Omitted familial extrinsic risk inflates inferred intrinsic lifespan heritability

Cet article démontre que l'estimation de 50 % de l'héritabilité intrinsèque de la longévité par Shenhar et al. (2026) est artificiellement gonflée d'environ 9 points de pourcentage en raison de l'omission d'une susceptibilité extrinsèque familiale héréditaire, qui est absorbée par le modèle comme une composante intrinsèque.

L'essentiel

🕵️‍♂️ Le Grand Mystère : Pourquoi vivons-nous si longtemps ?

Imaginez que vous essayez de comprendre pourquoi certaines familles vivent très vieux. Vous avez deux suspects principaux :

1. L'Usure Intérieure (Intrinsèque) : C'est la "mécanique" de votre corps qui se dégrade avec le temps (le vieillissement naturel).
2. Les Accidents Externes (Extrinsèque) : Ce sont les dangers du monde extérieur : infections, accidents de voiture, pollution, etc.

Une étude récente (Shenhar et al., 2026) a affirmé : "Attendez ! Si on enlève les accidents et les maladies de l'équation, la part de l'hérédité dans la longévité n'est pas de 20% comme on le pensait, mais de 50% !"

C'est une énorme différence. Cela voudrait dire que nos gènes déterminent presque tout notre espérance de vie, une fois qu'on a évité les accidents.

⚠️ Le Problème : Le Compteur Faux

Sergey Kornilov, l'auteur de ce nouveau papier, dit : "Stop ! Votre compteur est faussé."

Il explique que la méthode utilisée pour arriver à ces 50% est comme un thermomètre cassé.

L'Analogie du Thermomètre et de la Température de la Maison

Imaginez que vous voulez mesurer la chaleur générée par un radiateur (le vieillissement naturel) dans une maison.

• La réalité : La maison est aussi chauffée par des poêles à bois (les maladies et accidents) qui sont très chauds.
• L'erreur : Le scientifique dit : "Je vais mesurer la température totale, puis je vais dire 'Oublions les poêles à bois' dans mon calcul."
• Le problème : Le thermomètre (le modèle mathématique) ne sait pas distinguer la chaleur du radiateur de celle des poêles. Quand il voit qu'il fait très chaud, il pense que le radiateur est énorme.

Même si le scientifique dit ensuite "Enlevez les poêles", le thermomètre a déjà enregistré une chaleur trop élevée à cause des poêles. Il va donc conclure à tort que le radiateur est beaucoup plus puissant qu'il ne l'est vraiment.

🔍 Ce que découvre Kornilov

Kornilov a simulé des millions de vies de jumeaux pour voir ce qui se passe vraiment. Voici ce qu'il a trouvé :

1. Le "Voleur" de Variance :
   Dans la vraie vie, la sensibilité aux maladies (comme la tuberculose ou les infections) est aussi héréditaire. Si vos parents ont eu du mal à combattre les infections, vous aussi.
   Le modèle de Shenhar ne prenait pas en compte cette "sensibilité aux maladies". Il pensait que toute la ressemblance entre les jumeaux venait du vieillissement naturel.
   Résultat : Le modèle a "volé" la part de l'hérédité des maladies et l'a collée sur le vieillissement naturel. C'est comme si vous accusiez le radiateur d'avoir chauffé la maison alors que c'étaient les poêles à bois.

2. L'Explosion du Chiffre :
   Parce que ce "vol" a gonflé la valeur du paramètre de vieillissement, le calcul final a explosé.

   • La vraie hérédité du vieillissement pourrait être autour de 30-40%.
   • Le modèle, trompé par les maladies oubliées, a affiché 50%.
   • C'est une surestimation d'environ 9 à 10 points de pourcentage.

3. Les Preuves (Les Empreintes Digitales) :
   Kornilov ne se contente pas de dire "c'est faux". Il montre comment c'est faux.

   • Si le modèle était correct, la façon dont les jumeaux survivent ensemble à chaque âge devrait suivre une courbe parfaite.
   • Avec le modèle "volé", la courbe est tordue : elle prédit trop de jumeaux qui survivent très vieux ensemble (à cause du paramètre gonflé) et pas assez quand ils sont jeunes. C'est comme si le modèle voyait des fantômes de longévité là où il n'y en a pas.

🧩 Pourquoi c'est important ?

