Omitted familial extrinsic risk inflates inferred intrinsic lifespan heritability

Questo studio dimostra che l'omissione di fattori di rischio estrinseci familiari ereditari nel modello di calibrazione utilizzato da Shenhar et al. (2026) distorce sistematicamente verso l'alto la stima della sopravvivenza intrinseca, inflazionando la componente di fragilità latente e portando a una sovrastima dell'ereditabilità della longevità.

L'essenziale

Il Titolo in Pochi Parole

"Il trucco del 'Cattivo Tempo' che ci ha fatto credere che vivere a lungo sia quasi tutto genetica."

---

La Storia: Due Gemelli e un Mistery

Immagina due gemelli, Mario e Luigi. Hanno lo stesso DNA.
Un recente studio (di Shenhar et al.) ha guardato i dati di migliaia di gemelli scandinavi e ha detto: "Guardate! Se togliamo dalla nostra mente le morti accidentali, le infezioni e i pericoli esterni, scopriamo che la capacità di vivere a lungo è determinata per il 50% dai nostri geni."

È una notizia enorme. Significa che il destino della nostra longevità è scritto nel nostro codice genetico molto più di quanto pensassimo.

Ma l'autore di questo nuovo articolo, Sergey Kornilov, ha sollevato un dito e ha detto: "Aspettate un attimo. C'è un errore nel calcolo. Avete dimenticato un ingrediente fondamentale."

L'Analogia: La Ricetta del Tè e la Zucchero Nascosto

Immagina che la longevità sia una tazza di tè.

• Il Tè (Intrinseco): È il processo naturale di invecchiamento del corpo. È la genetica pura.
• La Zucchero (Estrinseco): Sono i pericoli esterni (infezioni, incidenti, inquinamento).

Lo studio originale ha detto: "Se togliamo lo zucchero (i pericoli esterni), vediamo quanto è dolce il tè di per sé."
Il problema è che lo zucchero non è stato rimosso davvero. È stato solo "nascosto" nella tazza.

Kornilov spiega che i gemelli non condividono solo i geni per invecchiare bene, ma condividono anche la resistenza alle malattie. Se Mario è geneticamente resistente alle infezioni, lo è anche Luigi. Questo è un "rischio estrinseco" (le infezioni) che però è genetico.

Quando lo studio originale ha cercato di calcolare quanto fosse "puro" il tè (l'invecchiamento genetico), ha visto che i gemelli vivevano a lungo insieme. Ha pensato: "Devono essere geni per l'invecchiamento!".
In realtà, stavano misurando sia i geni per l'invecchiamento sia i geni per resistere alle infezioni, ma li ha mischiati tutti insieme in un unico numero.

Il Problema: Il "Rubinetto" che si ingrandisce

Kornilov usa un'analogia idraulica:
Immagina che la mortalità sia un flusso d'acqua che esce da due rubinetti:

1. Rubinetto A (Invecchiamento): Lento e costante.
2. Rubinetto B (Malattie esterne): A volte si apre forte (epidemie, incidenti).

Lo studio originale ha provato a misurare solo il Rubinetto A, ma ha dimenticato che il Rubinetto B esiste ed è collegato alla stessa famiglia (i gemelli).
Quando hanno provato a calcolare quanto acqua usciva dal Rubinetto A basandosi su quanto acqua usciva in totale, il loro "calcolatore" ha pensato: "Wow, c'è troppa acqua! Deve essere perché il Rubinetto A è enorme!".
In realtà, il Rubinetto A era normale, ma il calcolatore ha assorbito l'acqua del Rubinetto B (le malattie) dentro la misura del Rubinetto A.

Risultato: Hanno sovrastimato la forza del Rubinetto A (la genetica dell'invecchiamento) del 22%.
Questo errore si traduce in un errore finale: invece di dire che la longevità è al 50% genetica, potrebbe essere molto di meno (forse intorno al 31-47%).

Le Prove: Come lo hanno scoperto?

Kornilov non ha solo fatto supposizioni. Ha fatto un esperimento virtuale (una simulazione al computer) per vedere cosa succede quando si commette questo errore.

1. L'Impronta Digitale: Quando si usa la ricetta sbagliata (un solo rubinetto invece di due), il risultato non è solo un numero sbagliato. Lascia una "macchia" visibile. Se guardi la curva di sopravvivenza dei gemelli, vedi che il modello sbagliato prevede che i gemelli vivano insieme molto più a lungo nella vecchiaia rispetto alla realtà. È come se il modello dicesse: "Sei sopravvissuto fino a 80 anni? Allora devi essere un super-gemello!", mentre in realtà è sopravvissuto perché non ha preso la polmonite.
2. Il Test del "No Geni": Hanno simulato una situazione in cui le malattie esterne non sono genetiche. In quel caso, l'errore sparisce. Questo prova che l'errore nasce proprio dal fatto che le malattie esterne sono genetiche.
3. La Verifica: Quando hanno usato una ricetta corretta (due rubinetti separati), il numero è tornato indietro al valore vero.

