שעון אפיגנטי
פעולות נוספות
הערך נמצא בשלבי עבודה: כדי למנוע התנגשויות עריכה ועבודה כפולה, אתם מתבקשים שלא לערוך את הערך בטרם תוסר ההודעה הזו, אלא אם כן תיאמתם זאת עם מניח התבנית.
| ||
| הערך נמצא בשלבי עבודה: כדי למנוע התנגשויות עריכה ועבודה כפולה, אתם מתבקשים שלא לערוך את הערך בטרם תוסר ההודעה הזו, אלא אם כן תיאמתם זאת עם מניח התבנית. | |
שעון אפיגנטי הוא שיטת ניתוח המשמשת כסמן ביולוגי של הזדקנות לצורך הערכת "גיל ביולוגי". השיטה מתבססת על שינויים אפיגנטיים ב-DNA המתרחשים לאורך זמן ומבקרים את אופן הביטוי של הגנים. שעונים אפיגנטיים רבים מבוססים על ניתוח של מתילציית דנ"א, ומודדים את ההצטברות של קבוצות מתיל באתרי CpG ב-DNA. על אף שמתילציות באתרי CpG היו השיטה הנפוצה בתחילתו של תחום השעונים האפיגנטיים, עם הזמן התפתחה גם שיטה של שעונים אפיגנטיים חדשים המבוססים על הקוד ההיסטונים, נגישות הכרומטין ומיקום נוקלאוזומים.
היסטוריה עריכה
המתאם הגבוה בין תהליכי הזדקנות לבין רמות מתילציה של ה-DNA מוכר במחקר המדעי כבר מסוף שנות ה-60 של המאה ה-20[1]. מאז פורסמה ספרות ענפה המתארת קבוצות של אתרי CpG שרמות המתילציה בהן נמצאות במתאם ישיר עם גיל האורגניזם[2].
בשנת 2011 פרסם צוות חוקרים מ-UCLA, שכלל את סוון בוקלנדט, סטיב הורבאט ואריק ויליין, הוכחה לכך שניתן לנבא את גיל הנבדק על סמך רמות מתילציה בדגימות רוק, עם טעות מוחלטת ממוצעת (MAE) של 5.2 שנים[3]. בשנת 2013 הוצגו שעוני "הדור הראשון": מעבדותיהם של טריי אידקר וקאנג ג'אנג מ-UCSD פרסמו את "שעון האנום" (Hannum clock), שהתבסס על 71 סמנים בדם[4], ובמקביל פיתח סטיב הורבאט את השעון האפיגנטי הראשון המתאים לרקמות מרובות (Multi-tissue clock).
השעון של הורבאט תוקף באמצעות כ-8,000 דגימות, והוא איפשר לראשונה להעריך גיל ביולוגי של מגוון רקמות ותאים ללא צורך בכיול מחדש לפי סוג הרקמה[5]. זמן קצר לאחר מכן פותחה נגזרת בשם IEAA (האצה אפיגנטית פנימית של הגיל), המבוססת על הרכב התאים בדם.
"הדור השני" של השעונים האפיגנטיים הציג שיפור משמעותי בדיוק הניבוי על ידי מעבר מניבוי הגיל הכרונולוגי בלבד לניבוי "הזדקנות ביולוגית מואצת". שיפור זה הושג הודות לשילוב של משתנים סביבתיים (כגון חשיפה לעשן סיגריות) ונתונים קליניים לצד מדידות המתילציה. הוספת משתנים אלו אפשרה לשעונים לזהות "טביעות אצבע" אפיגנטיות של נזקים מצטברים בגוף, ובכך לשפר את היכולת לחזות תחלואה ותוחלת חיים. הבולטים שבהם הם:
- PhenoAge: משקלל גיל כרונולוגי עם סמנים פנוטיפיים (ביטויים פיזיים של מצב בריאותי ותפקודי)[6].
- GrimAge: משתמש במדדי סיכון לתמותה ובנתוני עישון כגורמי סיכון. שילוב המשתנים הסביבתיים מאפשר ל-GrimAge להציג ביצועים עדיפים בחיזוי תוחלת חיים ("ניבוי מוות") ובקביעת הסיכון למחלות[7].
במקביל לשיפור הדיוק בבני אדם, החלו להתפתח מודלים המכונים "פאן-יונקיים" (Pan-mammalian), הניחנים ביכולת לאמוד גיל ביולוגי בקרב מגוון מיני יונקים בו-זמנית. יכולת זו נשענת על ניתוח של אזורי DNA שמורים מאוד — רצפים גנטיים שנותרו ללא שינוי לאורך מיליוני שנות אבולוציה ומשותפים למינים רבים[8].
