A Horvath-óra

Hogyan mérhető meg egyetlen DNS-mintából, hány éves valójában a tested

Van egy magyar gyökerű kutató, akinek a neve ma a biológiai öregedés mérésének szinonimája. Steve Horvath 1967-ben született Frankfurtban — a vezetékneve árulkodik a családi származásról —, és eredetileg nem biológus volt, hanem matematikus és biostatisztikus. Talán éppen ezért tudott olyat alkotni, amit a klasszikus molekuláris biológusok addig nem: nem egy új laborkísérletet talált ki, hanem a már meglévő, nyilvános adatok hegyeiben fedezett fel egy törvényszerűséget. 2013-ban publikálta a Genome Biology folyóiratban azt, amit ma világszerte „Horvath-óraként" emlegetnek.

Steve Horvath, a matematikus

Az előzmény: a nyál árulkodik

A történet 2011-ben kezdődött, amikor egy UCLA*-csapat — köztük Horvath — kimutatta, hogy pusztán a nyálból kinyert DNS metilációs mintázatából nagyjából 5 éves pontossággal megbecsülhető valakinek a kora. Ez akkor önmagában is meglepő volt, de még szövet-specifikus maradt. A nagy kérdés az volt: lehet-e olyan órát építeni, amelyik a test bármelyik szövetében ugyanúgy működik?

Mi az a DNS-metiláció?

Mielőtt a módszertanba megyünk, a lényeg dióhéjban. A DNS-metiláció egy epigenetikus jelölés: egy metilcsoport (–CH₃) tapad a DNS bizonyos pontjaira, konkrétan ott, ahol egy citozin-bázist egy guanin követ — ezek az úgynevezett CpG-helyek. Ez a jelölés nem írja át a DNS betűsorrendjét, de szabályozza, hogy az adott gén bekapcsolva vagy kikapcsolva maradjon. A kulcsmegfigyelés: az emberi genom több millió CpG-helye közül néhány ezernél a metiláltság szintje meglepően szabályosan változik az életkorral. Egy részük fokozatosan metiláltabb lesz, más részük veszít a metiláltságából — de mindkét irányú változás kiszámítható.

A 2013-as áttörés: az adathalmaz

Horvath több mint négy éven át gyűjtötte a nyilvánosan elérhető Illumina-metilációs adatkészleteket**. A végeredmény lenyűgöző volt: körülbelül 8000 minta, 82 különböző adatkészletből, 51 egészséges szövet- és sejttípust lefedve, az embrionális kortól a 101 éves korig. Ez a sokféleség volt a titok — pont azért, mert nem egyetlen szövetre optimalizált, lett belőle „multi-szövet" óra.

A módszertan: miért zseniális a regularizáció

A bemenet nem a teljes genom volt, hanem az a körülbelül 21 000 CpG-hely, amely a régebbi (27K) és az újabb (450K) Illumina-chipen egyaránt szerepelt — így biztosította, hogy az óra platformfüggetlen legyen.

Az algoritmus ennek a folyamatnak a végén a 21 000 jelöltből 353 CpG-helyet választott ki. Ennyi kellett — se több, se kevesebb — ahhoz, hogy a kort pontosan megbecsülje. A 353-ból nagyjából 193 olyan, amelyik a korral egyre metiláltabb lesz, és körülbelül 160 olyan, amelyik egyre kevésbé. Az óra végső becslése ezeknek a súlyozott összege.***

A kalibrációs görbe: a gyerekkor gyorsabban ketyeg

Egy finom, de árulkodó részlet. Horvath nem közvetlenül a naptári korra illesztett, hanem egy transzformált korra: 20 éves kor alatt logaritmikus, fölötte lineáris függvényt használt. Ennek nem matematikai szépészeti oka volt, hanem biológiai: az óra a fejlődés és a növekedés szakaszában — kb. 20 éves korig — gyorsan ketyeg, majd a felnőttkor beálltával lelassul, és onnantól nagyjából egyenletes ütemben jár. Vagyis maga a kalibrációs görbe is mond valamit az öregedés természetéről: a fiatalkori epigenetikus „mozgás" más jellegű, mint a felnőttkori lassú sodródás.