Cosa Significa per Noi?

Non significa che i geni non contano. Significa che non sono così importanti come diceva quel 50%.

• La Buona Notizia: La nostra longevità non è scritta nella pietra. C'è ancora molto spazio per ciò che facciamo (dieta, ambiente, prevenzione delle malattie).
• La Lezione: Quando gli scienziati dicono "È tutto nel DNA", bisogna sempre chiedersi: "Hanno considerato anche le malattie che ereditiamo dai nostri genitori?". Se non lo fanno, stanno contando due volte lo stesso fattore.

In Sintesi

Immagina di pesare un pacco di lettere.

• Lo studio originale ha detto: "Questo pacco pesa 50 kg, quindi le lettere devono essere pesanti!"
• Kornilov ha detto: "Aspetta, hai messo anche la scatola di cartone (le malattie esterne) dentro la bilancia. Se togli la scatola, le lettere pesano solo 35 kg."

Il messaggio finale è: La longevità è una miscela complessa. I geni contano, ma non sono l'unico fattore, e i modelli matematici devono essere molto più attenti a non confondere i "geni per l'invecchiamento" con i "geni per non morire di infezione".

Sommario tecnico

1. Il Problema

Il documento affronta una critica metodologica allo studio di Shenhar et al. (2026), il quale ha stimato che l'ereditabilità intrinseca della durata della vita umana sia circa il 50%, un valore significativamente superiore alle stime tradizionali (20-25%). Shenhar et al. hanno raggiunto questa conclusione calibrando un modello di sopravvivenza a "frailty" (fragilità) correlata a un componente, utilizzando dati su gemelli scandinavi, e successivamente estrapolando il risultato a un mondo controfattuale in cui il rischio estrinseco (morti per infezioni, incidenti, ecc.) è nullo.

Kornilov identifica un bias di variabile omessa: se la suscettibilità alle morti estrinseche è essa stessa ereditabile (come suggerito da studi genetici sulle infezioni) e non viene modellata esplicitamente, il modello a componente singola non riesce a distinguere tra la variabilità genetica intrinseca (invecchiamento biologico) e quella estrinseca (susceptibilità a fattori ambientali). Di conseguenza, durante la fase di calibrazione, il modello "assorbe" la varianza genetica estrinseca omessa nel parametro di fragilità intrinca ($\sigma_\theta$), gonfiando artificialmente la stima dell'ereditabilità intrinseca.

2. Metodologia

L'autore utilizza un approccio basato su simulazioni Monte Carlo per replicare la procedura di Shenhar sotto diverse condizioni di generazione dei dati (DGP - Data Generating Process).

• Struttura del Modello:

  • Modello di Shenhar (Fittato): Un modello a componente singola dove il tasso di mortalità è $\mu_i(t) = m_{ex} + h(t, \theta_i)$. Qui $\theta_i$ è un parametro intrinseco condiviso dai gemelli MZ (identico) e correlato a 0.5 per i gemelli DZ.
  • Modello di Verità (DGP): Un modello a due componenti dove il tasso di mortalità include sia la fragilità intrinseca ($\theta_i$) che una suscettibilità estrinca ereditabile ($\gamma_i$): $\mu_i(t) = m_{ex} \cdot \exp(\sigma_\gamma \gamma_i - \sigma_\gamma^2/2) + \exp(\theta_i) \cdot \exp(b \cdot t)$.
  • I gemelli MZ condividono sia $\theta$ che $\gamma$; i gemelli DZ li condividono con correlazione 0.5. Esiste anche una pleiotropia ($\rho$) tra $\theta$ e $\gamma$.

• Procedura di Calibrazione:

  • Il parametro $\sigma_\theta$ viene calibrato (tramite bisezione stocastica) per far corrispondere la correlazione osservata tra i gemelli MZ ($r_{MZ}$) nei dati simulati.
  • Successivamente, il rischio estrinco $m_{ex}$ viene impostato a zero e viene ricalcolata l'ereditabilità di Falconer ($h^2 = 2(r_{MZ} - r_{DZ})$).

• Controlli e Validazione:

  • Oracle: Simulazione con solo componente intrinseca (verità di base).
  • Recupero: Calibrazione di un modello a due componenti (incluso $\gamma$) per verificare se il bias scompare.
  • Controlli Negativi: Test su suscettibilità estrinca non familiare, tratti ereditari non rilevanti per la mortalità, e assenza di pleiotropia.
  • Analisi Strutturale: Confronto delle superfici di sopravvivenza bivariata $S(t_1, t_2)$ e delle correlazioni condizionali per età.
  • Robustezza: Test su diversi modelli di mortalità (Gompertz-Makeham, MGG, SR) e metodi di stima (Massima Verosimiglianza vs. adattamento dei momenti).