החל משנת 2024 החלו להתפתח שעונים המבוססים על מדדים חלופיים, כגון מיקום נוקלאוזומים המופקים מ-DNA חופשי בתא (cfDNA - מקטעי DNA שמשתחררים לזרם הדם לאחר מות תאים)[9]. בשנת 2025 נעשה שימוש בשינויים בסימון היסטונים לפיתוח סוג חדש של שעונים. כלים אלו מסייעים בחיזוי מחלות תלויות גיל וחומרתן, ומהווים חלופה למדידות המתילציה המסורתיות.
דיוק ומאפיינים סטטיסטיים עריכה
השעון האפיגנטי נחשב לאחד הסמנים הביולוגיים המדויקים ביותר הקיימים כיום להערכת גיל ביולוגי. בעוד שמדדים קודמים, כגון אורך טלומרים, הראו מתאם חלש יחסית לגיל הכרונולוגי של סביב 0.5, השעון האפיגנטי של הורבאט הציג במחקריו המקוריים מתאם יוצא דופן של 0.96 עם הגיל הכרונולוגי, עם חציון טעות של כ-3.6 שנים בלבד[10].
הגישה הסטטיסטית: מודל הרשת האלסטית עריכה
הדיוק הגבוה של השעון הושג בזכות מעבר מניתוח של אתרים גנטיים בודדים לשקלול סטטיסטי של מאות אתרי מתילציה מסוג CpG הפזורים ברחבי הגנום. לצורך בחירת האתרים המנבאים ביותר מתוך מסדי נתונים עצומים, נעשה שימוש בשיטת למידת מכונה מסוג רגרסיה נענשת, ובאופן ספציפי במודל ה-Elastic Net[11]. מודל ה-Elastic Net משלב שתי טכניקות סטטיסטיות המכונות Lasso ו-Ridge regression, המאפשרות ברירת משתנים אוטומטית ומניעת התאמת-יתר של המודל לנתונים. המודל "מעניש" על הוספת משתנים מיותרים, ובכך מבטיח שהשעון יהיה תקף לא רק על נתוני המעבדה המקוריים, אלא גם על דגימות DNA חדשות ממקורות שונים[12].
מאפיינים תורשתיים וסביבתיים עריכה
אחד הממצאים המרכזיים הוא שקצב התיקתוק של השעון אינו מושפע רק מגורמים חיצוניים, אלא ניחן במרכיב גנטי משמעותי. מחקרי תאומים הראו כי הסטייה מהגיל הכרונולוגי, המוגדרת כהאצה אפיגנטית, היא בעלת תורשתיות של כ-40% באוכלוסייה הבוגרת, ונתון זה גבוה אף יותר בקרב יילודים[10][13]. השעון מתאפיין ביכולת עבודה רב-רקמתית, המאפשרת להעריך גיל ביולוגי של רקמות שונות תחת אותה נוסחה מתמטית. עם זאת, רמת הדיוק נוטה לרדת מעט בקרב קבוצות גיל מבוגרות מאוד, מעל גיל 80, שם השעון נוטה להציג הערכת חסר של הגיל הכרונולוגי[14].
האצה אפיגנטית עריכה
המושג "האצה אפיגנטית" מתייחס להפרש שבין הגיל האפיגנטי לבין הגיל הכרונולוגי. כאשר הגיל האפיגנטי גבוה מהגיל הכרונולוגי, הנבדק נמצא במצב של האצה אפיגנטית, דבר המעיד על כך שהרקמות או התאים שלו "זקנים" יותר מהמצופה לגילו. מצב זה נמצא כבעל יכולת ניבוי לתמותה מכל הסיבות בחיים המאוחרים, ללא תלות בגורמי סיכון ידועים אחרים[10][15].
גורמים דמוגרפיים וסביבתיים עריכה
קצב התיקתוק של השעון האפיגנטי משתנה בין קבוצות אוכלוסייה ומושפע מגורמים ביולוגיים וסביבתיים:
- הבדלים בין המינים: גברים נוטים להציג האצה אפיגנטית גבוהה יותר מאשר נשים בדם, ברוק וברקמות המוח[16].
- הפרדוקס ההיספני: נמצא כי דמם של אנשים ממוצא היספני ושל בני שבט הצ'ימאנה (Tsimané) מזדקן לאט יותר מאשר אצל קבוצות אתניות אחרות. ממצא זה עשוי להסביר ברמה המולקולרית את "הפרדוקס ההיספני" – תופעה אפידמיולוגית שבה היספנים בארצות הברית מציגים תוחלת חיים גבוהה מהצפוי ושיעורי תמותה נמוכים בהשוואה ללבנים, למרות מצב סוציו-אקונומי ממוצע נמוך יותר[16].