Mennyire pontos?

Nagyon. Az óra becslése 0,96–0,97-es korrelációt mutat a tényleges korral, a medián abszolút hiba pedig nagyjából 3,6 év. Ez egy biológiai mérőszámnál kivételesen szoros egyezés.

A multi-szövet zsenialitás

A Horvath-óra fő újdonsága az, hogy ugyanazt a 353 CpG-t és ugyanazt az algoritmust használja, függetlenül attól, hogy a minta vérből, bőrből, májból, veséből vagy éppen a kisagyból származik — semmilyen szövetspecifikus korrekció nem kell hozzá. Ez teszi lehetővé, hogy a test különböző szerveinek „korát" közvetlenül összehasonlítsuk.

És itt van a legszebb tulajdonsága: az embrionális őssejteknél és a mesterségesen visszaprogramozott (indukált pluripotens) őssejteknél az óra szinte nullát mutat. Sejtkultúrában a becsült kor együtt nő az osztódások számával. Amikor pedig egy sejtet a Yamanaka-faktorokkal visszaprogramoznak őssejt-állapotba, az óra visszaáll nullára. Vagyis az óra nem egyszerűen az eltelt időt méri — hanem valamit a sejt fejlődési-öregedési állapotáról.

Age acceleration: amikor az óra siet

A klinikailag legizgalmasabb fogalom az „epigenetikus korgyorsulás" (age acceleration). Ezt úgy kapjuk meg, hogy a becsült epigenetikus kort hozzáillesztjük a tényleges korhoz, és megnézzük a maradékot — a reziduumot. Ha valakinek a DNS-kora magasabb a naptári koránál, az órája „siet". Horvath kimutatta, hogy ez a gyorsulás nem véletlen zaj: összefügg több ráktípussal és — ahogy később több nagy vizsgálat is megerősítette — az összes okból bekövetkező halálozással. Az óra tehát nemcsak a múltat mondja meg, hanem előrejelző erővel bír.

Az óra elmélete — és egy őszinte korlát

Horvath és Kenneth Raj 2018-ban a Nature Reviews Genetics-ben fogalmazta meg az „epigenetikus óra öregedéselméletét". Eszerint a metilációs öregedés a fejlődési és karbantartási programok nem szándékolt mellékterméke — egyfajta molekuláris lenyomata azoknak a folyamatoknak, amelyek a sejt identitásának lassú elvesztéséhez vezetnek.

De legyünk pontosak: máig nem tudjuk biztosan, mit mér valójában a DNS-metilációs kor. Hogy ok-e vagy okozat — hogy a metilációs változás hajtja-e az öregedést, vagy csak hűségesen lekövet egy mélyebb folyamatot — nyitott kérdés. És van egy konkrét technikai gyengéje is: a modell az idősebbeknél hajlamos alulbecsülni a kort, legerősebben a kisagy szövetében. Ráadásul a vérminták esetén az eredményt befolyásolhatja a sejtösszetétel (például a fehérvérsejt-arány) változása is. Aki komolyan dolgozik vele, az a korgyorsulás-elemzéseiben mindig kontrollál ezekre.

Egy órából óracsalád lett

A Horvath-óra (és a vele egy időben publikált, vérre optimalizált Hannum-óra) az „első generáció" — ezek a naptári kort jósolják. A második generáció már nem a kort, hanem az egészséget célozza: a PhenoAge és a GrimAge klinikai laborértékekre, illetve halálozási és betegségadatokra tanult, ezért gyakran jobban jelzi a tényleges egészségi állapotot. A DunedinPACE pedig nem egy „időpontot", hanem az öregedés sebességét méri — mintha az óra mutatója helyett a ketyegés tempóját olvasnánk le. 2023-ban Horvath csapata elkészítette a „pán-emlős" órát is, amely 300-nál is több emlősfaj — egértől bálnáig — közös metilációs törvényszerűségére épül, és arra utal, hogy az epigenetikus öregedés mélyen konzervált, evolúciósan ősi mechanizmus.

