Mit jelent a biológiai életkor? Epigenetikai és proteomikai órák, Horvath, GrimAge, DunedinPACE, ismételhetőség és a tesztek korlátai

Ugyanannyi éves emberek egészségi állapota és későbbi kockázatai nagyon különbözhetnek. A biológiai életkort mérő módszerek ezt a különbséget próbálják számszerűsíteni: azt becsülik, hogy valamely mérhető biológiai mintázat alapján a szervezet milyen állapotot mutat. Az epigenetikai és proteomikai órák eltérő jelekből dolgoznak, ezért ugyanaz az ember különböző módszerekkel más eredményt kaphat.

A longevity szempontjából ezért az a fontos kérdés, hogy ezek a mérések valóban segítenek-e előre jelezni a későbbi egészségi kockázatokat, és érdemes-e egyéni döntéseket alapozni rájuk.

Mi a biológiai életkor?

A biológiai életkor annak becslése, hogy szervezetünk valamely mérhető tulajdonsága mennyire hasonlít különböző életkorú emberek tipikus mintázatához. Készülhet DNS-metilációból, vérfehérjékből, glikánokból, klinikai biomarkerekből vagy többféle adat együttes elemzéséből. Egyetlen, mindenki számára érvényes „valódi biológiai életkor” jelenleg nincs. Egy fiatalabb eredmény önmagában nem bizonyít hosszabb életet vagy egészségnyereséget.

A naptári vagy kronológiai életkor egyszerű: azt mutatja meg, hogy mennyi idő telt el a születésünk óta. Biológiai szempontból azonban két azonos korú ember állapota jelentősen eltérhet. Az egyik szervezete jó működési tartalékokkal rendelkezik, a másikéban már több életkorral összefüggő változás halmozódott fel.

A biológiai életkor fogalma ezt a különbséget próbálja mérhetővé tenni. A nehézség rögtön abból adódik, hogy az öregedés sokféle folyamat együttese. A DNS szabályozása, az immunrendszer, az anyagcsere, a vérben keringő fehérjék, az egyes szervek és a fizikai működőképesség eltérő sebességgel változhatnak.

Ezért pontosabb biológiaiéletkor-becslésekről beszélni. Egy epigenetikai óra a DNS-metiláció mintázatát sűríti egy értékbe. Egy proteomikai óra a vér fehérje-összetételéből számol. Egy szervspecifikus modell azt vizsgálja, hogy például a szívhoz, veséhez vagy agyhoz kapcsolható fehérjék mennyire mutatnak életkorral összefüggő mintázatot. Ezek ugyanahhoz a kérdéskörhöz tartoznak, de eltérő biológiai réteget látnak.

Mit mér valójában egy „öregedési óra”?

Az „óra” elnevezés félrevezető lehet. Ezek többsége statisztikai vagy gépi tanulási modell. A kutatók először megadnak sok mérési adatot és egy célváltozót, majd olyan mintázatot keresnek, amelyből a célváltozó a lehető legjobban becsülhető.

Ezért az első kérdés mindig az, mire tanították az adott órát.

A Horvath-óra célja elsősorban a kronológiai életkor becslése volt. A PhenoAge már klinikai biomarkerekkel összekapcsolt fenotípusos életkort igyekezett megragadni. A GrimAge-t halálozási kockázat előrejelzésére optimalizálták. A DunedinPACE azt próbálja becsülni, milyen ütemben zajlanak az életkorral összefüggő változások. A proteomikai órák pedig vérfehérjék életkorral összefüggő mintázataiból készítenek teljes szervezetre, szervrendszerekre, újabban akár sejttípusokra vonatkozó becsléseket.

Epigenetikai órák: eltérő kérdések ugyanabból a DNS-ből

Az epigenetikai órák a DNS-metiláció életkorral összefüggő mintázataiból számolnak. A metiláció során kémiai jelölések kapcsolódnak a DNS egyes pontjaihoz, és ezek mintázata az élet során szabályosan változhat. Az órák fejlődését gyakran „generációkban” írják le, de ez nem hivatalos, egységes osztályozás. Hasznosabb azt nézni, milyen célt próbál az adott modell előre jelezni.

Horvath-óra: mennyi idősnek látszik a metiláció?

Steve Horvath 2013-as modellje 353 úgynevezett CpG-hely metilációs mintázatából becsülte a kronológiai életkort, és különlegessége az volt, hogy sokféle emberi szövetben alkalmazhatónak bizonyult. A fejlesztés fő célja tehát az volt, hogy a molekuláris mintázatból a naptári kort minél pontosabban lehessen rekonstruálni. [1]

Ez fontos tudományos áttörés volt, de önmagában még nem azonos az egészségi állapot mérésével. Ha egy modell elsősorban azt tanulja meg, hogyan néz ki molekulárisan egy hatvanéves ember, akkor a kronológiai életkor pontos becslése a modell sikerét mutatja. Ettől még külön kérdés marad, mennyire jól jelzi előre a betegséget, a működőképesség romlását vagy a halálozást.

