Abstract DNA methylation (DNAm) is one of the most reliable biomarkers for aging across many mammalian tissues. While the age-dependent global loss of DNAm has been well characterized, age-dependent DNAm gain is less specified. Multiple studies have demonstrated that polycomb repressive complex 2 (PRC2) targets are enriched among the CpG sites which gain methylation with age. However, a systematic whole-genome examination of all PRC2 targets in the context of aging methylome as well as whether these associations are pan-tissue or tissue-specific is lacking. Here, by analyzing DNAm data from different assays and from multiple young and old human and mouse tissues, we found that low-methylated regions (LMRs) which are highly bound by PRC2 in embryonic stem cells gain methylation with age in all examined somatic mitotic cells. We also estimated that this epigenetic change represents around 90% of the age-dependent DNAm gain genome-wide. Therefore, we propose the “PRC2 clock,” defined as the average DNAm in PRC2 LMRs, as a universal biomarker of cellular aging in somatic cells. In addition, we demonstrate the application of this biomarker in the evaluation of different anti-aging interventions, including dietary restriction and partial epigenetic reprogramming.

Abstract Age-related changes in DNA methylation (DNAm) form the basis for the development of most robust predictors of age, epigenetic clocks, but a clear mechanistic basis for exactly what part of the aging process they quantify is lacking. Here, to clarify the nature of epigenetic aging, we juxtapose the aging dynamics of tissue and single-cell DNAm (scDNAm) with scDNAm changes during early development, and corroborate our analyses with a single-cell RNAseq analysis within the same multi-omics dataset. We show that epigenetic aging involves co-regulated changes, but it is dominated by the stochastic component, and this agrees with transcriptional coordination patterns. We further support the finding of stochastic epigenetic aging by direct tissue and single-cell DNAm analyses and modeling of aging DNAm trajectories with a stochastic process akin to radiocarbon decay. Finally, we describe a single-cell algorithm for the identification of co-regulated and stochastic CpG clusters showing consistent transcriptomic coordination patterns, providing new opportunities for targeting aging and evaluating longevity interventions.

Abstract Machine learning models based on DNA methylation data can predict biological age but often lack causal insights. By harnessing large-scale genetic data through epigenome-wide Mendelian Randomization, we identified CpG sites potentially causal for aging-related traits. Neither the existing epigenetic clocks nor age-related differential DNA methylation are enriched in these sites. These CpGs include sites that contribute to aging and protect against it, yet their combined contribution negatively affects age-related traits. We established a novel framework to introduce causal information into epigenetic clocks, resulting in DamAge and AdaptAge—clocks that track detrimental and adaptive methylation changes, respectively. DamAge correlates with adverse outcomes, including mortality, while AdaptAge is associated with beneficial adaptations. These causality-enriched clocks exhibit sensitivity to short-term interventions. Our findings provide a detailed land-scape of CpG sites with putative causal links to lifespan and healthspan, facilitating the development of aging biomarkers, assessing interventions, and studying reversibility of age-associated changes.

DNA methylation (DNAm) is one of the most reliable biomarkers of aging across mammalian tissues. While the age-dependent global loss of DNAm has been well characterized, DNAm gain is less characterized. Studies have demonstrated that CpGs which gain methylation with age are enriched in Polycomb Repressive Complex 2 (PRC2) targets. However, whole-genome examination of all PRC2 targets as well as determination of the pan-tissue or tissue-specific nature of these associations is lacking. Here, we show that low-methylated regions (LMRs) which are highly bound by PRC2 in embryonic stem cells (PRC2 LMRs) gain methylation with age in all examined somatic mitotic cells. We estimated that this epigenetic change represents around 90% of the age-dependent DNAm gain genome-wide. Therefore, we propose the "PRC2-AgeIndex," defined as the average DNAm in PRC2 LMRs, as a universal biomarker of cellular aging in somatic cells which can distinguish the effect of different anti-aging interventions.

Health is strongly affected by aging and lifespan-modulating interventions, but the molecular mechanisms of mortality regulation remain unclear. Here, we conducted an RNA-seq analysis of mice subjected to 20 compound treatments in the Interventions Testing Program (ITP). By integrating it with the data from over 4,000 rodent tissues representing aging and responses to genetic, pharmacological, and dietary interventions with established survival data, we developed robust multi-tissue transcriptomic biomarkers of mortality, capable of quantifying aging and change in lifespan in both short-lived and long-lived models. These tools were further extended to single-cell and human data, demonstrating common mechanisms of molecular aging across cell types and species. Via a network analysis, we identified and annotated 26 co-regulated modules of aging and longevity across tissues, and developed interpretable module-specific clocks that capture aging- and mortality-associated phenotypes of functional components, including, among others, inflammatory response, mitochondrial function, lipid metabolism, and extracellular matrix organization. These tools captured and characterized acceleration of biological age induced by progeria models and chronic diseases in rodents and humans. They also revealed rejuvenation induced by heterochronic parabiosis, early embryogenesis, and cellular reprogramming, highlighting universal signatures of mortality, shared across models of rejuvenation and age-related disease. They included Cdkn1a and Lgals3, whose human plasma levels further demonstrated a strong association with all-cause mortality, disease incidence and risk factors, such as obesity and hypertension. Overall, this study uncovers molecular hallmarks of mammalian mortality shared across organs, cell types, species and models of disease and rejuvenation, exposing fundamental mechanisms of aging and longevity.

