服务介绍

新葡萄8883官网AMG提供的DNA甲基化分析服务，聚焦于衰老过程中的表观遗传变化。随着年龄的增长，某些特定的甲基化位点（CpG）显示出与年龄密切相关的动态变化。这些变化可以通过机器学习模型构建，从而形成一种被称为表观遗传时钟的工具。该时钟可定量评估生物体的衰老速度，并分析长寿与抗衰老干预措施的效果。

研究案例

在一项初步研究中，新葡萄8883官网AMG对100只小鼠的血液中基因组DNA进行了分析，找到数百个与衰老相关的甲基化位点。通过建立一个多样本、多衰老相关甲基化位点的甲基化频率数据库，我们利用机器学习技术，从中挑选出随小鼠月龄显著变化且相关性较强的甲基化位点，以构建一个甲基化年龄预测器。该预测器成功预测了经历生殖压力的雌性小鼠的甲基化年龄，验证了方法的可行性。

合作方式

我们提供技术服务，适用于多种物种样本类型，包括：

• 小鼠血液样本
• 雌性小鼠/4只
• 雄性小鼠/3只

技术方案

我们采用的技术方案为甲基化重测序（Hi-Methylseq），结合亚硫酸盐转化及靶向扩增子高通量测序，能够实现多个区域和位点的甲基化精确定量分析。

服务流程

在检测过程中，选定的甲基化位点会根据小鼠月龄变化的显著性进行分析。最终结果将包括：

• 预测生殖压力雌性小鼠的甲基化年龄
• 比较不同组别的甲基化水平变化

检测结果展示

通过模型，我们能预测小鼠的甲基化年龄：

• 实际年龄18月龄自然衰老组的甲基化年龄预测为18-24月龄
• 经历多次生殖压力的雌性小鼠的甲基化年龄为222月龄，显示衰老加速396个月

这些数据结合指导性的文献，为未来衰老研究提供了重要的参考。

参考文献

[1] Rivero-Segura NA, et al. Promising biomarkers of human aging: In search of a multi-omics panel to understand the aging process from a multidimensional perspective. Ageing research reviews, 2020.
[2] Petkovich DA, et al. Using DNA methylation profiling to evaluate biological age and longevity interventions. Cell metabolism, 2017.
[3] Stubbs TM, et al. Multi-tissue DNA methylation age predictor in mouse. Genome biology, 2017.
[4] Wang Y, et al. Epigenetic influences on aging: a longitudinal genome-wide methylation study in old Swedish twins. Epigenetics, 2018.