Abstract PREVENT is a multi-centre prospective cohort study in the UK and Ireland that aims to examine midlife risk factors for dementia and identify and describe the earliest indices of disease development. The PREVENT dementia programme is one of the original epidemiological initiatives targeting midlife as a critical window for intervention in neurodegenerative conditions. This paper provides an overview of the study protocol and presents the first summary results from the initial baseline data to describe the cohort. Participants in the PREVENT cohort provide demographic data, biological samples (blood, saliva, urine and optional cerebrospinal fluid), lifestyle and psychological questionnaires, undergo a comprehensive cognitive test battery and are imaged using multi-modal 3-T MRI scanning, with both structural and functional sequences. The PREVENT cohort governance structure is described, which includes a steering committee, a scientific advisory board and core patient and public involvement groups. A number of sub-studies that supplement the main PREVENT cohort are also described. The PREVENT cohort baseline data include 700 participants recruited between 2014 and 2020 across five sites in the UK and Ireland (Cambridge, Dublin, Edinburgh, London and Oxford). At baseline, participants had a mean age of 51.2 years (range 40–59, SD ± 5.47), with the majority female (n = 433, 61.9%). There was a near equal distribution of participants with and without a parental history of dementia (51.4% versus 48.6%) and a relatively high prevalence of APOEɛ4 carriers (n = 264, 38.0%). Participants were highly educated (16.7 ± 3.44 years of education), were mainly of European Ancestry (n = 672, 95.9%) and were cognitively healthy as measured by the Addenbrookes Cognitive Examination-III (total score 95.6 ± 4.06). Mean white matter hyperintensity volume at recruitment was 2.26 ± 2.77 ml (median = 1.39 ml), with hippocampal volume being 8.15 ± 0.79 ml. There was good representation of known dementia risk factors in the cohort. The PREVENT cohort offers a novel data set to explore midlife risk factors and early signs of neurodegenerative disease. Data are available open access at no cost via the Alzheimer’s Disease Data Initiative platform and Dementia Platforms UK platform pending approval of the data access request from the PREVENT steering group committee.

Abstract The circulating proteome offers insights into the biological pathways that underlie disease. Here, we test relationships between 1,468 Olink protein levels and the incidence of 23 age-related diseases and mortality in the UK Biobank ( n = 47,600). We report 3,209 associations between 963 protein levels and 21 incident outcomes. Next, protein-based scores (ProteinScores) are developed using penalized Cox regression. When applied to test sets, six ProteinScores improve the area under the curve estimates for the 10-year onset of incident outcomes beyond age, sex and a comprehensive set of 24 lifestyle factors, clinically relevant biomarkers and physical measures. Furthermore, the ProteinScore for type 2 diabetes outperforms a polygenic risk score and HbA1c—a clinical marker used to monitor and diagnose type 2 diabetes. The performance of scores using metabolomic and proteomic features is also compared. These data characterize early proteomic contributions to major age-related diseases, demonstrating the value of the plasma proteome for risk stratification.

Abstract Protein biomarkers have been identified across many age-related morbidities. However, characterising epigenetic influences could further inform disease predictions. Here, we leverage epigenome-wide data to study links between the DNAm signatures of the circulating proteome and incident diseases. Using data from four cohorts, we trained and tested epigenetic scores (EpiScores) for 953 plasma proteins, identifying 109 scores that explained between 1% and 58% of the variance in protein levels after adjusting for known protein quantitative trait loci (pQTL) genetic effects. By projecting these EpiScores into an independent sample, (Generation Scotland; n=9,537) and relating them to incident morbidities over a follow-up of 14 years, we uncovered 137 EpiScore – disease associations. These associations were largely independent of immune cell proportions, common lifestyle and health factors and biological aging. Notably, we found that our diabetes-associated EpiScores highlighted previous top biomarker associations from proteome-wide assessments of diabetes. These EpiScores for protein levels can therefore be a valuable resource for disease prediction and risk stratification.