Ce n'est pas juste une querelle de chiffres. Cela change notre compréhension de la biologie humaine :

• Avant : On pensait que la longévité était très peu héréditaire (20%).
• L'étude de Shenhar : A dit "Non, c'est énorme (50%) !"
• L'étude de Kornilov : Dit "Attendez, c'est probablement entre les deux (30-45%). La méthode de Shenhar a confondu la résistance aux maladies avec la résistance au vieillissement."

🎯 La Conclusion en une phrase

Le modèle utilisé pour calculer l'hérédité de la longévité a oublié de retirer la part de l'hérédité liée aux maladies. Il a donc attribué à la "mécanique du corps" une partie de la "résistance aux virus", gonflant artificiellement le chiffre final.

En résumé : On ne peut pas dire que nos gènes déterminent 50% de notre longévité pure si on n'a pas d'abord bien séparé ce qui vient de nos gènes pour vieillir, de ce qui vient de nos gènes pour survivre aux maladies. Le compteur est faussé, et il faut le réajuster.

Résumé technique

1. Problématique et Contexte

L'article remet en question les résultats récents de Shenhar et al. (2026), qui ont estimé que l'héritabilité « intrinsèque » de la durée de vie humaine est d'environ 50 %, une augmentation significative par rapport aux estimations classiques de 20–25 %.

• La méthode de Shenhar : Ils utilisent un modèle de survie à composante unique (frailty corrélée) calibré sur des données de jumeaux scandinaves historiques. Le modèle suppose que la mortalité est la somme d'un risque extrinsèque constant ($m_{ex}$, identique pour tous) et d'un risque intrinsèque variable ($\theta_i$, lié au vieillissement). Ils calibrent la variance du paramètre intrinsèque ($\sigma_\theta$) pour reproduire les corrélations observées entre jumeaux, puis extrapolent à un monde contrefactuel où $m_{ex} = 0$ pour isoler l'héritabilité intrinsèque.
• L'hypothèse critique : L'article postule que si la susceptibilité aux causes extrinsèques de décès (infections, accidents, etc.) est elle-même héréditaire et omise du modèle, le paramètre de calibration $\sigma_\theta$ absorbe cette variance extrinsèque manquante.
• Distinction par rapport à Hamilton (2026) : Bien que Hamilton ait souligné un biais de sélection (collider bias) dû à l'exclusion des jumeaux décédés prématurément, Kornilov identifie un mécanisme distinct : un biais de variable omise lors de l'étape de calibration du modèle, qui se produit même sans restriction d'échantillon.

2. Méthodologie

L'auteur utilise une approche de simulation rigoureuse pour tester la robustesse du modèle de Shenhar.

• Données simulées (DGP - Data Generating Process) :
  • Génération de 50 000 paires de jumeaux (MZ et DZ) selon un processus à deux composantes :
    1. Un risque intrinsèque $\theta_i$ (vieillissement).
    2. Un risque extrinsèque hétérogène $\gamma_i$ (susceptibilité aux infections), qui est héréditaire (partagé à 100 % pour les MZ, 50 % pour les DZ) et corrélé génétiquement avec $\theta_i$ (pléiotropie $\rho$).
  • Le modèle de Shenhar (à une seule composante) est ensuite ajusté sur ces données simulées, ignorant le paramètre $\gamma$.
• Modèles de mortalité testés : Trois familles de modèles sont utilisées pour vérifier la généralité du biais :
  1. Gompertz-Makeham (GM).
  2. Makeham-Gamma-Gompertz (MGG).
  3. Saturating-Removal (SR).
• Procédure de calibration : Ajustement de $\sigma_\theta$ par bissection stochastique pour correspondre à la corrélation observée entre jumeaux monozygotes ($r_{MZ}$), suivie d'une extrapolation à $m_{ex}=0$.
• Contrôles et validations :
  • Référence (Oracle) : Modèle à deux composantes calibré correctement.
  • Contrôles négatifs : Risque extrinsèque non familial, trait héréditaire sans impact sur la mortalité, risque extrinsèque négligeable.
  • Analyse de récupération : Réajustement avec un modèle à deux composantes pour vérifier si le biais disparaît.
  • Vérification formelle : Les dérivations algébriques ont été vérifiées mécaniquement à l'aide du prouveur de théorèmes interactif Lean 4.

