ABSTRACT Biological aging is the gradual, progressive decline in system integrity that occurs with advancing chronological age, causing morbidity and disability. Measurements of the pace of aging are needed to serve as surrogate endpoints in trials of therapies designed to prevent disease by slowing biological aging. We report a blood DNA-methylation measure that is sensitive to variation in the pace of biological aging among individuals born the same year. We first modeled longitudinal change in 18 biomarkers tracking organ-system integrity across 12 years of follow-up in the Dunedin birth cohort. Rates of change in each biomarker were composited to form a measure of aging-related decline, termed Pace of Aging. Elastic-net regression was used to develop a DNA-methylation predictor of Pace of Aging, called DunedinPoAm for Dunedin (P)ace (o)f (A)ging (m)ethylation. Validation analyses showed DunedinPoAm was associated with functional decline in the Dunedin Study and more advanced biological age in the Understanding Society Study, predicted chronic disease and mortality in the Normative Aging Study, was accelerated by early-life adversity in the E-risk Study, and DunedinPoAm prediction was disrupted by caloric restriction in the CALERIE trial. DunedinPoAm generally outperformed epigenetic clocks. Findings provide proof-of-principle for DunedinPoAm as a single-time-point measure of a person’s pace of biological aging.

Despite existing reports on differential DNA methylation in type 2 diabetes (T2D) and obesity, our understanding of the functional relevance of the phenomenon remains limited. Because obesity is the main risk factor for T2D and a driver of methylation from previous study, we aimed to explore the effect of DNA methylation in the early phases of T2D pathology while accounting for body mass index (BMI). We performed a blood-based epigenome-wide association study (EWAS) of fasting glucose and insulin among 4,808 non-diabetic European individuals and replicated the findings in an independent sample consisting of 11,750 non-diabetic subjects. We integrated blood-based in silico cross-omics databases comprising genomics, epigenomics and transcriptomics collected by BIOS project of the Biobanking and BioMolecular resources Research Infrastructure of the Netherlands (BBMRI-NL), the Meta-Analyses of Glucose and Insulin-related traits Consortium (MAGIC), the DIAbetes Genetics Replication And Meta-analysis (DIAGRAM) consortium, and the tissue-specific Genotype-Tissue Expression (GTEx) project. We identified and replicated nine novel differentially methylated sites in whole blood (P-value < 1.27 × 10-7): sites in LETM1, RBM20, IRS2, MAN2A2 genes and 1q25.3 region were associated with fasting insulin; sites in FCRL6, SLAMF1, APOBEC3H genes and 15q26.1 region were associated with fasting glucose. The association between SLAMF1, APOBEC3H and 15q26.1 methylation sites and glucose emerged only when accounted for BMI. Follow-up in silico cross-omics analyses indicate that the cis-acting meQTLs near SLAMF1 and SLAMF1 expression are involved in glucose level regulation. Moreover, our data suggest that differential methylation in FCRL6 may affect glucose level and the risk of T2D by regulating FCLR6 expression in the liver. In conclusion, the present study provided nine new DNA methylation sites associated with glycemia homeostasis and also provided new insights of glycemia related loci into the genetics, epigenetics and transcriptomics pathways based on the integration of cross-omics data in silico.

Abstract This study sought to examine the association between DNA methylation and body mass index (BMI) and the potential utility of these cytosine-phosphate-guanine (CpG) sites in predicting metabolic health. We pooled summary statistics from six trans-ethnic EWAS of BMI representing nine cohorts (n=17058), replicated these findings in the Women’s Health Initiative (WHI, n=4822) and developed an epigenetic prediction score of BMI. In the pooled EWAS, 1265 CpG sites were associated with BMI (p<1E-7), and 1238 replicated in the WHI (FDR < 0.05). We performed several stratified analyses to examine whether these associations differed between individuals of European descent and individuals of African descent. We found five CpG sites had a significant interaction with BMI by race/ethnicity. To examine the utility of the significant CpG sites in predicting BMI, we used elastic net regression to predict log normalized BMI in the WHI (80% training/20% testing). This model found 397 sites could explain 32% of the variance in BMI in the WHI test set. Individuals whose methylome-predicted BMI overestimated their BMI (high epigenetic BMI) had significantly higher glucose and triglycerides, and lower HDL-cholesterol and LDL-cholesterol compared to accurately predicted BMI. Individuals whose methylome-predicted BMI underestimated their BMI (low epigenetic BMI) had significantly higher HDL-cholesterol and lower glucose and triglycerides. This study identified 553 previously identified and 685 novel CpG sites associated with BMI. Participants with high epigenetic BMI had poorer metabolic health suggesting that the overestimation may be driven in part by cardiometabolic derangements characteristic of metabolic syndrome.