DNAm PhenoAge: közelebb az egészségi kockázathoz

Morgan Levine és munkatársai más célváltozót választottak. Először kilenc rutinszerű klinikai biomarker és a kronológiai életkor alapján létrehoztak egy „fenotípusos életkort”, amely összefüggött a megbetegedési és halálozási kockázattal. Ezután 513 CpG-helyből olyan DNS-metilációs modellt készítettek, amely ezt a fenotípusos életkort becsülte. Így született a DNAm PhenoAge. [2]

A váltás lényeges. A modell célja már nem pusztán a születési dátum rekonstruálása volt. Olyan molekuláris mintázatot keresett, amely közelebb áll az egészségi és halálozási kockázatokhoz.

GrimAge: az életkor helyett a kockázat kerül előtérbe

A 2019-ben publikált DNAm GrimAge tovább mozdult ebbe az irányba. A modell DNS-metilációból képzett helyettesítő mutatókat használ több plazmafehérjére és a dohányzási kitettségre, majd ezeket kapcsolta a túléléshez. Az eredményt végül évben fejezték ki, ezért életkornak látszik, matematikailag azonban egy halálozási kockázatra optimalizált összetett becslésről van szó. [3]

Ez jól mutatja, miért nem elég egy eredmény mellett annyit látni, hogy „biológiai életkor: 54 év”. Tudni kell, milyen adatokból és milyen célváltozóra számították ezt az 54-et.

DunedinPACE: milyen gyorsan változik a rendszer?

A DunedinPACE más kérdést tesz fel. A modell alapját egy új-zélandi születési kohorsz tagjainál húsz éven át, négy mérési időpontban követett 19 szervrendszeri és élettani mutató változása adta. Ezt a hosszú távon megfigyelt változási ütemet sűrítették egyetlen vérmintából meghatározható DNS-metilációs mérőszámmá. [4]

A DunedinPACE eredménye ezért nem életkor évben. Az 1 körüli érték a fejlesztési referencia átlagos üteméhez kapcsolódik. Az 1 fölötti érték gyorsabb, az 1 alatti lassabb becsült öregedési ütemet jelez. Egy 1,1-es eredményt félrevezető lenne úgy fordítani, hogy valaki minden naptári évben pontosan „1,1 biológiai évet öregszik”.

Proteomikai órák: mit árul el a vér fehérjemintázata?

A DNS-metiláció csak az egyik mérhető réteg. A vérplazmában több ezer fehérje található, amelyek egy része az immunrendszer, az anyagcsere, a szöveti szerkezet, a hormonális szabályozás vagy egyes szervek működésének változásait tükrözi. A nagy áteresztőképességű proteomikai technológiák ezért új típusú öregedési órák alapjává váltak.

Egy 2024-es Nature Medicine-vizsgálat a UK Biobank 45 441 résztvevőjénél 2897 plazmafehérjét elemzett. A végső modell 204 fehérjéből becsülte a kronológiai életkort, 0,94-es korrelációval. A proteomikai életkoreltérés 18 jelentős krónikus betegség előfordulásával, multimorbiditással, halálozással, valamint fizikai és kognitív mutatókkal is összefüggött. A modellt kínai és finn mintán is validálták. [8]

A proteomika egyik legérdekesebb lehetősége, hogy nem feltétlenül kell az egész szervezetet egyetlen életkorszámba sűríteni. Egy 2023-as Nature-tanulmány 11 szervhez kapcsolódó fehérjemintázatokból becsült szervspecifikus életkort öt kohorsz 5676 résztvevőjénél. Az egyes szervek gyorsult öregedési mintázatai későbbi betegségekkel és halálozással is összefüggtek. [7]

A megközelítés azóta nagyobb adatbázisokra is kiterjedt. Egy 2026-os Nature Aging-vizsgálat a UK Biobank 43 616 résztvevőjénél teljes szervezetre és tíz szervrendszerre készített proteomikai órákat, majd kínai és amerikai kohorszokon is külső validációt végzett. Az egyes szervek életkoreltérései egymással csak mérsékelten korreláltak, ami alátámasztja azt a képet, hogy a szervek öregedése részben aszinkron folyamat. [9]

2026-ban ennél is finomabb felbontás jelent meg. Több mint 7000 plazmafehérje és 60 542 ember adataiból negyvennél több sejttípus – köztük idegi, immun-, gliális, endokrin, epiteliális és izomeredetű sejtek – öregedési mintázatára készítettek gépi tanulási modelleket. Ez egyelőre kutatási irány, de jól mutatja, merre fejlődik a terület: az egyetlen „hány éves a testem?” kérdést fokozatosan felválthatja a különböző szervek és sejtrendszerek állapotának térképe. [10]

A proteomikai órák ettől még nem kész diagnosztikai eszközök. Az, hogy egy fehérjemintázat előre jelzi a kockázatot, még nem mondja meg, melyik eltérés ok, melyik következmény, és milyen beavatkozás javítaná az adott ember egészségi kimenetét. A kutatási validáció és a mindennapi klinikai döntési hasznosság két külön lépcső.

