Epigenetics

Epigenetic Clocks Compared - Horvath, GrimAge, DunedinPACE

Generationen von Clocks, Staerken, Limitierungen und warum Pace fuer Navigation oft wertvoller ist als ein einzelner Zustandsscore.

Epigenetische Uhren werden oft so behandelt, als waeren sie Varianten derselben Zahl. Das ist falsch. Horvath, PhenoAge, GrimAge und DunedinPACE beantworten unterschiedliche Fragen.

Wer sie in einem Produkt, Artikel oder Report verwendet, muss zuerst klaeren: Geht es um Zustand, Risiko, biologische Altersschaetzung oder Veraenderungsgeschwindigkeit?

Kontext

Die erste bekannte Generation epigenetischer Uhren zielte auf Altersrekonstruktion. Horvaths Multi-Tissue-Clock zeigte, dass DNA-Methylierungsmuster ueber viele Gewebe hinweg ein erstaunlich starkes Alterssignal tragen. Die Arbeit DNA methylation age of human tissues and cell types (https://pubmed.ncbi.nlm.nih.gov/24138928/) wurde deshalb zu einem Referenzpunkt fuer das Feld.

Danach verschob sich die Frage. Es ging nicht mehr nur darum, chronologisches Alter zu schaetzen. Modelle wie PhenoAge und GrimAge wurden mit gesundheitsrelevanten Endpunkten verbunden. DunedinPoAm und DunedinPACE verschoben den Frame weiter: nicht "wie alt", sondern "wie schnell".

Diese Unterscheidung ist zentral fuer ARES. Ein Zustandsscore kann interessant sein. Fuer Navigation ist eine Geschwindigkeit oft wertvoller, weil sie Veraenderung sichtbar macht.

Vier Clock-Frames

Horvath: Altersrekonstruktion

Horvath ist die klassische Antwort auf die Frage: Wie alt wirkt ein Gewebe auf Basis seines Methylierungsmusters? Die Staerke liegt in der Robustheit des Alterssignals ueber viele Gewebe. Die Grenze liegt im Produktgebrauch: Ein biologisches Altersdelta ist leicht zu dramatisieren, aber schwer sauber als Handlungsgrundlage zu verwenden.

PhenoAge: klinisch naeher am Risiko

PhenoAge, beschrieben von Levine et al. (https://pubmed.ncbi.nlm.nih.gov/29676998/), verbindet Methylierung mit einem phae-notypischen Alterskonstrukt, das naeher an mortalitaets- und gesundheitsbezogenen Endpunkten liegt. Das macht den Score klinisch interessanter als reine Altersrekonstruktion, aber weiterhin populations- und modellabhaengig.

GrimAge: Endpunktnaehe

GrimAge, beschrieben von Lu et al. (https://pubmed.ncbi.nlm.nih.gov/30669119/), wurde stark ueber lebens- und gesundheits-spannennahe Endpunkte diskutiert. Der Name klingt hart, aber das Modell bleibt ein statistisches Konstrukt. In Produktkommunikation braucht gerade GrimAge besondere Zurueckhaltung, weil der Score schnell als Schicksalszahl missverstanden wird.

DunedinPACE: Geschwindigkeit

DunedinPACE, beschrieben in eLife 2022 (https://pubmed.ncbi.nlm.nih.gov/35029144/), modelliert die Geschwindigkeit biologischer Alterung. Das ist fuer Bio-Velocity naheliegend: Ein Pace-Signal kann in einem Verlauf neben Schlaf, HRV, Trainingslast, Entzuendung und Lipiden betrachtet werden.

Vergleich

| Clock | Primaere Frage | Staerke | Produkt-Risiko | |---|---|---|---| | Horvath | Wie alt wirkt das Gewebe? | Starkes Alterssignal ueber Gewebe | Biologisches Alter wird ueberdramatisiert | | PhenoAge | Wie nah liegt der Score an phae-notypischem Risiko? | Naeher an Gesundheitsendpunkten | Risiko wird als Diagnose gelesen | | GrimAge | Welche Endpunktnaehe zeigt das Modell? | Starke Assoziation mit Healthspan/Lifespan-Endpunkten | Score klingt finaler, als er ist | | DunedinPACE | Wie schnell veraendert sich das System? | Verlauf und Dynamik fuer Navigation | Kleine Veraenderungen werden ueberinterpretiert |

Warum Pace fuer ARES wichtiger ist

ARES soll keine Score-Vitrine sein. Die relevante Frage ist nicht: "Welche Zahl sieht am beeindruckendsten aus?" Die relevante Frage lautet: "Welche Signale helfen, den Kurs eines Systems zu verstehen?"

