiv, 2021-01. doi : 10.1101/2021.01.07.425637
  21. ↑ Meyer, D., & Schumacher, B. (2020). Hodiny stárnutí založené na transkriptomu blízko teoretického limitu přesnosti . bioRxiv. doi : 10.1101/2020.05.29.123430
  22. ↑ Fleischer, JG, Schulte, R., Tsai, HH, Tyagi, S., Ibarra, A., Shokhirev, MN, ... & Navlakha, S. (2018). Předpovídání věku z transkriptomu lidských dermálních fibroblastů. Genome biology, 19(1), 221. doi : 10.1186/s13059-018-1599-6 PMC 6300908 PMID 30567591
  23. ↑ Šokhirev, MN, & Johnson, AA (2021). Modelování transkriptomu lidského stárnutí napříč tkáněmi, zdravotním stavem a pohlavím. Stárnoucí buňka , 20(1), e13280. PMC 7811842 doi : 10.1111/acel.13280
  24. ↑ Wang, F., Yang, J., Lin, H., Li, Q., Ye, Z., Lu, Q., ... & Tian, ​​​​G. (2020). Vylepšená predikce lidského věku pomocí profilů genové exprese z více tkání. Frontiers in Genetics, 11. PMC 7546819 doi : 10.3389/fgene.2020.01025
  25. ↑ LaRocca, T.J., Cavalier, A.N., & Wahl, D. (2020). Opakující se prvky jako transkriptomický marker stárnutí: Důkazy ve více souborech dat a modelech. Stárnoucí buňka, 19(7), e13167. PMID 32500641 PMC 7412685 doi : 10.1111/acel.13167
  26. ↑ Lehallier, B., Shokhirev, MN, Wyss-Coray, T., & Johnson, AA (2020). Dolování dat lidských plazmatických proteinů generuje velké množství vysoce prediktivních hodin stárnutí, které odrážejí různé aspekty stárnutí. Stárnoucí buňka, 19(11), e13256. PMID 33031577 PMC 7681068 doi : 10.1111/acel.13256
  27. ↑ Johnson, A.A., Shokhirev, MN, Wyss-Coray, T., & Lehallier, B. (2020). Systematický přehled a analýza studií stárnutí lidské proteomiky odhaluje nové hodiny proteomického stárnutí a identifikuje klíčové procesy, které se s věkem mění. Hodnocení výzkumu stárnutí, 101070. PMID 32311500 doi : 10.1016/j.arr.2020.101070
  28. ↑ Moaddel, R., Ubaida-Mohien, C., Tanaka, T., Lyashkov, A., Basisty, N., Schilling, B., ... & Ferrucci, L. (2021). Proteomika ve výzkumu stárnutí: Plán klinického, translačního výzkumu. Stárnoucí buňka, e13325. PMID 33730416 doi : 10.1111/acel.13325
  29. ↑ 1 2 3 4 Johnson, A. A., Shokhirev, MN, & Lehallier, B. (2021). Proteinové vstupy ultra-prediktivních hodin stárnutí představují životaschopné cíle léků proti stárnutí. Ageing Research Reviews, 70, 101404. PMID 34242807 doi : 10.1016/j.arr.2021.101404
  30. ↑ Sathyan, S., Ayers, E., Gao, T., Weiss, E.F., Milman, S., Verghese, J., & Barzilai, N. (2020). Plazmatický proteomický profil věku, zdravotního rozpětí a mortality ze všech příčin u starších dospělých. Stárnoucí buňka, 19(11), e13250. PMID 33089916 PMC 7681045 doi : 10.1111/acel.13250
  31. ↑ Gold, L., Ayers, D., Bertino, J., Bock, C., Bock, A., Brody, E., ,,, & Zichi, D. (2010). Multiplexní proteomická technologie založená na aptamerech pro objevování biomarkerů. PLOS One. 2010; 5(12): e15004 PMID 21165148 PMC 3000457 doi : 10.1371/journal.pone.0015004
  32. ↑ 1 2 Horvath, S., Haghani, A., Peng, S., Hales, EN, Zoller, JA, Raj, K., ... & Finno, CJ (2021). Studie stárnutí methylace DNA a transkriptomické studie u koní . bioRxiv. doi : 10.1101/2021.03.11.435032
  33. ↑ W. Wayt Gibbs. Biomarkery a stárnutí: Hodinář   // Příroda . — 2014-04-10. — Sv. 508 , iss. 7495 . - S. 168-170 . - doi : 10.1038/508168a .
  34. ↑ Riccardo E. Marioni, Sonia Shah, Allan F. McRae, Stuart J. Ritchie, Graciela Muniz-Terrera. Epigenetické hodiny korelují s fyzickou a kognitivní zdatností v Lothian Birth Cohort 1936  // International Journal of Epidemiology. — 2015-08-01. - T. 44 , č.p. 4 . - S. 1388-1396 . — ISSN 0300-5771 . - doi : 10.1093/ije/dyu277 .