3. Contributions Clés

1. Identification du mécanisme de « absorption de variance » : L'article démontre mathématiquement que lorsqu'un modèle à une composante est calibré sur des données générées par un processus à deux composantes (intrinsèque + extrinsèque héréditaire), le paramètre de dispersion intrinsèque estimé ($\hat{\sigma}_\theta$) converge vers une valeur « pseudo-vraie » qui inclut la variance du risque extrinsèque omis.
2. Preuve de la non-identification : L'héritabilité intrinsèque n'est pas identifiable dans le cadre d'un modèle à composante unique si la susceptibilité extrinsèque est héréditaire. Le paramètre calibré n'est pas invariant par rapport à l'intervention $m_{ex}=0$.
3. Empreintes digitales structurelles : L'article propose de nouvelles métriques de diagnostic (surfaces de survie bivariées, corrélations conditionnelles par âge) pour détecter ce biais, au-delà de la simple comparaison des statistiques de récapitulation.
4. Généralité du biais : Le phénomène est démontré comme étant structurel et indépendant du choix du modèle de mortalité spécifique ou de la fonction de calibration (moments vs vraisemblance maximale).

4. Résultats Principaux

• Inflation du paramètre intrinsèque : Sous spécification erronée, le paramètre $\sigma_\theta$ est gonflé de +22,1 % (IC 95 % : 21,5–22,7 %). Comme l'héritabilité dépend de la variance ($\sigma^2$), cela correspond à une inflation de la variance de +49 %.
• Biais sur l'héritabilité de Falconer : Cette inflation se propage directement à l'estimation de l'héritabilité. L'estimation de Shenhar de 50 % souffre d'un biais positif de +9,2 points de pourcentage (pp) (IC 95 % : 8,7–9,7 pp). La valeur réelle serait donc probablement comprise entre 31 % et 47 % selon les hypothèses de sensibilité.
• Robustesse du mécanisme :
  • Le biais persiste sans restriction de survie (contrairement au biais de sélection de Hamilton).
  • Il est observé dans les trois familles de modèles (GM, MGG, SR).
  • Il est présent même avec une vraisemblance maximale (ML), bien que l'amplification soit moindre (+3 % pour ML contre +22 % pour l'ajustement des moments), confirmant que le problème est d'abord lié à la classe du modèle, puis aggravé par la méthode d'estimation.
• Empreintes structurelles :
  • Le modèle erroné produit une erreur quadratique intégrée (ISE) sur la surface de survie bivariée 48 fois plus élevée que le modèle correct.
  • Il surestime systématiquement la dépendance entre jumeaux aux âges avancés (pic à 80 ans, $\Delta r = 0.048$).
• Spécificité : Le biais nécessite trois conditions : une concordance génétique de la susceptibilité extrinsèque, un lien avec la mortalité, et une magnitude de risque extrinsèque non négligeable.
• Prédiction falsifiable : Si la corrélation génétique ($\rho$) entre vieillissement intrinsèque et susceptibilité extrinsèque était négative, le biais s'inverserait (sous-estimation). Les données empiriques suggèrent un $\rho > 0$, confirmant le biais de surestimation.

5. Signification et Implications

• Réévaluation de l'héritabilité intrinsèque : L'estimation de 50 % de Shenhar n'est probablement pas une mesure pure de la biologie du vieillissement, mais un artefact mathématique résultant de l'absorption de la variance génétique liée aux maladies infectieuses historiques dans le paramètre de vieillissement.
• Limites des modèles à composante unique : L'article met en garde contre l'interprétation des paramètres de modèles de survie à un seul facteur comme étant purement « intrinsèques » lorsqu'ils sont calibrés sur des données historiques où la mortalité extrinsèque était élevée et potentiellement héréditaire.
• Voies pour la recherche future :
  • Utilisation de données de causes de décès (modèles de risques concurrents) pour séparer les composantes.
  • Ancrage des modèles avec des données génomiques (scores de polygénicité) pour briser la symétrie d'identification.
  • Validation des modèles par des vérifications prédictives postérieures sur les surfaces de survie bivariées plutôt que sur de simples corrélations.

En conclusion, Kornilov démontre que l'omission de la fragilité extrinsèque héréditaire fausse structurellement les estimations de l'héritabilité intrinsèque, suggérant que la véritable héritabilité du vieillissement biologique est probablement inférieure à celle rapportée récemment, bien que toujours supérieure aux estimations classiques de 20-25 %.