Abstract Epigenetic clocks can track both chronological age (cAge) and biological age (bAge). The latter is typically defined by physiological biomarkers and risk of adverse health outcomes, including all-cause mortality. As cohort sample sizes increase, estimates of cAge and bAge become more precise. Here, we aim to refine predictors and improve understanding of the epigenomic architecture of cAge and bAge. First, we perform large-scale (N = 18,413) epigenome-wide association studies (EWAS) of chronological age and all-cause mortality. Next, to improve cAge prediction, we use methylation data from 24,673 participants from the Generation Scotland (GS) study, the Lothian Birth Cohorts (LBC) of 1921 and 1936 and 8 publicly available datasets. Through the inclusion of linear and non-linear age-CpG associations from the EWAS, feature pre-selection/dimensionality reduction in advance of elastic net regression, and a leave-one-cohort-out (LOCO) cross validation framework, we arrive at an improved cAge predictor (median absolute error = 2.3 years across 10 cohorts). In addition, we train a predictor of bAge on 1,214 all-cause mortality events in GS, based on epigenetic surrogates for 109 plasma proteins and the 8 component parts of GrimAge, the current best epigenetic predictor of all-cause mortality. We test this predictor in four external cohorts (LBC1921, LBC1936, the Framingham Heart Study and the Women’s Health Initiative study) where it outperforms GrimAge in its association to survival (HR GrimAge = 1.47 [1.40, 1.54] with p = 1.08 × 10 −52 , and HR bAge = 1.52 [1.44, 1.59] with p = 2.20 × 10 −60 ). Finally, we introduce MethylBrowsR, an online tool to visualize epigenome-wide CpG-age associations.

Abstract Inflammation and ageing-related DNA methylation patterns in the blood have been linked to a variety of morbidities, including cognitive decline and neurodegenerative disease. However, it is unclear how these blood-based patterns relate to patterns within the brain, and how each associates with central cellular profiles. In this study, we profiled DNA methylation in both the blood and in five post-mortem brain regions (BA17, BA20/21, BA24, BA46 and hippocampus) in 14 individuals from the Lothian Birth Cohort 1936. Microglial burdens were additionally quantified in the same brain regions. DNA methylation signatures of five epigenetic ageing biomarkers (‘epigenetic clocks’), and two inflammatory biomarkers (DNA methylation proxies for C-reactive protein and interleukin-6) were compared across tissues and regions. Divergent correlations between the inflammation and ageing signatures in the blood and brain were identified, depending on region assessed. Four out of the five assessed epigenetic age acceleration measures were found to be highest in the hippocampus (β range=0.83-1.14, p≤0.02). The inflammation-related DNA methylation signatures showed no clear variation across brain regions. Reactive microglial burdens were found to be highest in the hippocampus (β=1.32, p=5×10 -4 ); however, the only association identified between the blood- and brain-based methylation signatures and microglia was a significant positive association with acceleration of one epigenetic clock (termed DNAm PhenoAge) averaged over all five brain regions (β=0.40, p=0.002). This work highlights a potential vulnerability of the hippocampus to epigenetic ageing and provides preliminary evidence of a relationship between DNA methylation signatures in the brain and differences in microglial burdens.

Abstract The recent increase in obesity levels across many countries is likely to be driven by nongenetic factors. The epigenetic modification DNA methylation (DNAm) may help to explore this as it is sensitive to both genetic and environmental exposures. While the relationship between DNAm and body fat traits has been extensively studied [1–9], there is limited literature on the shared associations of DNAm variation across such traits. Akin to genetic correlation estimates, which measure the degree of common genetic control between two traits, here we introduce an approach to evaluate the similarities in DNAm associations between traits, DNAm correlations. As DNAm can be both a cause and consequence of complex traits [5, 10, 11], DNAm correlations have the potential to provide novel insights into trait relationships above that currently obtained from genetic and phenotypic correlations. Utilising 7,519 unrelated individuals from Generation Scotland (GS), we calculated DNAm correlations using the bivariate OREML framework in the OSCA software [12] to investigate the shared associations of DNAm variation between traits. For each trait we also estimated the shared contribution of DNAm between sexes. We identified strong, positive DNAm correlations between each of the body fat traits (BMI, body fat % and waist to hip ratio; ranging from 0.96 to 1.00), finding larger associations than those identified by genetic and phenotypic correlations. We identified a significant deviation from 1 in the r DNAm for BMI between males and females, with sex-specific DNAm changes associated with BMI identified at eight DNAm probes. Employing genome-wide DNAm correlations to evaluate the similarities in the associations of DNAm with complex traits has provided novel insight into obesity related traits beyond that provided by genetic correlations.