Ein Pace-Signal passt besser zu dieser Logik. Es kann neben anderen zeitabhaengigen Signalen liegen:

Schlafarchitektur ueber mehrere Wochen
HRV-Baseline und Belastungsphasen
Entzuendungsmarker im Quartalsverlauf
Lipid- und Glukose-Entwicklung
Trainingslast und subjektive Erholung

Wenn mehrere Ebenen dieselbe Richtung zeigen, entsteht eine Hypothese. Wenn sie widersprechen, entsteht eine Prueffrage. Beides ist wertvoller als ein isolierter Score.

Qualitaetsanforderungen fuer Content und Pipeline

Jede autonome Blog- oder Social-Pipeline, die epigenetische Clocks beschreibt, braucht harte Regeln:

1. Clock-Typ benennen. Horvath, GrimAge und DunedinPACE duerfen nicht vermischt werden. 2. Proxy-Status offenlegen. Ein Score ist ein Modelloutput, nicht die Person. 3. Einzelwert begrenzen. Ein Punkt ist kein Verlauf. 4. Claim-Safety pruefen. Keine Diagnose, keine Therapie, kein Versprechen. 5. Metadaten beachten. Labor, Plattform, Sample-Kontext und Vergleichbarkeit gehoeren in die Bewertung.

Das ist genau der Punkt, an dem Marketing-Automation professionell werden muss. Ein schneller Text reicht nicht. Der Worker muss verstehen, welche Clock er beschreibt und welche Schlussfolgerungen nicht erlaubt sind.

Risiken

Epigenetische Clocks sind besonders anfaellig fuer Overclaiming, weil sie wissenschaftlich wirken und gleichzeitig sehr leicht in Konsumenten-Storys uebersetzt werden koennen.

Die typischen Fehler:

"Biologisches Alter" wird als harte Wahrheit formuliert.
Eine Veraenderung zwischen zwei Tests wird als Interventionserfolg verkauft.
Studienassoziationen werden als individuelle Prognose gelesen.
Verschiedene Assays und Clock-Generationen werden direkt verglichen.
Marketing macht aus Proxy-Signalen Produktversprechen.

Fuer ARES gilt deshalb: Clocks sind Kontextsignale. Sie duerfen in die Navigation, aber nicht an das Steuer.

Key Takeaways

Horvath, PhenoAge, GrimAge und DunedinPACE beantworten unterschiedliche Fragen.
Fuer Navigation ist Pace oft brauchbarer als ein isolierter Alterswert.
Jede Clock bleibt ein Modelloutput mit Grenzen.
ARES sollte Clock-Signale mit anderen Zeitreihen fusionieren und Claim-Safety erzwingen.

Disclaimer

Dieses Dokument dient ausschliesslich der Bildung und wissenschaftlichen Einordnung. Es ist keine Diagnose, keine Therapieempfehlung und keine Anleitung zur Selbstmedikation. Epigenetische Tests gehoeren in einen fachlich begleiteten Kontext, wenn daraus gesundheitliche Entscheidungen entstehen.

Quellen

Horvath S. DNA methylation age of human tissues and cell types. Genome Biology. 2013. DOI: 10.1186/gb-2013-14-10-r115. PMID: 24138928.
Levine ME et al. An epigenetic biomarker of aging for lifespan and healthspan. Aging. 2018. DOI: 10.18632/aging.101414. PMID: 29676998.
Lu AT et al. DNA methylation GrimAge strongly predicts lifespan and healthspan. Aging. 2019. DOI: 10.18632/aging.101684. PMID: 30669119.
Belsky DW et al. DunedinPACE, a DNA methylation biomarker of the pace of aging. eLife. 2022. DOI: 10.7554/eLife.73420. PMID: 35029144.