Z6·尊龙凯时提供的 DNA 甲基化服务是深入研究衰老过程中的关键工具之一。在衰老的进程中，DNA 上的甲基化位点（CpG）的动态变化与年龄密切相关。通过机器学习技术，我们构建了预测甲基化年龄的数学模型，称为表观遗传时钟。这一时钟不仅可以量化生物体衰老的速度，还可评估长寿和抗衰老干预措施的效果。

在我们的研究中，使用了来自 100 只小鼠血液中数百个与衰老相关的甲基化位点。我们创建了一个多生物样本和多衰老相关甲基化位点随小鼠月龄变化的甲基化频率数据库。使用机器学习方法，从中筛选出与小鼠月龄显著相关的甲基化位点，进而构建甲基化年龄预测器。该预测器已成功应用于估算经历生殖压力后的雌性小鼠的甲基化年龄，验证了其可行性。

 Z6·尊龙凯时的合作方式为技术服务，检测对象主要包括小鼠的各种生物样本。我们专注于目标区间内的甲基化重测序（Hi-Methylseq），结合亚硫酸盐转化和靶向扩增子高通量测序技术。此技术能够实现多区段、多位点的甲基化精确定量分析。

检测结果的展示包括以下内容:

• 选定甲基化位点随小鼠月龄变化的显著性
• 预测生殖压力雌性小鼠甲基化年龄：通过多元一次方程式模型进行预测，表现出不同甲基化位点对年龄的影响。

我们的模型预测自然衰老组小鼠（实际年龄 18 月龄）的甲基化年龄为 18-24 月龄，而经历多次生殖压力的雌性小鼠（实际年龄 18 月龄）的甲基化年龄则达 222 月龄，显示出衰老加速 396 个月。这些结果强调了Z6·尊龙凯时在生物医疗领域中对甲基化研究的重视和推动。

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.