第一代与第二代甲基化时钟
Horvath、Hannum 等第一代时钟以实际年龄为训练目标，用于估计生物学年龄本身；PhenoAge、GrimAge 等第二代时钟以临床指标或死亡风险为目标，与健康结局的关联通常更强。研究中常同时报告两类结果，因为它们回答的问题并不相同。
3个分析 Skill · Codar 生信插件
衰老与长寿生物学 AI 分析
衰老生物学关心个体的生物学年龄与实际年龄之间的偏离，以及组织中衰老细胞的积累。常用数据是 DNA 甲基化芯片或甲基化测序数据，以及 Olink 等血浆蛋白组定量结果。在 Codar 里覆盖甲基化年龄与衰老速度评估、基于血浆蛋白的器官特异性衰老时钟计算，以及细胞衰老与 SASP 相关证据的整合分析。
衰老与长寿生物学能回答哪些研究问题
- 两组之间的表观遗传年龄加速有差异吗？
- 哪个器官的蛋白衰老时钟最先出现偏离？
- 这批样本里细胞衰老的负荷有多高？
- 干预之后生物学年龄指标有变化吗？
- 不同甲基化时钟的结果为什么不一致？
衰老与长寿生物学分析流程
- 1
数据质控
检查芯片的检出率、样本性别与年龄一致性，剔除质量不合格的样本和探针。
- 2
归一化与探针匹配
按时钟要求做归一化，核对所需 CpG 位点是否齐全，缺失位点的填补方式要记录。
- 3
计算时钟年龄
分别计算多个时钟的预测年龄，对同一样本保留全部结果而不是只取其中一个。
- 4
估计年龄加速
用预测年龄对实际年龄回归取残差作为加速指标，再按分组比较并校正细胞组成等协变量。
- 5
器官时钟分析
用血浆蛋白定量计算各器官的衰老评分，比较器官之间的偏离程度和与表型的关联。
- 6
衰老证据整合
把细胞衰老标记和 SASP 因子的变化与时钟结果并列，判断证据是否方向一致。
常用方法与怎么选
年龄加速的定义方式
最常见的做法是把时钟年龄对实际年龄做回归，取残差作为衰老加速；也有直接取差值的做法，但差值会随年龄区间产生系统偏倚。血液样本还需考虑细胞组成的影响，通常把估计的细胞比例作为协变量放入模型。
血浆蛋白组器官衰老时钟
思路是先按组织表达特异性把蛋白划归到器官，再用这些蛋白训练预测年龄的模型，从而得到器官层面的衰老评分。它的优势是能看出不同器官的衰老不同步，局限是依赖血浆能否反映组织状态，以及蛋白定量平台的可比性。
细胞衰老与 SASP 标记的组合判定
单一标记难以确认细胞衰老，常见做法是把增殖停滞、p16 与 p21 表达、SA-β-gal 活性和 SASP 因子谱组合起来判断。SASP 成分在不同诱导方式和细胞类型间差异明显，结论通常限定在具体体系内。
需要准备的数据
- 甲基化芯片或测序数据
- 样本实际年龄、性别与分组信息
- Olink 等血浆蛋白定量矩阵
- 干预方案或随访时间点记录
能得到的结果
- 多个时钟的生物学年龄估计
- 年龄加速指标与组间比较
- 器官特异性衰老评分
- 细胞衰老与 SASP 评估结果
- 相关性与回归分析图表
- 分析报告与可复现脚本
衰老与长寿生物学插件包含的分析能力
共 3 项。启用插件后，Codar 会按任务自动选用，不需要逐个记住名称。
- DNA甲基化年龄与衰老速度评估
- Olink器官特异性蛋白质衰老时钟
- 细胞衰老与SASP证据分析
在 Codar 里怎么用
- 1
切换到生信模式
在 Codar 左上角选择 Codar 生信。
- 2
启用「衰老与长寿生物学」
在插件页找到「衰老与长寿生物学」，安装或启用。
- 3
描述研究问题
用一句话写清数据和目标，确认分析方案后开始执行。
可以这样提问
帮我用这批 DNA 甲基化数据计算表观遗传年龄，比较两组的衰老加速差异。
衰老与长寿生物学常见问题
表观遗传年龄和实际年龄差多少算异常？
没有公认的绝对差值标准。时钟本身存在预测误差，个体层面的几岁差异可能来自技术变异。更常用的判断方式是在同一批数据内比较分组之间的年龄加速残差分布，而不是对单个样本下结论；跨批次、跨平台的数值也不宜直接比较。
Horvath 时钟和 GrimAge 有什么区别？
Horvath 时钟训练目标是实际年龄，跨组织适用，主要反映与年龄相关的甲基化变化。GrimAge 训练时用了吸烟暴露、血浆蛋白等替代指标并与死亡风险挂钩，因此与健康结局的关联通常更强，但解释上更接近综合风险评分，而非单纯的生物学年龄。
计算甲基化年龄需要注意哪些混杂因素？
主要是样本类型、细胞组成和批次。血液里免疫细胞比例变化会直接影响甲基化谱，通常用参考方法估计细胞比例并作为协变量校正。此外同一批样本应尽量在同一平台和批次处理，分组在芯片上随机分布，避免分组与批次重合。
其他生信插件
macOS 12+Mac
Windows 10+Windows