Biological aging is a multifactorial process involving complex interactions of cellular and biochemical processes that is reflected in omic profiles. Using common clinical laboratory measures in ~30,000 individuals from the MGB-Biobank, we developed a robust, predictive biological aging phenotype, EMRAge, that balances clinical biomarkers with overall mortality risk and can be broadly recapitulated across EMRs. We then applied elastic-net regression to model EMRAge with DNA-methylation (DNAm) and multiple omics, generating DNAmEMRAge and OMICmAge, respectively. Both biomarkers demonstrated strong associations with chronic diseases and mortality that outperform current biomarkers across our discovery (MGB-ABC, n=3,451) and validation (TruDiagnostic, n=12,666) cohorts. Through the use of epigenetic biomarker proxies, OMICmAge has the unique advantage of expanding the predictive search space to include epigenomic, proteomic, metabolomic, and clinical data while distilling this in a measure with DNAm alone, providing opportunities to identify clinically-relevant interconnections central to the aging process.

Identifying and validating biomarkers of aging is pivotal for understanding the aging process and testing longevity interventions. Despite the development of numerous aging biomarkers, their clinical validation remains elusive, largely due to the lack of cross-population validation, which is hampered by disparate biomarker designs and inconsistencies in dataset structures. To bridge this gap, we introduce Biolearn, an innovative open-source library dedicated to the implementation and application of aging biomarkers. Biolearn facilitates (1) harmonization of existing aging biomarkers, while presenting a structured framework for novel biomarkers in standardized formats; (2) unification of public datasets, ensuring coherent structuring and formatting, thus simplifying cross-population validation studies; and (3) provision of computational methodologies to assess any harmonized biomarker against unified datasets. By furnishing a community-driven platform, Biolearn significantly augments the development, assessment, and validation trajectories of aging biomarkers, paving the way toward more rigorous clinical validation and, ultimately, application in clinical trials targeting healthy longevity. The Biolearn package is open-source and freely available at https://Bio-Learn.github.io/

Abstract Recent studies suggest the existence of a natural rejuvenation event during early embryonic development of mice, followed by epigenetic aging. Here, by profiling embryonic DNA methylation in the African clawed frog, Xenopus laevis , we found that the epigenetic entropy basepoint maps to the gastrulation stage of embryogenesis and corresponds to a rapid increase in embryo transcript abundance. We further developed a frog aging clock, revealing that this species epigenetically ages. Application of this clock to developmental stages identified a decrease in epigenetic age during early embryogenesis, with the minimal age reached around gastrulation. By examining individual developmental trajectories of 6,457 embryos, we found that this stage is also accompanied by a higher incidence of disrupted development. Taken together, our data point to gastrulation as a critical stage for aging and natural rejuvenation, characterized by the lowest epigenetic age, increased mortality, nadir of DNA methylation entropy and rapid increase in embryo transcript abundance, defining aging ground zero as the basepoint where rejuvenation ends and the aging process begins.

Abstract Recent epigenome-wide studies have identified a large number of genomic regions that consistently exhibit changes in their methylation status with aging across diverse populations, but the functional consequences of these changes are largely unknown. On the other hand, transcriptomic changes are more easily interpreted than epigenetic alterations, but previously identified age-related gene expression changes have shown limited replicability across populations. Here, we develop an approach that leverages high-resolution multi-omic data for an integrative analysis of epigenetic and transcriptomic age-related changes and identify genomic regions associated with both epigenetic and transcriptomic age-dependent changes in blood. Our results show that these “multi-omic aging genes” in blood are enriched for adaptive immune functions, replicate more robustly across diverse populations and are more strongly associated with aging-related outcomes compared to the genes identified using epigenetic or transcriptomic data alone. These multi-omic aging genes may serve as targets for epigenetic editing to facilitate cellular rejuvenation.

Multi-locus signatures of blood-based DNA methylation are well-established biomarkers for lifestyle and health outcomes. Here, we focus on two CpGs that are strongly associated with age and smoking behaviour. Imputing these loci via epigenome-wide CpGs results in stronger associations with outcomes in external datasets compared to directly measured CpGs. If extended epigenome-wide, CpG imputation could augment historic arrays and recently-released, inexpensive but lower-content arrays, thereby yielding better-powered association studies.