Miért számít mindez?

Mert a Horvath-óra előtt az anti-aging kutatás legnagyobb gondja az volt, hogy nem volt mihez mérni. Egy beavatkozásnál meg kellett várni évtizedeket, hogy lássuk, tovább él-e az alany. Az epigenetikus óra ezt megváltoztatta: ad egy mérhető, objektív végpontot, amellyel hónapok alatt megkérdezhetjük egy étrendről, mozgásformáról vagy terápiáról, hogy ténylegesen lassítja-e — vagy akár visszaforgatja-e — a biológiai órát. Egy magyar gyökerű matematikus tehát nem gyógyszert adott a longevity-kutatásnak, hanem valami sokkal alapvetőbbet: egy megbízható mérőeszközt.

Egy gondolat a végére

Ha a Horvath-óra a DNS-metiláció nyelvén olvassa le a biológiai kort, akkor adódik a kérdés: lehet-e ugyanezen a nyelven írni is? Vagyis befolyásolható-e tudatosan a metilációs mintázat? A válasz egyre inkább az, hogy igen. Más kontextusban — például az allergiás, atópiás folyamatoknál — már látjuk, hogy bizonyos beavatkozások képesek beleszólni abba, mely gének maradnak „bekapcsolva" és melyek „lehalkítva". Erről részletesen írtam a hiperbárikus oxigén és az epigenetika kapcsolatáról szóló korábbi bejegyzésben. Hogy ez a fajta epigenetikus átírás végül a Horvath-óra mutatóját is visszaforgatja-e, azt egyelőre nem mérte meg senki közvetlenül — de pontosan ez teszi a metilációs órát a következő évek egyik legizgalmasabb kutatási eszközévé. Mert most először van mihez mérni.

---

Magyarázatok:

*Az UCLA a University of California, Los Angeles rövidítése — a Kaliforniai Egyetem Los Angeles-i campusa. A University of California rendszer egyik legnagyobb és legrangosabb állami kutatóegyeteme, Los Angeles Westwood nevű városrészében.

Steve Horvath 2000-ben csatlakozott az UCLA oktatói karához, és ott dolgozta ki 2011-től az epigenetikus óra alapjául szolgáló kutatást. Konkrétan a humángenetika professzora a David Geffen School of Medicine-en (az UCLA orvosi karán), illetve a biostatisztika professzora a Fielding School of Public Health-en (a közegészségügyi karon). Néhány évig az iparban dolgozott (az Altos Labs nevű anti-aging biotech cégnél), majd 2025-ben visszatért az UCLA-ra.

** Az "Illumina-metilációs adatkészlet" tulajdonképpen azt jelenti: egy Illumina nevű cég által gyártott mérőchippel előállított nyers adattábla, amely megmondja, hogy egy DNS-mintában az egyes CpG-helyek mennyire metiláltak. Bontsuk szét.

Az Illumina mint cég

Az Illumina egy amerikai biotechnológiai vállalat, a DNS-szekvenálás és a genomikai mérőeszközök egyik világpiaci vezetője. A mi szempontunkból a fontos termékük a metilációs microarray chip — ezek a híres "BeadChip" lapkák. A szövegben említett 27K és 450K éppen ezeknek a generációi:

• Infinium HumanMethylation27 (27K) — kb. 27 000 CpG-helyet mér egyszerre
• Infinium HumanMethylation450 (450K) — kb. 450 000 CpG-helyet
• (ma már a utódja, az EPIC chip, ~850 000 helyet)

Horvath azért dolgozott a 27K és 450K közös ~21 000 CpG-jével, mert így az órája mindkét platformon mért mintán működött.

Hogyan mér a chip?

