Использование калькуляторов биологического возраста в клинической практике

Биологический возраст (БВ) является интегративным показателем, отражающим степень старения организма и биологический износ систем. В отличие от календарного возраста, БВ может быть изменяемым и использоваться в качестве маркера эффективности геропротективных вмешательств. Современные технологии позволяют рассчитывать БВ на основе различных источников: клинических и лабораторных данных, эпигенетических модификаций, иммунных профилей, микробиома и мультиомных панелей. В настоящей статье рассматриваются различные подходы к оценке БВ, включая эпигенетические часы (Horvath, GrimAge), фенотипические индексы (PhenoAge, индекс дефицитов), иммунологические модели (iAge), а также калькуляторы, основанные на анализе биохимических и гематологических параметров. Для подготовки обзора был проведен поиск литературы в базах данных PubMed и Scopus. Были отобраны оригинальные и обзорные статьи, опубликованные преимущественно с 2010 по 2024 год, содержащие информацию о методах оценки БВ, их прогностическом значении и применении в клинической практике. Авторы обсуждают потенциал внедрения оценки БВ в клиническую практику и персонализированную медицину, а также необходимость валидации существующих инструментов в разных популяциях.

1. López-Otín C., Blasco MA, Partridge L., Serrano M., Kroemer G. Hallmarks of aging: An expanding universe. Cell. 2023; 186 (2): 243–278. DOI: 10.1016/j.cell.2022.11.001.

2. Klemera P., Doubal S. A new approach to the concept and computation of biological age. Mech Ageing Dev. 2006; 127 (3): 240–248. DOI: 10.1016/j.mad.2005.10.004.

3. Cawthon R .M., Smith K. R., O'Brien E., Sivatchenko A., Kerber R. A. Association between telomere length in blood and mortality in people aged 60 years or older. Lancet. 2003; 361(9355): 393–395. DOI: 10.1016/S0140-6736(03)12384-7.

4. Horvath S. DNA methylation age of human tissues and cell types [published correction appears in Genome Biol. 2015 May 13; 16: 96. DOI: 10.1186/s13059-015-0649-6. Genome Biol. 2013; 14 (10): R115. DOI: 10.1186/gb-2013-14-10-r115.

5. Hannum G., Guinney J., Zhao L., et al. Genome-wide methylation profiles reveal quantitative views of human aging rates. Mol Cell. 2013; 49 (2): 359–367. DOI: 10.1016/j.molcel.2012.10.016.

6. Belsky D. W., Caspi A., Corcoran D. L., et al. DunedinPACE, a DNA methylation biomarker of the pace of aging. Elife. 2022; 11: e73420. Published 2022 Jan 14. DOI: 10.7554/eLife.73420.

7. Levine M. E. Modeling the rate of senescence: can estimated biological age predict mortality more accurately than chronological age? J Gerontol A Biol Sci Med Sci. 2013; 68 (6): 667–674. DOI: 10.1093/gerona/gls233.

8. Marioni R. E., Shah S., McRae A. F., et al. DNA methylation age of blood predicts all-cause mortality in later life. Genome Biol. 2015; 16 (1): 25. Published 2015 Jan 30. DOI: 10.1186/s13059-015-0584-6.

9. Krištić J., Vučković F., Menni C., et al. Glycans are a novel biomarker of chronological and biological ages. J Gerontol A Biol Sci Med Sci. 2014; 69 (7): 779–789. DOI: 10.1093/gerona/glt190.

10. Rode L., Nordestgaard B. G., Bojesen S. E. Peripheral blood leukocyte telomere length and mortality among 64, 637 individuals from the general population. J Natl Cancer Inst. 2015; 10 7(6): djv074. Published 2015 Apr 10. DOI: 10.1093/jnci/djv074.

11. Jylhävä J., Pedersen N. L., Hägg S. Biological Age Predictors. EBioMedicine. 2017; 21: 29–36. DOI: 10.1016/j.ebiom.2017.03.046.

12. Horvath S., Raj K. DNA methylation-based biomarkers and the epigenetic clock theory of ageing. Nat Rev Genet. 2018; 19 (6): 371–384. DOI: 10.1038/s41576-018-0004-3.

