Abstract Epigenetic clocks are widely used aging biomarkers calculated from DNA methylation data. Unfortunately, measurements for individual CpGs can be surprisingly unreliable due to technical noise, and this may limit the utility of epigenetic clocks. We report that noise produces deviations up to 3 to 9 years between technical replicates for six major epigenetic clocks. The elimination of low-reliability CpGs does not ameliorate this issue. Here, we present a novel computational multi-step solution to address this noise, involving performing principal component analysis on the CpG-level data followed by biological age prediction using principal components as input. This method extracts shared systematic variation in DNAm while minimizing random noise from individual CpGs. Our novel principal-component versions of six clocks show agreement between most technical replicates within 0 to 1.5 years, equivalent or improved prediction of outcomes, and more stable trajectories in longitudinal studies and cell culture. This method entails only one additional step compared to traditional clocks, does not require prior knowledge of CpG reliabilities, and can improve the reliability of any existing or future epigenetic biomarker. The high reliability of principal component-based epigenetic clocks will make them particularly useful for applications in personalized medicine and clinical trials evaluating novel aging interventions.

Abstract Biological ageing estimators derived from DNA methylation (DNAm) data are heritable and correlate with morbidity and mortality. Leveraging DNAm and SNP data from >41,000 individuals, we identify 137 genome-wide significant loci (113 novel) from meta-analyses of four epigenetic clocks and epigenetic surrogate markers for granulocyte proportions and plasminogen activator inhibitor 1 levels, respectively. We report strong genetic correlations with longevity and lifestyle factors such as smoking, education, and obesity. Significant associations are observed in polygenic risk score analysis and to a lesser extent in Mendelian randomization analyses. This study illuminates the genetic architecture underlying epigenetic ageing and its shared genetic contributions with lifestyle factors and longevity.

Abstract Somatically acquired whole chromosome loss in nucleated blood cells is an indicator of immune aging and genomic instability. However, little is known about aging, lifestyle and genetic factors influencing mitochondrial (MT) DNA abundance. In this study, MT DNA abundance was estimated from the weighted intensities of probes mapping to the MT genome in 295,150 participants from the UK Biobank. We found that abundance of MT DNA was significantly elevated in women compared to men, was negatively correlated with advanced age, more packyears, greater body-mass index, higher frailty index as well as elevated red and white blood cell count and, importantly, lower mortality. In addition, several biochemistry markers in blood related to cholesterol metabolism, ion homeostasis and kidney function were found to be significantly associated with MT DNA abundance. By performing a genome-wide association study, we identified 50 independent regions genome-wide significantly associated with MT DNA abundance which harbour multiple genes involved in the immune system, cancer as well as mitochondrial function. Using mixed effects models, we estimated the SNP-heritability of MT DNA abundance to be around 8%. To investigate the consequence of altered MT DNA abundance, we performed a phenome-wide association study and found that MT DNA abundance is involved in risk for leukaemia, hematologic diseases as well as hypertension. Thus, estimating MT DNA abundance from genotyping arrays has the potential to provide novel insights into age- and disease relevant processes, particularly those related to immunity and established mitochondrial functions.

Mechanisms behind hypogammaglobulinaemia during rituximab treatment are poorly understood.

Age-related changes in DNA methylation have been observed in many cross-sectional studies, but longitudinal evidence is still very limited. Here, we aimed to characterize longitudinal age-related methylation patterns (Illumina HumanMethylation450 array) using 1011 blood samples collected from 385 old Swedish twins (mean age of 69 at baseline) up to five times over 20 years. We identified 1316 age-associated methylation sites (p<1.3*10-7) using a longitudinal epigenome-wide association study design. We measured how estimated cellular compositions changed with age and how much they confounded the age effect. We validated the results in two independent longitudinal cohorts, where 118 CpGs were replicated in PIVUS (p<3.9*10-5) and 594 were replicated in LBC (p<5.1*10-5). Functional annotation of age-associated CpGs showed enrichment in CCCTC-binding factor (CTCF) and other unannotated transcription factor binding sites. We further investigated genetic influences on methylation (methylation quantitative trait loci) and found no interaction between age and genetic effects in the 1316 age-associated CpGs. Moreover, in the same CpGs, methylation differences within twin pairs increased over time, where monozygotic twins had smaller intra-pair differences than dizygotic twins. We show that age-related methylation changes persist in a longitudinal perspective, and are fairly stable across cohorts. Moreover, the changes are under genetic influence, although this effect is independent of age. In addition, inter-individual methylation variations increase over time, especially in age-associated CpGs, indicating the increase of environmental contributions on DNA methylation with age.

Aging is associated with progressive and site-specific changes in DNA methylation (DNAm). These global changes are captured by DNAm clocks that accurately predict chronological age in humans but relatively little is known about how clocks perform in vitro. Here we culture primary human fibroblasts across the cellular lifespan (~6 months) and use four different DNAm clocks to show that age-related DNAm signatures are conserved and accelerated in vitro. The Skin & Blood clock shows the best linear correlation with chronological time (r=0.90), including during replicative senescence. Although similar in nature, the rate of epigenetic aging is approximately 62x times faster in cultured cells than in the human body. Consistent with in vivo data, cells aged under hyperglycemic conditions exhibit an approximately three years elevation in baseline DNAm age. Moreover, candidate gene-based analyses further corroborate the conserved but accelerated biological aging process in cultured fibroblasts. Fibroblasts mirror the established DNAm topology of the age-related ELOVL2 gene in human blood and the rapid hypermethylation of its promoter cg16867657, which correlates with a linear decrease in ELOVL2 mRNA levels across the lifespan. Using generalized additive modeling on twelve timepoints across the lifespan, we also show how single CpGs exhibit loci-specific, linear and nonlinear trajectories that reach rates up to -47% (hypomethylation) to +23% (hypermethylation) per month. Together, these high temporal resolution global, gene-specific, and single CpG data highlight the conserved and accelerated nature of epigenetic aging in cultured fibroblasts, which may constitute a system to evaluate age-modifying interventions across the lifespan.