Mérnökként ez tetszeni fog, mert tiszta jelfeldolgozás. A lapka apró üveggyöngyökkel (bead) van tele, mindegyikhez egy-egy specifikus DNS-szonda kötődik, amely egy adott CpG-helyre illeszkedik. A mintát kémiai kezelésnek vetik alá (biszulfit-konverzió), ami a metilálatlan citozinokat átalakítja, a metiláltakat viszont érintetlenül hagyja. Ezután minden CpG-helyhez két fluoreszcens jel tartozik: egy a "metilált", egy a "metilálatlan" állapotra. A kettő arányából számolják a béta-értéket:

β = metilált jel / (metilált jel + metilálatlan jel + konstans)

Ez 0 és 1 közötti szám: a 0 azt jelenti, hogy az adott hely az adott mintában egyáltalán nem metilált, az 1 azt, hogy teljesen. Lényegében egy analóg jel digitalizálása — minden CpG-helyre kapsz egy 0–1 közötti skalárt.

Mi tehát az "adatkészlet"?

Egy táblázat. A sorok az egyes minták (emberek), az oszlopok a CpG-helyek (a 450K chipnél ~450 000 oszlop), a cellákban pedig a béta-értékek. Egy ilyen adatkészlet jellemzően több tucat–több száz mintát tartalmaz, mellé metaadatokkal: a donor kora, neme, szövettípusa, egészségi állapota.

Honnan vette Horvath ezeket?

Ez a zsenialitása: nem ő mérte. A kutatók a publikált vizsgálataik adatkészleteit feltöltik nyilvános adatbázisokba — a legnagyobb ilyen a GEO (Gene Expression Omnibus), az amerikai NCBI üzemelteti. Horvath innen gyűjtötte össze a 82 adatkészletet, ~8000 mintát. Vagyis mások évek alatt, sok millió dollárból megmért adataiból épített egy teljesen új eszközt — egyetlen okos statisztikai ötlettel. Ezért tudott egy biostatisztikus olyat alkotni, amihez a klasszikus laborbiológusoknak drága kísérletek kellettek volna.

*** Ez a rész statisztika, csak erős idegzetűeknek: 21 000 lehetséges prediktor, de jóval kevesebb minta, mint változó. Egy hagyományos lineáris regresszió itt menthetetlenül túltanulna. Horvath ezért elasztikus hálót (elastic net) használt — ez két regularizációs módszer keveréke. A LASSO (L1-büntetés) képes a felesleges változók együtthatóját pontosan nullára húzni, vagyis automatikusan kiszelektálja a lényegtelen CpG-ket. A ridge (L2-büntetés) pedig stabilizálja a becslést, amikor sok prediktor korrelál egymással. Horvath a keverési paramétert (alpha) 0,5-re állította, vagyis egyenlő súllyal engedte érvényesülni a két hatást. A büntetés erősségét (lambda) tízszeres keresztvalidációval választotta ki — tízszer újra és újra felosztva az adatot tanító és tesztelő részre, hogy a modell ne csak a saját adatain teljesítsen jól.

Ez a regularizáció lényege, és mérnökként kifejezetten elegánsnak fogod találni. Kezdjük az alapproblémánál.

Mit csinál egy sima regresszió?

A hagyományos legkisebb négyzetes regresszió (OLS) egyetlen célt követ: minimalizálja a hibát, vagyis a becsült és a tényleges értékek közötti eltérések négyzetösszegét. A célfüggvény:

minimalizáld:  Σ(yᵢ − ŷᵢ)²

ahol a ŷ a 353 (illetve a kiindulásnál 21 000) CpG súlyozott összegéből áll elő. A modell szabadon választhatja meg a súlyokat (β-együtthatókat), hogy a hiba a lehető legkisebb legyen.

Itt a baj: ha 21 000 prediktorod van, de csak ~8000 mintád, a modell "kívülről megtanulja" az adatot. Minden apró zajra ráilleszt egy súlyt, és a saját tanítóadatán tökéletes lesz — új mintán viszont csapnivaló. Ez a túltanulás (overfitting). Jelfeldolgozóként ismerős: olyan, mintha a szűrőd a zajt is "hasznos jelnek" venné.