The identification of biomarkers that discriminate individual ageing trajectories is a principal target in ageing research. Some of the most promising predictors of biological ageing have been developed using DNA methylation. One recent candidate, which tracks age-related phenotypes in addition to chronological age, is 'DNAm PhenoAge'. Here, we performed a phenome-wide association analysis of this biomarker in a cohort of older adults to assess its relationship with a comprehensive set of both historical and contemporaneously-measured phenotypes. Higher than expected DNAm PhenoAge compared to chronological age, known as epigenetic age acceleration, was found to associate with a number of blood, cognitive, physical fitness and lifestyle variables, and with mortality. Notably, DNAm PhenoAge, assessed at age 70, was associated with cognitive ability at age 11, and with educational attainment. Adjusting for age 11 cognitive ability attenuated the majority of the cross-sectional later-life associations between DNAm PhenoAge and health outcomes. These results highlight the importance of early-life factors on healthy ageing.

Results from large cohort studies investigating the association between inflammation and cognition have been mixed, possibly due to methodological disparities. However, a key issue in research utilising inflammatory biomarkers is their typically phasic responses. C-reactive protein (CRP) is widely used to investigate the association between chronic inflammation and cognition, but its plasma concentrations can markedly deviate in response to acute infection. Recently a large-scale epigenome-wide association study identified DNA methylation correlates of CRP. DNA methylation is thought to be relatively stable in the short term, marking it as a potentially useful signature of exposure. Here, we generate an epigenetic CRP score and investigate its trajectories with age, and associations with cognitive ability, in comparison to serum CRP in two cohorts: a longitudinal study of older adults (the Lothian Birth Cohort 1936, n=889) and a large, cross-sectional cohort (Generation Scotland, n=7,028). We identified differing trajectories of serum CRP across the cohorts, with no homogeneous trends seen with age. Conversely, the epigenetic score was consistently found to increase with age, and to do so more rapidly in males compared to females. Higher levels of serum CRP were found to associate with poorer cognition in Lothian Birth Cohort 1936, but not in Generation Scotland. However, a consistent negative association was identified between cognition and the epigenetic score in both cohorts. Furthermore, the epigenetic score accounted for a greater proportion of variance in cognitive ability. Our results suggest that epigenetic signatures of acute inflammatory markers may provide an enhanced signature of chronic inflammation, allowing for more reliable stratification of individuals, and thus clearer inference of associations with incident health outcomes.

Abstract The emergence of epigenetic predictors was a pivotal moment in geroscience, propelling the measurement and concept of biological ageing into a quantitative era. However, while current epigenetic clocks have shown strong predictive power, they do not reflect the underlying biological mechanisms driving methylation changes with age. Consequently, biological interpretation of their estimates is limited. Furthermore, our findings suggest that clocks trained on chronological age are confounded by non-age-related phenomena. To address these limitations, we developed a probabilistic model that describes methylation transitions at the cellular level. Our approach reveals two measurable components, acceleration and bias, that directly relate to perturbations of the underlying cellular dynamics. Acceleration is the proportional increase in the speed of methylation transitions across CpG sites, whereas bias is the degree of global change in methylation affecting all CpG sites uniformly. Using data from 7,028 participants from the Generation Scotland study, we found the age acceleration parameter to be associated with physiological traits known to impact healthy ageing. Furthermore, a genome-wide association study of age acceleration identified four genomic loci previously linked with ageing.

Introduction: Advanced age is associated with cognitive and physical decline, and is a major risk factor for a multitude of disorders including neurodegenerative diseases such as Alzheimer's disease. There is also a gap in life-expectancy between males and females. DNA methylation differences have been shown to be associated with both age and sex. Here, we investigate age-by-sex differences in DNA methylation in an unrelated cohort of 2,586 individuals between the ages of 18 and 87 years. Methods: Genome-wide DNA methylation was measured on the Illumina HumanMethylationEPIC beadchip in a subset of unrelated individuals from the Generation Scotland cohort. Mixed linear model-based analyses were performed to investigate the relationship between DNA methylation and an interaction term between age and sex, as well as chronological age. Results: At a genome-wide significance level of P < 3.6 x 10-8, 14 loci were associated with the age-by-sex interaction term, the majority of which were X-linked (n = 12). Seven of these loci were annotated to genes. The site with the greatest difference mapped to GAGE10, an X-linked gene. Here, DNA methylation levels remained stable across the male adult age range (DNA methylation x age r = 0.02), but decreased across female adult age range (DNA methylation x age r = -0.61). The seven age-by-sex-associated genes were enriched among differentially-expressed genes in lung, liver, testis and blood. Conclusion: The majority of differences in age-associated DNA methylation trajectories between sexes are present on the X-chromosome. Several of these differences occur within genes which have implicated in multiple cancers, schizophrenia and systemic lupus erythematosus.