【服务介绍】DNA甲基化是衰老过程中表观遗传学变化的重要因素之一。随着个体衰老的加剧，某些特定的甲基化位点（CpG）展现出与年龄相关的动态变化。通过对随年龄变化的CpG位点进行机器学习分析，可以构建一个预测甲基化年龄的数学模型，这被称为表观遗传时钟。该时钟不仅能量化生物衰老的速度，还能评估长寿及抗衰老干预措施的效果。

在此基础上，XPJ初步对100只小鼠的血液基因组DNA进行了检测，分析了数百个与衰老相关的甲基化位点。通过构建包含多种生物样本和多种衰老相关甲基化位点的数据库，我们利用机器学习筛选出随小鼠月龄显著变化并相关性较强的甲基化位点，以建立甲基化年龄预测器。该预测器成功预测了经历生殖压力的雌性小鼠的甲基化年龄，从而验证了方案的可行性。

【合作方式】本次服务为技术服务。

【检测对象】
物种样本类型：
CpG位点：小鼠血液
雌性/4个，雄性/3个

【技术方案】
我们的目标是通过甲基化重测序（Hi-Methylseq）结合亚硫酸盐转化及靶向扩增子高通量测序技术，实现多区段、多位点的精确定量分析。

【服务流程】
在检测过程中，选定甲基化位点随小鼠月龄变化的显著性，并通过模型预测生殖压力雌性小鼠的甲基化年龄。以CpG1、CpG2、CpG3和CpG4为例，预测模型可得出以下结果：

甲基化年龄预测模型：
甲基化年龄（月龄）加速效应（月龄）
衰老加速组：甲基化水平（实际年龄18月龄） 440596727305
自然衰老组：甲基化水平（实际年龄18月龄） 373525823669172221681824

值得注意的是，甲基化预测模型是基于多元一次方程式构建的，通过将选定甲基化位点的甲基化水平代入此模型，即可推算出对应生物样本的甲基化年龄。通过该模型，我们预测自然衰老组小鼠（实际年龄18月龄）的甲基化年龄为1824月龄，而经历多次生殖压力的雌性小鼠（实际年龄18月龄）的甲基化年龄为222月龄，显示衰老加速了396个月。

为进一步了解衰老过程，推荐参考以下文献：
[1] Rivero-Segura NA, et al. Promising biomarkers of human aging: In search of a multi-omics panel to understand the aging process from a multidimensional perspective. Ageing Research Reviews, 2020, 64:101164
[2] Petkovich DA, et al. Using DNA methylation profiling to evaluate biological age and longevity interventions. Cell Metabolism, 2017, 25(4): 954-960 e6
[3] Stubbs TM, et al. Multi-tissue DNA methylation age predictor in mouse. Genome Biology, 2017, 18:1-14
[4] Wang Y, et al. Epigenetic influences on aging: a longitudinal genome-wide methylation study in old Swedish twins. Epigenetics, 2018, 13(9): 975-987

利用XPJ服务，可为您的研究提供坚实的保障，关注生物医学领域的前沿科技，助力推动健康与长寿的探索。