《Ageing Research Reviews》：The Evidence for Epigenetic Age Acceleration in Neurological Disease: A Systematic Review
背景：基于DNA甲基化的表观遗传时钟可用于估计生物学年龄。表观遗传年龄加速（EAA）即表观遗传年龄与实际年龄之间的差值，反映了遗传、环境及疾病相关因素的累积影响。EAA已成为衰老及疾病机制的潜在生物标志物。本系统综述综合评估了EAA在各类神经系统疾病中的证据。
方法：本综述遵循系统评价与Meta分析优先报告条目（PRISMA）指南，并在国际系统评价前瞻性注册平台（PROSPERO）登记（CRD42023464954）。研究人员检索了MEDLINE、Embase、Web of Science和Scopus数据库，自建库至2025年10月。纳入研究需满足以下条件：成人神经系统疾病人群、应用基于甲基化的表观遗传时钟，并报告临床、神经影像学、神经病理学、预后或因果相关结局。文献筛选、数据提取及偏倚风险评估均由两名研究人员独立重复完成，并采用Joanna Briggs Institute工具进行质量评价。由于研究间异质性较大，结果采用叙述性综合。
结果：共纳入79项研究，覆盖多种神经系统疾病。共应用15种表观遗传时钟，其中最常见的是Horvath时钟、Hannum时钟和PhenoAge时钟。EAA在神经系统疾病中常出现异常，但其关联方向和强度随时钟类型、组织来源及结局指标而异。来源于中枢神经系统（CNS）的测量指标与神经病理学指标之间显示出更一致的关系，而基于血液的测量结果异质性更大。遗传学和因果推断分析仅提供了有限且不一致的直接因果效应证据。
结论：EAA能够捕捉与神经系统疾病相关的生物学衰老特征，但其解释具有明显的情境依赖性。现有证据尚不支持其常规临床应用。进一步提高方法学标准化和验证水平，可能有助于明确表观遗传衰老在神经系统疾病易感性中的作用。
1. Introduction
本文围绕基于DNA甲基化（DNA methylation）的表观遗传时钟在神经系统疾病中的应用展开系统综述。文章首先指出，神经系统疾病涵盖广泛的神经系统障碍，是全球发病率和死亡率持续上升的重要原因，其中神经退行性疾病、脑血管病及部分脑肿瘤与衰老高度相关。因此，阐明衰老与疾病之间的机制性交互，对于改进诊断、预后评估与治疗具有重要意义。作者据此提出，表观遗传工具有望通过提供机制层面的信息及生物标志物，提升神经病学临床表征的精细化程度。
在概念框架上，文章系统梳理了表观遗传时钟的发展脉络。第一代时钟如Horvath与Hannum主要用于预测实际年龄；第二代表观遗传时钟如PhenoAge与GrimAge进一步整合临床状态和死亡风险信息；第三代时钟如DunedinPoAm与DunedinPACE则侧重刻画衰老速率，而非静态年龄。文中指出，DNA甲基化年龄（DNAmAge）虽通常与实际年龄（C-age）高度相关，但二者差异可反映遗传、环境及疾病因素对生物学衰老的额外影响。表观遗传年龄加速（EAA）既可定义为DNAmAge减去C-age，也可定义为二者回归后的残差；在血液样本中，还可在白细胞组成校正基础上推导内在型与外在型EAA。
作者进一步强调，EAA已被报道与2型糖尿病、慢性心脏病及阿尔茨海默病等年龄相关疾病有关，由此引出核心问题：加速的生物学衰老在多大程度上与神经系统疾病相关，以及表观遗传时钟能否在疾病风险预测、预后判断和临床管理中发挥作用。本文的目标即是评估当前EAA与神经系统疾病关联的证据强度，并分析基于甲基化的时钟在神经病学领域的潜在价值。
2. Methods
2.1. Study Design
本研究按照系统评价与Meta分析优先报告条目（PRISMA）规范实施，并在PROSPERO完成前瞻性注册。检索策略在医学图书馆员的专业支持下建立并反复优化，体现出较强的方法学严谨性。