  35. ↑ 1 2 Nicola J Armstrong, Karen A Mather, Anbupalam Thalamuthu, Margaret J Wright, Julian N Trollor. Stárnutí, výjimečná životnost a srovnání Hannumových a Horvathových epigenetických hodin  // Epigenomika. — 2017-05-01. - T. 9 , ne. 5 . - S. 689-700 . — ISSN 1750-1911 . - doi : 10.2217/epi-2016-0179 .
  36. ↑ Meaghan J. Jones, Sarah J. Goodman, Michael S. Kobor. Metylace DNA a lidské zdravé stárnutí  // Stárnoucí buňka  . — 2015-12-01. — Sv. 14 , iss. 6 . - S. 924-932 . — ISSN 1474-9726 . - doi : 10.1111/acel.12349 .
  37. ↑ Michele Zampieri, Fabio Ciccarone, Roberta Calabrese, Claudio Franceschi, Alexander Bürkle. Rekonfigurace metylace DNA při stárnutí  //  Mechanismy stárnutí a vývoje. — Sv. 151 . - str. 60-70 . - doi : 10.1016/j.mad.2015.02.002 .
  38. ↑ 1 2 Li, A., Mueller, A., anglicky, B., Arena, A., Vera, D., Kane, A.E., & Sinclair, D.A. (2022). Nové metody výběru funkcí pro konstrukci přesných epigenetických hodin. PLoS výpočetní biologie, 18(8), e1009938. PMID 35984867 PMC 9432708 doi : 10.1371/journal.pcbi.1009938
  39. ↑ Johnson, AA, Torosin, NS, Shokhirev, MN, & Cuellar, TL (2022). Sada běžných bukálních CpG, které předpovídají epigenetický věk a spojují se s geny regulujícími délku života . iScience, 105304. doi : 10.1016/j.isci.2022.105304.
  40. ↑ Weidner, CI, Lin, Q., Koch, CM, Eisele, L., Beier, F., Ziegler, P., ... & Wagner, W. (2014). Stárnutí krve lze sledovat změnami metylace DNA na pouhých třech místech CpG. Genomová biologie, 15(2), 1-12. PMID 24490752 PMC 4053864 doi : 10.1186/cz-2014-15-2-r24
  41. ↑ 1 2 Daunay, A., Hardy, LM, Bouyacoub, Y., Sahbatou, M., Touvier, M., Blanché, H., ... & How-Kit, A. (2022). Století lidé konzistentně prezentují mladší epigenetický věk, než je jejich chronologický věk, se čtyřmi epigenetickými hodinami založenými na malém počtu CpG míst. Stárnutí, 14(19), 7718-7733. PMID 36202132 doi : 10.18632/aging.204316
  42. ↑ Zaguia, A., Pandey, D., Painuly, S., Pal, SK, Garg, VK, & Goel, N. (2022). Predikce lidského věku založená na biomarkerech metylace DNA pomocí strojového učení. Computational Intelligence and Neuroscience, 2022. PMID 35111213 PMC 8803417 doi : 10.1155/2022/8393498
  43. ↑ Fan, H., Xie, Q., Zhang, Z., Wang, J., Chen, X., & Qiu, P. (2021). Predikce chronologického věku: vývojové hodnocení modelů strojového učení založených na metylaci DNA. Hranice v bioinženýrství a biotechnologii, 9. PMID 35141217 PMC 8819006 doi : 10.3389/fbioe.2021.819991
  44. ↑ Slieker, RC, Relton, CL, Gaunt, TR, Slagboom, PE a Heijmans, BT (2018). Změny metylace DNA související s věkem jsou tkáňově specifické s metylací promotoru ELOVL2 jako výjimkou. Epigenetika & chromatin, 11(1), 1-11. PMID 29848354 PMC 5975493 doi : 10.1186/s13072-018-0191-3
  45. ↑ Garagnani, P., Bacalini, MG, Pirazzini, C., Gori, D., Giuliani, C., Mari, D., ... & Franceschi, C. (2012). Methylace genu ELOVL 2 jako nový epigenetický marker věku. Stárnoucí buňka, 11(6), 1132-1134. PMID 23061750 doi : 10.1111/acel.12005
  46. ↑ Manco, L., & Dias, H.C. (2022). Analýza metylace DNA genu ELOVL2 pomocí kapkové digitální PCR pro účely odhadu věku. Forensic Science International, 333, 111206. PMID 35131731 doi : 10.1016/j.forsciint.2022.111206