Abstract DNA methylation profiles of aggressive behavior may capture lifetime cumulative effects of genetic, stochastic, and environmental influences associated with aggression. Here, we report the first large meta-analysis of epigenome-wide association studies (EWAS) of aggressive behavior (N=15,324 participants). In peripheral blood samples of 14,434 participants from 18 cohorts with mean ages ranging from 7 to 68 years, 13 methylation sites were significantly associated with aggression (alpha=1.2×10 −7 ; Bonferroni correction). In cord blood samples of 2,425 children from five cohorts with aggression assessed at mean ages ranging from 4 to 7 years, 83% of these sites showed the same direction of association with childhood aggression ( r =0.74, p=0.006) but no epigenome-wide significant sites were found. Top-sites (48 at a false discovery rate of 5% in the peripherl blood meta-analysis or in a combined meta-analysis of peripheral blood and cord blood) have been associated with chemical exposures, smoking, cognition, metabolic traits, and genetic variation (mQTLs). Three genes whose expression levels were associated with top-sites were previously linked to schizophrenia and general risk tolerance. At six CpGs, DNA methylation variation in blood mirrors variation in the brain. On average 44% (range=3-82%) of the aggression–methylation association was explained by current and former smoking and BMI. These findings point at loci that are sensitive to chemical exposures with potential implications for neuronal functions. We hope these results to be a starting point for studies leading to applications as peripheral biomarkers and to reveal causal relationships with aggression and related traits.

Background: The role of DNA methylation in aging has been widely studied. However, epigenetic mutations, here defined as aberrant methylation levels compared to the distribution in a population, are less understood. Hence, we investigated longitudinal accumulation of epigenetic mutations, using 994 blood samples collected at up to five time points from 375 individuals in old ages. Results: We verified earlier cross-sectional evidence on the increase of epigenetic mutations with age, and identified important contributing factors including sex, CD19+ B cells, genetic background, cancer diagnosis and technical artifacts. We further classified epigenetic mutations into High/Low Methylation Outliers (HMO/LMO) according to their changes in methylation, and specifically studied methylation sites (CpGs) that were prone to mutate (frequently mutated CpGs). We validated four epigenetically mutated CpGs using pyrosequencing in 93 samples. Furthermore, by using twins, we concluded that the age-related accumulation of epigenetic mutations was not related to genetic factors, hence driven by stochastic or environmental effects. Conclusions: Here we conducted a comprehensive study of epigenetic mutation and highlighted its important role in aging process and cancer development.

Despite recognizing aging as risk factor of human diseases, little is still known about the molecular traits of biological age and mortality risk. To identify age-associated proteins circulating human blood, we screened 156 subjects aged 50-92 years using an exploratory and multiplexed affinity proteomics approach. We corroborated the top age-associated protein profile (adjusted P < 0.001) in eight additional study sets (N = 4,044 individuals), and confirmed a consistent age-associated increase (P = 6.61 × 10-6) by meta-analysis. Applying antibody validation determined circulating histidine-rich glycoprotein (HRG) as the target, and we observed that sequence variants influenced the antibodies ability to bind to the protein. Profiles of circulating HRG were associated to several clinical traits and predicted the risk of mortality during a follow-up period of 8.5 years (IQR = 7.7-9.3 years) after blood sampling (HR = 1.25 per SD; 95% CI = 1.12-1.39; P = 7.41 × 10-5). In conclusion, our affinity proteomics analysis found associations between the molecular traits of circulating HRG with age and all-cause mortality. This suggests that the profiles of multi-purpose protein HRG could serve as an accessible indicator of physiological processes related to aging.

Abstract Estimates from genome-wide association studies (GWAS) represent a combination of the effect of inherited genetic variation (direct effects), demography (population stratification, assortative mating) and genetic nurture from relatives (indirect genetic effects). GWAS using family-based designs can control for demography and indirect genetic effects, but large-scale family datasets have been lacking. We combined data on 159,701 siblings from 17 cohorts to generate population (between-family) and within-sibship (within-family) estimates of genome-wide genetic associations for 25 phenotypes. We demonstrate that existing GWAS associations for height, educational attainment, smoking, depressive symptoms, age at first birth and cognitive ability overestimate direct effects. We show that estimates of SNP-heritability, genetic correlations and Mendelian randomization involving these phenotypes substantially differ when calculated using within-sibship estimates. For example, genetic correlations between educational attainment and height largely disappear. In contrast, analyses of most clinical phenotypes (e.g. LDL-cholesterol) were generally consistent between population and within-sibship models. We also report compelling evidence of polygenic adaptation on taller human height using within-sibship data. Large-scale family datasets provide new opportunities to quantify direct effects of genetic variation on human traits and diseases.