Mit jelent, ha fiatalabb vagy idősebb eredményt kapunk?

Tegyük fel, hogy valaki 55 éves, egy teszt pedig 49 éves biológiai életkort jelez. A hatéves különbség első látásra világosnak tűnik. Valójában először azt kell tudni, milyen óra készítette a becslést.

Egy kronológiai életkorra tanított modell esetében a szám azt jelzi, hogy a vizsgált molekuláris mintázat jobban hasonlít a referencia-populáció fiatalabb tagjainak mintázatához. Egy kockázati modellnél a különbség egészségi vagy halálozási kockázati mintázatot sűríthet. Egy szervspecifikus proteomikai óránál egyetlen szervrendszer eltérése kerül előtérbe. A DunedinPACE esetében pedig eleve nem életkor-különbséget mérünk.

A „hat évvel fiatalabb” eredményből ezért nem következik, hogy az illető hat évvel tovább él. Azt sem bizonyítja, hogy egy étrend, étrend-kiegészítő, gyógyszer vagy edzésprogram hat évvel „megfiatalította” a szervezetét. Ehhez azt kellene igazolni, hogy a mérés változása megbízhatóan közvetít olyan változást, amely később betegségek, működőképesség vagy túlélés szempontjából is számít.

Mennyire ismételhető egy biológiaiéletkor-mérés?

Ez az egyik legfontosabb kérdés, különösen akkor, amikor valaki néhány hónap eltéréssel szeretné összehasonlítani két teszt eredményét.

Az ismételhetőségnek legalább három szintje van.

Az első a technikai ismételhetőség. Ha ugyanabból a mintából kétszer végzik el ugyanazt a laboratóriumi mérést, mennyire hasonló eredmény születik? A DunedinPACE fejlesztői technikai ismétlésekben 0,96-os intraclass correlation coefficient, vagyis ICC értéket mértek az egyik vizsgálatban, ami kiváló technikai megbízhatóságot jelzett. Más platformok közötti összehasonlításnál az érték alacsonyabb volt. [4]

A második a teljes mérési eljárás stabilitása. Egy 2022-es vizsgálat 41 DNS-metilációs prediktort, 101 adatfeldolgozási eljárást és 146 technikai mintapárt hasonlított össze. Megfelelő feldolgozás mellett a modellek 78 százaléka kiváló ismételhetőséget ért el, ugyanakkor az alkalmazott normalizálási és előfeldolgozási módszer jelentősen befolyásolhatta az eredményt. [5]

A harmadik a biológiai változás értelmezése. Egy technikailag tökéletesen reprodukálható teszt is mérhet olyan biológiai jelet, amely rövid távon változik. Egy új mérés eltérése ezért csak akkor tekinthető egy beavatkozás hatásának, ha ismerjük a mérőeszköz természetes ingadozását, a mintavétel és a labor hatását, valamint azt, hogy az adott óra milyen időtávon képes valódi változást érzékelni.

Ebből következik, hogy a „milyen gyakran mérjem újra?” kérdésre nincs minden biológiai órára érvényes válasz.

Mire használhatók ma a biológiai órák?

A kutatásban már komoly értékük van. Segítségükkel összehasonlíthatók populációk, vizsgálhatók betegségek és környezeti kitettségek, kereshetők az öregedéssel összefüggő molekuláris mintázatok, és értékelhetők olyan beavatkozások, amelyeknél évtizedek helyett rövidebb idő alatt szeretnénk valamilyen biológiai változást észlelni. A DunedinPACE-t például kifejezetten az öregedési ütem vizsgálatára fejlesztették.

Az egyéni használat magasabb bizonyítási küszöböt igényel. Egy teszt attól még lehet tudományosan érdekes és jól reprodukálható, hogy nem tudjuk, milyen orvosi vagy életmódbeli döntést kellene az eredménye alapján meghozni. Külön bizonyíték szükséges arra is, hogy az ilyen döntés javítja a betegségek, a működőképesség vagy a túlélés szempontjából fontos kimeneteket.

Ezért az egyetlen biológiaiéletkor-szám nem diagnózis. Az értékét az adja, hogy pontosan tudjuk, mit mér, milyen bizonytalansággal mér, és az eredmény hozzátesz-e valamit ahhoz, amit a már bevált klinikai és funkcionális mérésekből korábban is tudtunk.