- השמנה: קיים מתאם חיובי משמעותי של 0.42 בין מדד מסת גוף (BMI) גבוה לבין האצה אפיגנטית של רקמת הכבד, בעוד שהקשר בדם נמצא כחלש יותר[17].
קשר למחלות ותסמונות עריכה
השעון האפיגנטי משמש ככלי רגיש לזיהוי השפעתן של מחלות על הגיל הביולוגי:
- תסמונת דאון: בקרב אנשים עם תסמונת דאון נצפתה האצה אפיגנטית משמעותית של כ-6.6 שנים בממוצע בדם וברקמות המוח[19].
- גיל המעבר: מנופאוזה מוקדמת, בין אם טבעית ובין אם כתוצאה מהליך כירורגי, קשורה להאצה של השעון האפיגנטי בדם[20].
מנגנונים ביולוגיים ותיאוריה עריכה
המחקר המדעי טרם קבע בוודאות מהו התהליך הביולוגי המדויק אותו מודד השעון האפיגנטי, אך קיימות מספר השערות מרכזיות בנושא. סטיב הורבאט הציג את "תיאוריית השעון האפיגנטי של ההזדקנות", לפיה הגיל האפיגנטי הוא תוצר לוואי של מערכת תחזוקה אפיגנטית המותירה "טביעות רגל" של מתילציה על ה-DNA בעקבות תהליכי פיתוח ותחזוקה תאיים[10]. לפי הצעה זו, השעון אינו מודד נזק מקרי אלא את התוצאה המצטברת של פעילות מערכות הבקרה של התא.
הסבר משלים מקשר את תקתוק השעון להצטברות של נזקי DNA בלתי מתוקנים. במהלך תיקון שברים בגנום, מנגנוני התיקון התאיים עלולים להכניס שינויים אפיגנטיים מקריים (סטוכסטיים) שנותרים קבועים, ובכך יוצרים את ה"תקתוק" המצטבר של השעון לאורך זמן[21]. בניגוד לשעוני מתילציה, שעונים המבוססים על מיקום נוקלאוזומים קשורים למנגנון מכני של הגדלת המרחקים הגנומיים הממוצעים בין נוקלאוזומים ככל שהאורגניזם מזדקן[22].
אתרים גנטיים בעלי המתאם הגבוה ביותר לגיל עריכה
בעוד שמרבית השעונים האפיגנטיים מבוססים על שקלול סטטיסטי של מאות ואף אלפי אתרי מתילציה הפזורים ברחבי הגנום, המחקר זיהה מספר אתרים גנטיים ספציפיים (Loci) המפגינים מתאם גבוה במיוחד לתהליך ההזדקנות. אתרים אלו, שבהם שינויי המתילציה הם עקביים וצפויים ברמת דיוק גבוהה, משמשים כסמני ליבה במחקר האפיגנטי ומאפשרים לבחון את המנגנונים הביולוגיים הישירים המושפעים מהזדקנות התא.
ELOVL2 עריכה
הגן ELOVL2 (קיצור של Elongation Of Very Long Chain Fatty Acids-Like 2) מקודד לחלבון טרנס-ממברני הממלא תפקיד מרכזי בסינתזה (ייצור) של חומצות שומן ארוכות-שרשרת (VLCFAs). חשיבותו של גן זה לתהליכי הזדקנות בולטת במיוחד במערכת הראייה: מחקרים מצאו כי עיכוב בביטוי של ELOVL2 קשור להזדקנות מואצת של הרשתית בעכברים, בעוד שביטוי-יתר שלו הוביל להאטה משמעותית של תהליכים אלו.
מבחינה אפיגנטית, אתרי המתילציה באזור הפרומוטר של הגן – אזור הבקרה האחראי על הפעלתו – זוהו בעקביות כאחד הסמנים המדויקים ביותר לניבוי גיל במגוון רחב של מחקרים. עם ההזדקנות, רמת המתילציה באתרים אלו עולה באופן הדרגתי, תהליך המוביל להשתקת הגן ולירידה ברמת הביטוי שלו.
FHL2 עריכה
הגן FHL2 (קיצור של Four-and-a-Half LIM domain protein 2) מקודד לחלבון המעורב בתהליכי העברת אותות בתוך התא, וביטוי מוגבר שלו נמצא קשור במחקרים שונים למצבי השמנת יתר. בדומה ל-ELOVL2, גם רמת המתילציה באזור הפרומוטר של גן זה נחשבת לאחד המנבאים החזקים והעקביים ביותר לגיל בשורה ארוכה של מחקרי מתילציה.