13. Yamada H. Epigenetic Clocks and EpiScore for Preventive Medicine: Risk Stratification and Intervention Models for Age-Related Diseases. J Clin Med. 2025; 14 (10): 3604. Published 2025 May 21. DOI: 10.3390/jcm14103604.

14. Sayed N., Huang Y., Nguyen K., et al. An inflammatory aging clock (iAge) based on deep learning tracks multimorbidity, immunosenescence, frailty and cardiovascular aging [published correction appears in Nat Aging. 2021 Aug; 1 (8): 748. DOI: 10.1038/s43587-021-00102-x. Nat Aging. 2021; 1: 598–615. DOI: 10.1038/s43587-021-00082-y.

15. Galkin F., Mamoshina P., Aliper A., et al. Human Gut Microbiome Aging Clock Based on Taxonomic Profiling and Deep Learning. iScience. 2020; 23 (6): 101199. DOI: 10.1016/j.isci.2020.101199.

16. Tanaka T., Biancotto A., Moaddel R., et al. Plasma proteomic signature of age in healthy humans. Aging Cell. 2018; 17 (5): e12799. DOI: 10.1111/acel.12799.

17. Huh J. Y., Ross G. W., Chen R., et al. Total and differential white blood cell counts in late life predict 8-year incident stroke: the Honolulu Heart Program. J Am Geriatr Soc. 2015; 63 (3): 439–446. DOI: 10.1111/jgs.13298.

18. Wang Q., Zhan Y., Pedersen N. L., Fang F., Hägg S. Telomere Length and All-Cause Mortality: A Meta-analysis. Ageing Res Rev. 2018; 48: 11–20. DOI: 10.1016/j.arr.2018.09.002.

19. Vetter V. M., Meyer A., Karbasiyan M., Steinhagen-Thiessen E., Hopfenmüller W., Demuth I. Epigenetic Clock and Relative Telomere Length Represent Largely Different Aspects of Aging in the Berlin Aging Study II (BASE-II). J Gerontol A Biol Sci Med Sci. 2019; 74 (1): 27–32. DOI: 10.1093/gerona/gly184.

20. Lu A. T., Quach A., Wilson J. G., et al. DNA methylation GrimAge strongly predicts lifespan and healthspan. Aging (Albany NY). 2019; 11 (2): 303–327. DOI: 10.18632/aging.101684.

21. Lu A. T., Binder A. M., Zhang J., et al. DNA methylation GrimAge version 2. Aging (Albany NY). 2022; 14 (23): 9484–9549. DOI: 10.18632/aging.204434.

22. Lehallier B., Gate D., Schaum N., et al. Undulating changes in human plasma proteome profiles across the lifespan. Nat Med. 2019; 25 (12): 1843–1850. DOI: 10.1038/s41591-019-0673-2.

23. Gialluisi A., Santoro A., Tirozzi A., et al. Epidemiological and genetic overlap among biological aging clocks: New challenges in biogerontology. Ageing Res Rev. 2021; 72: 101502. DOI: 10.1016/j.arr.2021.101502.

24. Fahy G. M., Brooke R. T., Watson J. P., et al. Reversal of epigenetic aging and immunosenescent trends in humans. Aging Cell. 2019; 18 (6): e13028. DOI: 10.1111/acel.13028.

25. Zhavoronkov A., Mamoshina P. Deep Aging Clocks: The Emergence of AI-Based Biomarkers of Aging and Longevity. Trends Pharmacol Sci. 2019; 40 (8): 546–549. DOI: 10.1016/j.tips.2019.05.004.

26. Prattichizzo F., Frigé C., Pellegrini V., et al. Organ-specific biological clocks: Ageotyping for personalized anti-aging medicine. Ageing Res Rev. 2024; 96: 102253. DOI: 10.1016/j.arr.2024.102253.

27. Forrester S. N., Baek J., Hou L., Roger V., Kiefe C. I. A Comparison of 5 Measures of Accelerated Biological Aging and Their Association With Incident Cardiovascular Disease: The CARDIA Study. J Am Heart Assoc. 2024; 13 (8): e032847. DOI: 10.1161/JAHA.123.032847.

28. Furrer R., Handschin C. Biomarkers of aging: from molecules and surrogates to physiology and function. Physiol Rev. 2025; 105 (3): 1609–1694. DOI: 10.1152/physrev.00045.2024.