2.2. Search strategy and selection criteria
研究人员系统检索了MEDLINE、Embase、Web of Science、The Cochrane Library及Scopus，自建库起至2025年10月12日。所有检索结果汇总至Rayyan平台并去重，同时对纳入文献参考文献表、灰色文献及选定期刊进行补充检索，以尽量减少遗漏。
2.3. Study Selection
纳入标准聚焦于成人神经系统疾病患者、采用甲基化表观遗传时钟或EAA指标、并报告疾病相关结局的原始研究。题名摘要筛选及全文筛选均由多名研究人员独立完成，分歧通过讨论达成一致。排除标准包括神经发育性或精神疾病，以及综述、病例报告、社论、意见文等非原始研究类型。
2.4. Data extraction
研究提取了作者、发表年份、研究目的、设计类型、纳排标准、样本人口学特征、疾病特征、DNA来源、甲基化芯片、所用时钟、EAA计算方式、与临床/神经影像学指标的关联、统计方法及主要结论等变量。文章还按样本量将研究划分为小样本、中等样本、大样本和超大样本，以便比较证据规模。
2.5. Risk of Bias
偏倚风险采用Joanna Briggs Institute（JBI）批判性评价工具，由两名研究人员独立评估。横断面研究与纵向队列研究分别依据不同条目体系进行汇总评分，并据此划分为高、中、低偏倚风险。该流程为后续证据解释提供了质量基础。
2.6. Data analysis and reporting
由于研究之间在疾病类型、组织来源、时钟种类、EAA定义及结局指标方面存在显著异质性，作者未进行Meta分析，而采用无Meta分析综合（SWiM）框架进行定性整合。研究首先按疾病分类，再按血液或中枢神经系统（CNS）组织来源分层，并在此基础上进一步按结局和时钟类型归类。
3. Results
3.1. Study selection
共识别文献4395条，去重后筛选2396条记录，最终79项研究纳入综述。其中50项为横断面队列研究，29项为纵向队列研究，显示当前证据仍以观察性研究为主。
3.2. Study characteristics
纳入研究来自14个国家，单项研究样本量差异极大，从双生子队列中的5例到全基因组关联研究中的52万例不等。性别分布报告较为常见，但种族、吸烟状态、共病和治疗信息报告不足，提示研究间可比性和外部推广性受到一定限制。结局大致可归纳为疾病诊断、临床严重度、神经影像学、神经病理学、未来发病风险及推定因果关联六类。
3.3. Epigenetic clock usage
共使用15种表观遗传时钟，最常见的是Horvath、Hannum和PhenoAge。CNS组织研究中Horvath时钟最常用，其次为cortical clock和PhenoAge；血液研究中则以Horvath、Hannum和PhenoAge为主。作者指出，时钟选择并未与特定疾病、组织来源或结局形成稳定对应关系，同一研究中不同时钟往往可得出方向和效应量不同的结果，这构成全领域异质性的关键来源。
3.4. Dementia
痴呆及轻度认知障碍（MCI）是研究最集中的领域，共纳入33项研究。总体而言，CNS来源的EAA比血液来源指标更常与疾病相关表型相关，尤其在神经病理学层面表现更一致。
3.4.1. CNS
脑组织研究显示，Horvath-EAA与痴呆诊断的关联并不完全一致，但与淀粉样蛋白负荷、tau病理及Braak分期等神经病理指标的相关性较为稳定。cortical clock及其主成分修正版PCBrainAge在部分大样本研究中亦与阿尔茨海默病（AD）状态及病理负担相关，提示皮层特异性时钟在脑组织中可能更具解释力。PhenoAge在少数大样本脑组织研究中也与临床AD诊断及病理负担呈显著关联，而GrimAge在CNS中的证据相对阴性。
3.4.2. Blood