Hogyan értékeljünk egy kereskedelmi biológiaiéletkor-tesztet?

Egy szolgáltatás megítéléséhez a látványos „Ön 7,4 évvel fiatalabb” eredménynél több információ kell. Érdemes feltenni hét kérdést:

1. Milyen biológiai adatból készül a becslés: DNS-metilációból, fehérjékből, glikánokból, vérképből vagy más adatokból?
2. Pontosan melyik algoritmust használják, és mire tanították azt?
3. Validálták-e a modellt a fejlesztési mintától független populációban?
4. Mekkora a konkrét laboratóriumi eljárás technikai ismételhetősége?
5. Tudjuk-e, mekkora változás tekinthető nagyobbnak a mérési és természetes ingadozásnál?
6. Kimutatták-e, hogy az eredmény változása együtt jár ember számára fontos egészségi kimenetek változásával?
7. Változtatna-e az eredmény olyan döntésen, amelyet egyébként nem hoznánk meg?

Ha a szolgáltató ezek közül több kérdésre sem ad ellenőrizhető választ, a teszt eredménye elsősorban érdekesség marad. Magas ár, sok tizedesjegy és látványos grafikon nem pótolja a validációt.

Gyakori kérdések

Melyik a legjobb biológiaiéletkor-teszt?

Nincs egyetlen legjobb teszt, mert a különböző órák eltérő célt mérnek. Kronológiai életkor, egészségi kockázat, halálozási kockázat, öregedési ütem, proteomikai állapot és szervspecifikus életkor különböző kérdések. A „legjobb” modell attól függ, mire akarjuk használni.

Lehet-e csökkenteni a biológiai életkort?

Egyes kutatásokban életmódi vagy más beavatkozások után változnak biológiaiöregedés-biomarkerek. Egy óra kedvező irányú elmozdulása azonban önmagában még nem bizonyítja a szervezet általános megfiatalodását. A mérés ismételhetőségét, a változás tartósságát és az egészségi kimenetekkel való kapcsolatát külön kell igazolni.

Bizonyítja-e egy fiatalabb epigenetikai kor, hogy tovább fogok élni?

Nem. Egyes epigenetikai órák populációs szinten összefüggnek a halálozási kockázattal, de ebből egy konkrét embernél nem számítható ki, hány további életévet jelent egy adott életkoreltérés. A GrimAge például kifejezetten mortalitási kockázatra optimalizált modell, mégsem szó szerinti élettartam-előrejelző.

Milyen gyakran érdemes újramérni?

Az adott teszttől és a céltól függ. Rövid időn belüli ismétlésnek akkor van értelme, ha bizonyított a mérés technikai stabilitása és az is, hogy az adott időtávon értelmezhető biológiai változást képes kimutatni. Egy szolgáltató által önkényesen ajánlott három- vagy hathavi újramérés önmagában nem tudományos indok.

Van-e egyetlen hivatalos biológiai életkor?

Nincs. A biológiai életkor gyűjtőfogalom. Az epigenetikai, proteomikai, glikán-, klinikai, képalkotó és funkcionális modellek más-más tulajdonságokat mérnek. A kutatás egyre inkább többdimenziós képet rajzol az öregedésről, különösen a szerv- és sejttípus-specifikus megközelítések fejlődésével.

Felhasznált irodalom

1. Horvath S. DNA methylation age of human tissues and cell types. Genome Biology. 2013;14:R115.
2. Levine ME et al. An epigenetic biomarker of aging for lifespan and healthspan. Aging. 2018;10:573–591.
3. Lu AT et al. DNA methylation GrimAge strongly predicts lifespan and healthspan. Aging. 2019;11:303–327.
4. Belsky DW et al. DunedinPACE, a DNA methylation biomarker of the pace of aging. eLife. 2022;11:e73420.
5. Ori APS et al. Significant variation in the performance of DNA methylation predictors across data preprocessing and normalization strategies. Genome Biology. 2022.
6. Krištić J et al. Glycans Are a Novel Biomarker of Chronological and Biological Ages. Journal of Gerontology: Biological Sciences. 2014;69:779–789.
7. Oh HSH et al. Organ aging signatures in the plasma proteome track health and disease. Nature. 2023;624:164–172.
8. Argentieri MA et al. Proteomic aging clock predicts mortality and risk of common age-related diseases in diverse populations. Nature Medicine. 2024;30:2450–2460.
9. Wang Y et al. Organ-specific proteomic aging clocks predict disease and longevity across diverse populations.Nature Aging. 2026;6:162–180.
10. Ding DY et al. Plasma proteomic signatures of cellular aging predict human disease. Nature Medicine. 2026;32:2060–2072.

 

Utolsó szakirodalmi ellenőrzés: 2026. augusztus 14.