  47. ↑ Ni, XL, Yuan, HP, Jiao, J., Wang, ZP, Su, HB, Lyu, Y., ... & Yang, Z. (2022). Epigenetický hodinový model pro hodnocení lidského biologického věku zdravého stárnutí. Zhonghua yi xue za zhi, 102(2), 119-124. PMID 35012300 doi : 10,3760/cma.j.cn112137-20210817-01862
  48. ↑ Spólnicka, M., Pośpiech, E., Pepłońska, B., Zbieć-Piekarska, R., Makowska, Ż., Pięta, A., ... & Branicki, W. (2018). Metylace DNA v ELOVL2 a C1orf132 správně predikovala chronologický věk jedinců ze tří skupin onemocnění. International Journal of Legal Medicine, 132(1), 1-11. PMID 28725932 PMC 5748441 doi : 10.1007/s00414-017-1636-0
  49. ↑ Jung, SE, Lim, SM, Hong, SR, Lee, EH, Shin, KJ, & Lee, HY (2019). Metylace DNA genů ELOVL2, FHL2, KLF14, C1orf132/MIR29B2C a TRIM59 pro predikci věku ze vzorků krve, slin a bukálních výtěrů. Forensic Science International: Genetics, 38, 1-8. PMID 30300865 doi : 10.1016/j.fsigen.2018.09.010
  50. ↑ Manuel Collado, Maria A. Blasco, Manuel Serrano. Cellular Senescence in Cancer and Aging  (anglicky)  // Cell . — Cell Press . — Sv. 130 , iss. 2 . - str. 223-233 . - doi : 10.1016/j.cell.2007.07.003 .
  51. ↑ Peter Forster, Carsten Hohoff, Bettina Dunkelmann, Marianne Schürenkamp, ​​​​Heidi Pfeiffer. Zvýšená míra zárodečných mutací u dospívajících otců   // Proc . R. Soc. B. - 22. 3. 2015. — Sv. 282 , iss. 1803 . — S. 20142898 . — ISSN 1471-2954 0962-8452, 1471-2954 . - doi : 10.1098/rspb.2014.2898 .
  52. ↑ Katarina Nordfjäll, Ulrika Svenson, Karl-Fredrik Norrback, Rolf Adolfsson, Göran Roos. Rozsáhlé srovnání rodiče a dítěte potvrzuje silný otcovský vliv na délku telomer  //  European Journal of Human Genetics. - 2010/03. - T. 18 , č.p. 3 . - S. 385-389 . — ISSN 1476-5438 . - doi : 10.1038/ejhg.2009.178 .
  53. ↑ Wang, Ye, Zang, Xinjie, Wang, Yao, Chen, Peng. Vysoká exprese p16INK4a a nízká exprese Bmi1 jsou spojeny se stárnutím endoteliálních buněk v lidské rohovce . www.molvis.org (3. dubna 2012). Staženo: 1. prosince 2017.
  54. ↑ Ahadi S, Wilson KA., Babenko B et al. (2022). Podélné zobrazení očního pozadí a jeho celogenomová asociační analýza poskytují důkazy pro hodiny stárnutí lidské sítnice . bioRxiv. doi : 10.1101/2022.07.25.501485
  55. ↑ Le Goallec, A., Diai, S., Collin, S., Vincent, T., & Patel, CJ (2021). Identifikace genetických a negenetických faktorů spojených s urychleným stárnutím očí pomocí hlubokého učení k predikci věku ze snímků očního pozadí a optické koherentní tomografie . medRxiv.
  56. ↑ Tina Wang, Brian Tsui, Jason F. Kreisberg, Neil A. Robertson, Andrew M. Gross. Epigenetické známky stárnutí v myších játrech jsou zpomaleny nanismem, omezením kalorií a léčbou rapamycinem  //  BioMed Central. — 28. 3. 2017. — Sv. 18 . — S. 57 . — ISSN 1474-760X . - doi : 10.1186/s13059-017-1186-2 .
  57. ↑ Daniel A. Petkovich, Dmitriy I. Podolskiy, Alexej V. Lobanov, Sang-Goo Lee, Richard A. Miller. Použití profilování methylace DNA k vyhodnocení zásahů biologického věku a dlouhověkosti  // Buněčný metabolismus. - T. 25 , č.p. 4 . - S. 954-960.e6 . - doi : 10.1016/j.cmet.2017.03.016 .
  58. ↑ Ricardo De Paoli-Iseppi, Bruce E. Deagle, Clive R. McMahon, Mark A. Hindell, Joanne L. Dickinson. Měření věku zvířat pomocí methylace DNA: Od lidí k divokým zvířatům  //  Hranice genetiky. - 2017. - Sv. 8 . - ISSN 1664-8021 . - doi : 10.3389/fgene.2017.00106 .

Literatura

  Přejděte na položku Wikidata  Slovníky a encyklopedie