血液研究数量更多，但结果更不一致。Horvath-EAA在多数研究中未能稳定关联痴呆诊断、临床严重度、神经影像学指标或未来痴呆风险，仅在个别研究中与记忆表现、未来MCI或未来痴呆风险有关。Hannum-EAA整体模式与Horvath类似。PhenoAge和GrimAge显示出一定潜力，部分大样本研究发现其与AD、额颞叶痴呆（FTD）、认知下降、MCI向AD进展、皮层变薄、白质高信号体积增大等相关，但仍存在大量阴性结果。DunedinPACE在多项大样本研究中与MCI、AD及事件性痴呆有关，提示第三代时钟在认知衰退风险预测中可能更敏感。因果推断方面，孟德尔随机化（MR）仅对Hannum-EAA与迟发性AD之间的潜在因果关系提供有限支持，但不同研究间结论并不一致。
3.5. Parkinson’s disease
帕金森病（PD）共纳入11项研究。CNS研究中，Horvath-EAA与PD状态、帕金森综合征体征以及黑质神经元丢失和Lewy小体病理在部分研究中有关，但并非一致。血液研究中，Horvath-EAA与PD诊断或发病年龄在不同样本规模研究中均有报道；PhenoAge-EAA也曾与PD诊断相关。DunedinPACE在一项大队列中可预测未来PD诊断。MR分析对因果关系的支持相互矛盾，尚不能证明稳定的直接因果效应。
3.6. Multiple Sclerosis
多发性硬化（MS）共6项研究。脑组织中，cortical clock提示胶质细胞EAA升高，而神经元来源DNA未见明确关联，提示细胞类型特异性可能与MS主要病理过程一致。血液中，GrimAge-EAA升高、Horvath-EAA降低及男性特异性PhenoAge-EAA/GrimAge-EAA均有报道；B细胞中GrimAge-EAA升高在独立数据集中得到验证。MR研究提示Hannum-EAA与MS之间可能存在双向关系，但总体结论仍不稳定。
3.7. Amyotrophic Lateral Sclerosis
肌萎缩侧索硬化（ALS）共8项研究。CNS研究显示，Horvath-EAA与发病年龄、病程在家族性和散发性ALS中存在区域特异性相关，尤以前额叶皮层和脊髓更明显。血液研究中，Horvath-EAA与发病年龄、病程及双生子发病不一致性相关；GrimAge-EAA与诊断和生存期相关的证据在大样本中更为突出。值得注意的是，白细胞组成校正可削弱部分关联，而DunedinPACE仍与C9orf72扩增状态相关。MR分析未见ALS风险的明确因果效应。
3.8. Ischaemic Stroke
缺血性卒中是证据较强的疾病类别之一，共13项研究且全部基于血液。Horvath-EAA在多项中至超大样本研究中与卒中诊断相关，尤其在心源性栓塞亚型中更突出，并存在男性更显著的加速模式。Hannum-EAA与卒中诊断、功能结局、复发及MRI白质高信号体积相关。PhenoAge-EAA和GrimAge-EAA也与卒中风险相关，其中GrimAge表现较稳健。DunedinPACE不仅与未来卒中风险相关，还在一项研究中与美国国立卫生研究院卒中量表（NIHSS）评分相关。MR分析显示PhenoAge-EAA可能对小血管性卒中存在因果作用，是本文中相对更强的因果证据之一。
3.9. Glioma
胶质瘤研究共8项。脑组织中，Horvath-EAA随胶质瘤亚型不同而变化，且较高EAA通常与更长生存期相关；PhenoAge和epiTOC也与生存存在时钟依赖性的关联。血液方面仅一项大样本研究，显示Hannum和PhenoAge相关EAA升高，而Horvath-EAA无显著差异。MR分析未支持EAA与胶质瘤风险之间存在稳健因果关系。
3.10. Other conditions
其他疾病证据总体仍有限。蛛网膜下腔出血（SAH）急性期未见EAA显著改变，但部分时钟与血管痉挛和死亡率有关。孤立性快速眼动睡眠行为障碍（RBD）在中等样本研究中表现为EAA升高，但与后续进展无关。不宁腿综合征（RLS）未见稳健关联。亨廷顿病（HD）、糖尿病性神经病变、脊髓小脑性共济失调（SCA）及多系统萎缩（MSA）中也有零散阳性发现，但样本量普遍有限。