A megoldás: büntetés

A regularizáció hozzáad egy második tagot a célfüggvényhez, amely a súlyok nagyságát bünteti. A modell így már nem csak a hibát akarja csökkenteni, hanem egyszerre két dolgot mérlegel:

minimalizáld:  Σ(yᵢ − ŷᵢ)²  +  λ · (büntetés a súlyokra)

A λ (lambda) szabályozza, mennyire szigorú a büntetés. Ha λ = 0, visszakapod a sima regressziót. Ahogy növeled, a modell egyre inkább "óvatos" lesz, egyre kisebb súlyokat enged meg. Cserébe lemond némi pontosságról a tanítóadaton — de robusztusabb lesz új adaton. Ez egy klasszikus bias–variancia kompromisszum.

A kérdés csak az: hogyan mérjük a súlyok "nagyságát"? Itt jön a két norma.

L1-büntetés (LASSO)

Itt a súlyok abszolút értékeinek összegét bünteted:

büntetés = |β₁| + |β₂| + ... + |βₙ|

Ez az L1-norma. A LASSO (Least Absolute Shrinkage and Selection Operator) különleges tulajdonsága, hogy a felesleges súlyokat pontosan nullára húzza. Nem kicsire — nullára. Ez geometriailag azért történik, mert az L1-büntetés "tartománya" egy rombusz (csúcsos forma), és az optimum gyakran pont a csúcson, azaz egy tengelyen landol, ahol valamelyik súly nulla.

Ennek óriási gyakorlati haszna: a LASSO automatikusan kiválogatja, mely változók fontosak. A 21 000 CpG-ből a lényegteleneket egyszerűen kinullázza, és csak a hasznosak maradnak nem nulla súllyal. Innen jött Horvath 353 CpG-je — nem ő választotta ki kézzel, az L1-büntetés "selejtezte le" a többit. Ez a "Selection" az elnevezésben.

L2-büntetés (ridge)

Itt a súlyok négyzeteinek összegét bünteted:

büntetés = β₁² + β₂² + ... + βₙ²

Ez az L2-norma (a klasszikus euklideszi hossz négyzete). A ridge minden súlyt arányosan zsugorít a nulla felé, de soha nem teljesen nullára. Geometriailag a tartománya egy kör (gömb), nincsenek csúcsai, így az optimum ritkán esik pontosan tengelyre.

A ridge erőssége máshol van: kiválóan kezeli a multikollinearitást, vagyis amikor sok prediktor erősen korrelál egymással. CpG-knél ez tipikus — a fizikailag közeli helyek metiláltsága gyakran együtt mozog. A sima LASSO ilyenkor szeszélyesen viselkedik: egy korreláló csoportból véletlenszerűen kiválaszt egyet, a többit kinullázza. A ridge ezzel szemben szétteríti a súlyt a korreláló társak között, így stabilabb, megbízhatóbb becslést ad.

A trükk: elastic net = a kettő keveréke

Most látszik, miért volt okos Horvath döntése. A LASSO jó a változószelekcióban (ezt akarjuk: kevés, értelmezhető CpG), de instabil korreláló prediktoroknál. A ridge stabil korrelációnál, de nem szelektál (minden 21 000 CpG benn maradna). Az elastic net egyszerűen összeadja a két büntetést, egy keverési aránnyal súlyozva:

büntetés = α · (L1-tag) + (1−α) · (L2-tag)

Horvath az α = 0,5-öt választotta, vagyis fele-fele arányt. Így megkapta mindkettő előnyét: a LASSO levadássza és kinullázza a felesleges CpG-ket (ezért lett 353 és nem 21 000), a ridge pedig gondoskodik róla, hogy a korreláló CpG-csoportokon belül a súlyok stabilan, megbízhatóan oszoljanak el.

Egy mondatban: a büntetés nem más, mint egy fék a modell szabadságán — az L1 azt mondja "legyél takarékos, dobd ki a feleslegest", az L2 azt mondja "legyél óvatos, ne bízz túlságosan egyetlen változóban sem", az elastic net pedig mindkettőt egyszerre kéri.