3. Contributi Chiave e Risultati

A. Inflazione del Parametro di Fragilità Intrinseca

Il risultato centrale è che l'omissione della componente estrinca ereditabile porta a un'importante sovrastima del parametro di dispersione intrinseca $\sigma_\theta$.

• Inflazione di $\sigma_\theta$: Sotto il DGP omesso, $\sigma_\theta$ viene stimato con un +22,1% in più rispetto al valore vero (CI 95%: 21,5–22,7%).
• Inflazione di Varianza: Poiché l'ereditabilità dipende dalla varianza, questo si traduce in un'inflazione della varianza del +49%.
• Bias nell'Ereditabilità di Falconer: Questa distorsione a monte si propaga alla stima finale, causando un bias positivo di +9,2 punti percentuali (pp) (CI 95%: 8,7–9,7 pp) rispetto all'ereditabilità intrinseca reale. Se la stima di Shenhar è 50%, la stima corretta potrebbe essere significativamente inferiore (es. 41% o meno, a seconda dei parametri).

B. Impronte Digitali Strutturali (Fingerprint)

L'assorbimento della varianza non è solo uno spostamento scalare, ma lascia tracce osservabili nella struttura dei dati:

• Superficie di Sopravvivenza Bivariata: Il modello misspecificato fallisce nel riprodurre la struttura di dipendenza congiunta. L'errore quadratico integrato (ISE) è 48 volte superiore rispetto a un modello correttamente specificato.
• Pattern Temporale: Il modello misspecificato sottostima la concordanza nelle età giovani (dove agisce la fragilità estrinca) e la sovrastima nelle età avanzate (dove domina l'invecchiamento intrinseco), con un picco di errore nella correlazione condizionale a 80 anni ($\Delta r = 0.048$).

C. Specificità e Generalità

• Necessità di Tre Condizioni: Il bias richiede che la componente estrinca sia: (1) ereditabile (condivisa tra gemelli), (2) rilevante per la mortalità, e (3) di magnitudine significativa. Se manca una di queste (es. suscettibilità non familiare o rischio estrinco trascurabile), il bias scompare.
• Indipendenza dal Modello: Il fenomeno è osservato in tre diverse famiglie di modelli di mortalità (Gompertz-Makeham, MGG, SR), indicando che è una proprietà strutturale della calibrazione "calcola-poi-estraola" con modelli a componente singola.
• Decomposizione ACE: L'uso di modelli strutturali ACE (Additivo, Comune, Unico) non risolve il problema. La fragilità estrinca ereditabile viene assorbita nel componente genetico additivo ($A$) piuttosto che in quello ambientale condiviso ($C$), confermando che il fallimento di identificazione è intrinseco alla calibrazione, non alla formula di Falconer.

D. Predizione Falsificabile (Segno della Pleiotropia)

Il modello prevede che se la correlazione genetica tra suscettibilità estrinca e invecchiamento intrinseco fosse negativa ($\rho < 0$), il bias si invertirebbe, portando a una sottostima dell'ereditabilità. Le simulazioni confermano questo inversione di segno, validando il meccanismo teorico.

E. Robustezza dell'Estimatore

Anche l'uso della Massima Verosimiglianza (ML) completa sulla superficie bivariata, invece della semplice calibrazione dei momenti ($r_{MZ}$), riduce l'inflazione ma non la elimina completamente (+3% con ML vs +22% con adattamento dei momenti). Questo dimostra che il bias è in parte strutturale (dovuto alla classe di modelli sottoparametrizzata) e in parte amplificata dalla scelta dell'obiettivo di stima.

4. Significato e Implicazioni

Il lavoro di Kornilov non nega che l'ereditabilità intrinseca possa essere alta, ma mette in discussione la validità della stima specifica del 50% ottenuta da Shenhar et al.

1. Identificazione Fallita: Senza modellare esplicitamente la suscettibilità ereditabile alle cause di morte estrinseche, non è possibile separare statisticamente la varianza genetica intrinseca da quella estrinca nei dati storici.
2. Rivalutazione delle Stime: La stima del 50% è probabilmente un limite superiore distorto. Una correzione basata sui parametri empirici suggerisce che l'ereditabilità intrinseca reale potrebbe essere nell'intervallo 31-47%, o comunque significativamente inferiore al 50%.
3. Direzione per la Ricerca Futura: Per ottenere stime robuste, i futuri studi devono:
   • Utilizzare modelli a componenti multiple che includano la fragilità estrinca.
   • Sfruttare dati di causa di morte (competizione di rischi) per identificare direttamente i percorsi.
   • Utilizzare le "impronte digitali" strutturali (superfici di sopravvivenza) come diagnostica per rilevare misspecificazioni nei modelli esistenti.

In sintesi, il paper dimostra che l'omissione di un fattore ereditabile rilevante per la mortalità in un modello di sopravvivenza a componente singola porta inevitabilmente a un'attribuzione errata della varianza genetica estrinca a quella intrinseca, invalidando le stime di ereditabilità "pura" derivate da tale approccio.