עם זאת, המנגנון האפיגנטי של FHL2 מציג מורכבות ביולוגית רבה יותר: אף על פי שרמת המתילציה שלו עולה באופן עקבי עם הגיל, השפעתה על ביטוי הגן אינה אחידה. בעוד שבמקרים מסוימים העלייה במתילציה קשורה לעלייה בביטוי הגן, ברקמות מסוימות תועדה דווקא ירידה בביטוי שלו. שונות זו מדגימה כיצד השעון האפיגנטי עשוי להשפיע באופן שונה, ולעיתים אף מנוגד, על תפקודם של תאים ורקמות שונים.
הערות שוליים עריכה
- ^ Vanyushin, B. F., et al. (1970). Rare bases in animal DNA. Nature, 225(5236), 948-949.
- ^ Berko, E. R., et al. (2012). The Developmental Origins of Epigenetic Variation in Monozygotic Twins. PLOS Genetics, 8(3), e1002544.
- ^ Bocklandt, S., et al. (2011). Epigenetic Predictor of Age. PLOS ONE, 6(6), e21484.
- ^ Hannum, G., et al. (2013). Genome-wide Methylation Profiles Reveal Quantitative Views of Human Aging Rates. Molecular Cell, 49(2), 359-367.
- ^ Horvath, S. (2013). DNA methylation age of human tissues and cell types. Genome Biology, 14, R115.
- ^ Levine, M. E., et al. (2018). An epigenetic biomarker of aging for lifespan and healthspan. Aging (Albany NY), 10(4), 573.
- ^ Lu, A. T., et al. (2019). DNA methylation GrimAge strongly predicts lifespan and healthspan. Aging (Albany NY), 11(2), 303-327. PMID 30669119.
- ^ Lu, A. T., et al. (2023). Universal DNA methylation age across mammalian tissues. Nature Aging, 3(9), 1144-1159. DOI: 10.1038/s43587-023-00462-6.
- ^ Shtumpf, M., et al. (2024). Aging clock based on nucleosome reorganisation derived from cell-free DNA. Aging Cell, 23(5), e14100. DOI: 10.1111/acel.14100. PMID 38337183.
- ^ 1 2 3 4 Horvath, S. (2013). DNA methylation age of human tissues and cell types. Genome Biology, 14(10), R115. DOI: 10.1186/gb-2013-14-10-r115
- ^ Zou, H., & Hastie, T. (2005). Regularization and variable selection via the elastic net. Journal of the Royal Statistical Society: Series B, 67(2), 301-320.
- ^ Jylhävä, J., Pedersen, N. L., & Hägg, S. (2017). Biological Age Predictors: The Status Quo and Future Outlook. EBioMedicine, 21, 29–36. DOI: 10.1016/j.ebiom.2017.06.012
- ^ Lu, A. T., et al. (2023). Universal DNA methylation age across mammalian tissues. Nature Aging, 3(9), 1144-1159. DOI: 10.1038/s43587-023-00462-6
- ^ El Khoury, L. Y., et al. (2019). Systematic analysis of the epigenetic clock in human aging. Aging (Albany NY), 11(10), 2994. DOI: 10.18632/aging.101955
- ^ Marioni, R. E., et al. (2015). DNA methylation age of blood predicts all-cause mortality in later life. Genome Biology, 16(1), 25. DOI: 10.1186/s13059-015-0584-6
- ^ 1 2 Horvath, S., et al. (2016). An epigenetic clock analysis of race/ethnicity, sex, and coronary heart disease. Genome Biology, 17(1), 171. DOI: 10.1186/s13059-016-1030-0
- ^ Horvath, S., et al. (2014). Obesity accelerates epigenetic aging of human liver. Proceedings of the National Academy of Sciences, 111(43), 15538-15543. DOI: 10.1073/pnas.1412759111
- ^ Horvath, S., & Levine, A. J. (2015). HIV-1 infection accelerates age according to the epigenetic clock. The Journal of Infectious Diseases, 212(10), 1563-1573. DOI: 10.1093/infdis/jiv277
- ^ Horvath, S., et al. (2015). Accelerating epigenetic aging in Down syndrome. Aging Cell, 14(3), 491-495. DOI: 10.1111/acel.12325
- ^ Levine, A. J., et al. (2016). Menopause accelerates biological aging according to the epigenetic clock. Proceedings of the National Academy of Sciences, 113(33), 9327-9332. DOI: 10.1073/pnas.1604558113
- ^ Enge, S., et al. (2017). Single-Cell Analysis of Age-Associated Gene Expression Heterogeneity. Science, 355(6325), 646-649. DOI: 10.1126/science.aah4755
- ^ Shtumpf, M., et al. (2024). Aging clock based on nucleosome reorganisation derived from cell-free DNA. Aging Cell, 23(5), e14100. DOI: 10.1111/acel.14100