3.11. Assessment of bias and certainty of evidence
大多数研究按JBI标准评定为低偏倚风险，少数为中等风险。纵向研究的主要问题是失访及失访处理不足；横断面研究则主要受限于研究对象与研究场景描述不充分，以及混杂因素控制不足。
4. Discussion
4.1. Epigenetic ageing as a cross-disease construct in neurology
作者认为，EAA更像是跨疾病的衰老相关信号，而非单一疾病特异机制。在痴呆中，它主要在CNS组织层面反映疾病相关神经病理；在ALS中，则与发病年龄、病程和生存相关；在缺血性卒中中，其与发病风险的关联最为稳定。相比之下，PD、MS和胶质瘤中的结果更为多变，说明EAA的生物学意义高度依赖疾病背景。
4.2. Tissue specificity, cell composition, and the neuroimmune interface
组织特异性和细胞组成是全文反复强调的核心问题。脑组织EAA较血液更能贴近局部病理，而血液信号常受免疫细胞构成影响。白细胞组成校正后部分关联减弱，提示血液EAA部分反映炎症及免疫改变，而非单纯的CNS衰老。作者同时指出，性别、种族、吸烟等因素既可能是混杂因素，也可能承载真实生物学信号，因此协变量调整需要谨慎。
4.3. Clock choice and heterogeneity of epigenetic measures
不同代际时钟所捕捉的是不同维度的生物学衰老，因此结果异质性具有方法学基础。总体上，PhenoAge、GrimAge和DunedinPACE等第二、三代时钟在痴呆和卒中风险及进展评估中通常优于第一代时钟。作者还指出，训练人群祖源结构差异可能导致时钟在非欧洲祖源群体中的校准偏差。此外，EAA定义方式、回归残差模型、协变量纳入以及样本年龄结构均会显著影响结果。
4.4. Causal inference and interpretation of epigenetic age acceleration
现有MR研究总体不支持“EAA直接导致神经系统疾病”的简单模型。更合理的解释是，EAA是一种整合性生物标志物，反映遗传、环境、生活方式及疾病过程的累积效应。即便其并非直接病因，只要与神经病理或事件性结局稳定相关，仍可能具有临床价值。
4.5. Limitations
作者明确指出当前临床转化受多方面限制：效应量通常较小，许多关联在校正混杂因素或多重检验后消失；缺少相对于现有临床模型的增量预测价值评估；脑组织采样侵入性高，不适合动态监测；血液指标又易受系统性疾病和免疫状态影响。此外，纳入研究多为横断面设计，关键人口学和临床变量报告不充分，多重比较广泛存在，也增加了假阳性风险。
4.6. Future directions
未来研究应基于大样本、表型明确、方案统一的纵向队列，规范甲基化检测和EAA定义，并开展重复测量以描绘EAA与疾病发生发展之间的时间关系。细胞类型特异性及单细胞甲基化研究有望提高机制分辨率。方法学上，需要统一报告标准，直接比较不同代际时钟及复合指标在同一队列中的表现，并开展更稳健的因果推断研究。作者还特别提到系统导向型血液时钟和EpiScores等新型指标，认为其可能比传统时钟更适合解析神经系统疾病相关的炎症、代谢、免疫及脑相关通路。
5. Conclusion
总体而言，本文认为EAA在神经病学中是一个具有生物学信息量但方法学上高度复杂的概念。它并不代表单一、均一的CNS衰老过程，而是综合反映组织特异性生物学、免疫炎症活动、全身生理应激及疾病相关过程的信号，其解释受到时钟设计、组织来源和分析策略的共同制约。现阶段，表观遗传时钟尚不足以作为独立的常规临床生物标志物，但随着标准化、组织验证以及多组学生物标志物整合的推进，这一领域具有发展为神经系统疾病风险分层和预后评估工具的潜力。
