Long-Read epigenetic clocks identify improved brain aging predictions

Resumo Técnico: Relógios Epigenéticos de Leitura Longa para Melhores Predições do Envelhecimento Cerebral

Definição do Problema
Os relógios epigenéticos atuais, que estimam o envelhecimento biológico via metilação do DNA, enfrentam limitações significativas de generalização e resolução. A maioria dos modelos existentes baseia-se em dados de arrays (capturando <5% dos sítios CpG) derivados predominantemente de tecidos periféricos de indivíduos de ancestralidade europeia. Isso restringe sua aplicabilidade ao tecido cerebral e a populações não europeias. Além disso, modelos de regressão linear frequentemente falham em capturar as complexidades não lineares do envelhecimento, e a dependência de sítios CpG individuais introduz variabilidade estocástica. Há uma necessidade crítica de relógios de envelhecimento de alta resolução, conscientes da ancestralidade e específicos de tecido, que aproveitem o contexto genômico completo proporcionado pelo sequenciamento de leitura longa.

Metodologia
O estudo utilizou o sequenciamento de leitura longa (LRS) da Oxford Nanopore Technologies (ONT) para gerar perfis de metilação em todo o genoma a partir de amostras do córtex pré-frontal (PFC). O conjunto de dados compreendeu dois coortes de descoberta: o North American Brain Expression Consortium (NABEC; 189 indivíduos de ancestralidade europeia) e o Human Brain Collection Core (HBCC; 132 indivíduos de ancestralidade africana ou mista). Um coorte de validação externa foi extraído do Grupo de Neurociências de Antioquia Brain Bank, na Colômbia (14 indivíduos).

O fluxo de trabalho técnico envolveu:

1. Agregação de Características: Em vez de usar sítios CpG individuais, os autores agregaram sinais de metilação através de dois tipos de regiões genômicas para reduzir o ruído e preservar o contexto biológico:
   • Características baseadas em promotores: Agregação do sinal sobre regiões promotoras EPDnew (expandidas em 1kb).
   • Características baseadas em janelas de todo o genoma: Agregação do sinal sobre janelas de 1kb não sobrepostas contendo pelo menos 50 CpGs.
2. Pipeline de Aprendizado de Máquina: Os modelos foram desenvolvidos usando o GenoML, uma plataforma de aprendizado de máquina automatizado que seleciona competitivamente a arquitetura de melhor desempenho de um conjunto de algoritmos lineares e não lineares. O pipeline incluiu seleção rigorosa de características (filtragem para associação com a idade e remoção de redundância de alta correlação) e validação cruzada aninhada.
3. Benchmarking: Os novos "relógios de leitura longa" (LR-clocks) foram comparados com relógios estabelecidos (Horvath, PhenoAge, DunedinPACE, Lu et al., e Shireby) usando tanto os sítios CpG originais quanto as características agregadas de promotores/janelas derivadas dos dados de leitura longa.
4. Análise Downstream: A importância das características foi avaliada por meio de SHAP (Shapley Additive exPlanations). As análises de enriquecimento funcional incluíram Gene Ontology (GO), Enriquecimento de Tipo Celular Ponderado pela Expressão (EWCE) e enriquecimento de motivos de fatores de transcrição (HOMER) para identificar mecanismos biológicos.

Principais Resultados

• Superioridade de Desempenho: Os LR-clocks superaram significativamente os modelos de referência. A agregação do sinal em características baseadas em promotores e em janelas gerou maior precisão ($R^2$) do que os modelos usando sítios CpG individuais.
  • LR-clocks baseados em promotores: Alcançaram $R^2$ de 0,862 (HBCC), 0,905 (NABEC) e 0,905 (Combinado).
  • LR-clocks baseados em janelas: Alcançaram $R^2$ de 0,901 (HBCC), 0,912 (NABEC) e 0,917 (Combinado).
  • Os modelos baseados em janelas geralmente apresentaram o melhor desempenho, seguidos pelos baseados em promotores, com os modelos baseados em CpG apresentando o pior desempenho.
• Ancestralidade e Especificidade de Tecido: Modelos treinados em dados específicos do cérebro (relógio Shireby) superaram relógios pan-teciduais. Embora os modelos específicos de coorte tenham tido bom desempenho, os modelos de coorte combinados demonstraram forte generalização, embora com alguma variação na seleção de características entre os grupos de ancestralidade africana e europeia.
• Robustez a Confundidores: As estimativas de aceleração da idade derivadas dos LR-clocks não foram significativamente impulsionadas pelo intervalo pós-morte (PMI) ou pela composição estimada do tipo celular, sugerindo que os relógios capturam sinais genuínos de envelhecimento biológico em vez de artefatos de amostragem. Uma associação negativa consistente foi observada entre a fração de neurônios inibitórios e a aceleração da idade.
• Insights Biológicos:
  • Vias Compartilhadas e Específicas: As análises de enriquecimento identificaram mecanismos compartilhados (ex: regulação transcricional, motivos REST em regiões hipermetiladas) e diferenças específicas de coorte. Por exemplo, os promotores do cluster PCDH (protocadherina) foram fortes preditores nos modelos NABEC/Combinado, mas estavam amplamente ausentes nos modelos HBCC.
  • Associações de Tipos Celulares: Genes mapeados para características de janelas hipometiladas foram consistentemente enriquecidos em astrócitos, enquanto características de janelas hipermetiladas foram enriquecidas em células progenitoras de oligodendrócitos (OPCs) em todos os coortes.
• Validação Externa: No coorte colombiano, os LR-clocks baseados em promotores mantiveram correlações fortes ($R^2$ > 0,72), enquanto os modelos baseados em janelas mostraram correlações mais fracas e superestimação da idade, sugerindo que padrões em nível de promotor podem ser mais conservados entre populações do que regiões genômicas não promotoras.

Significância e Alegações
O artigo afirma que o perfil de metilação de leitura longa permite a construção de relógios de envelhecimento precisos e conscientes da ancestralidade para o céreção, superando as limitações dos dados de array. As principais contribuições são:

1. Resolução: Demonstrar que a agregação de sinais de metilação através de promotores e janelas de todo o genoma, em vez de depender de sítios CpG esparsos, melhora substancialmente a precisão da predição e a generalização entre coortes.
2. Inclusividade: Destacar a necessidade de conjuntos de dados de treinamento diversos (incluindo ancestralidade africana e europeia) para construir modelos equitativos, visto que a importância das características e o enriquecimento de vias variaram significamente entre os coortes.
3. Interpretabilidade Biológica: Fornecer um framework que preserva a interpretabilidade biológica (ao contrário dos modelos baseados em PCA), permitindo também identificar tipos celulares específicos (ex: neurônios inibitórios, astrócitos) e reguladores transcricionais (ex: REST, genes HOX) implicados no envelhecimento cerebral.
4. Especificidade de Tecido: Reforçar que modelos específicos do cérebro são superiores aos modelos multi-teciduais para predições de envelhecimento cerebral.

Os autores concluem que, embora seus fluxos de trabalho ofereçam uma ferramenta poderosa para o estudo do envelhecimento cerebral, futuras iterações se beneficiarão de amostras maiores, químicas de sequenciamento harmonizadas e integração com dados fenotípicos abrangentes para resolver melhor o drift epigenético específico de cada população.