A regresszió a statisztika egyik legalapvetőbb eszköze, és mérnökként valószínűleg már használtad is, csak talán más néven (görbeillesztés, curve fitting). A lényege egyetlen mondatban: összefüggést keresel egy vagy több bemenő változó és egy kimenő érték között, méghozzá egy olyan matematikai függvény formájában, amely a legjobban illeszkedik a megfigyelt adatokra.

A legegyszerűbb eset: lineáris regresszió

Képzelj el egy koordináta-rendszert, ahol pontok szóródnak szét. Mondjuk a vízszintes tengelyen az emberek életkora, a függőlegesen a testmagasságuk. A pontok nem esnek egy tökéletes egyenesre, de van egy tendencia. A regresszió megkeresi azt az egyenest, amely a legjobban "átszalad" a ponthalmazon:

ŷ = β₀ + β₁·x

Itt az x a bemenet (kor), a ŷ a becsült kimenet (magasság), a β₀ a tengelymetszet, a β₁ pedig a meredekség. A regresszió feladata, hogy megtalálja azt a β₀ és β₁ párt, amellyel az egyenes a legközelebb fut az összes ponthoz.

Mit jelent a "legjobban illeszkedik"?

Itt jön a tényleges matematika. Minden ponthoz van egy hiba: a tényleges érték (y) és az egyenes által megjósolt érték (ŷ) különbsége. A leggyakoribb módszer, a legkisebb négyzetek módszere (OLS, ordinary least squares) ezeknek a hibáknak a négyzetösszegét minimalizálja:

minimalizáld:  Σ(yᵢ − ŷᵢ)²

Miért négyzet, és nem egyszerű különbség? Két okból: egyrészt így a pozitív és negatív hibák nem oltják ki egymást, másrészt a nagy hibákat erősebben bünteti (egy 2-es hiba négyzete 4, egy 4-esé már 16). Ez egy kvadratikus optimalizálási feladat, amelynek szép, zárt képletű megoldása van — nem kell hozzá iterálni.

Egy bemenetből több bemenet (többváltozós regresszió)

A valóságban ritkán egyetlen tényező határoz meg valamit. A magasságot befolyásolja a kor, a nem, a genetika, a táplálkozás. A többváltozós regresszió ezt úgy kezeli, hogy minden bemenetnek saját súlyt ad:

ŷ = β₀ + β₁·x₁ + β₂·x₂ + β₃·x₃ + ...

És itt kapcsolódik vissza a Horvath-óra. Ott a bemenetek (x-ek) a CpG-helyek béta-értékei, a kimenet (ŷ) a becsült életkor, a súlyok (β-k) pedig azt mondják meg, hogy melyik CpG mennyire és milyen irányban "öregszik". A 21 000 CpG egyenként egy-egy x változó, mindegyikhez tartozik egy β súly. Amikor azt írtam, hogy "súlyozott összeg", az pontosan ez a képlet — csak nem 3, hanem több ezer taggal.

Miért nem mindig egyenes?

A regresszió nem korlátozódik egyenesekre. Lehet:

• polinomiális (görbe: ŷ = β₀ + β₁·x + β₂·x²...)
• logisztikus (amikor a kimenet igen/nem, pl. beteg-e vagy sem)
• nemlineáris sokféle formában

Emlékszel, hogy a Horvath-órában 20 éves kor alatt logaritmikus, fölötte lineáris transzformációt használt? Ez pont egy ilyen döntés volt: a nyers kort átalakította, hogy a regresszió jobban illeszkedjen az öregedés valódi, nem egyenletes üteméhez.

A teljes kép, ahogy a beszélgetésünk összeáll

Most már látszik a logikai lánc, amit az elmúlt kérdésekben felépítettünk:

1. A regresszió megkeresi a súlyokat, amelyekkel a bemenetekből megjósolható a kimenet.
2. Ha túl sok a bemenet (21 000 CpG), a sima regresszió túltanul — ezért kell fékezni.
3. A regularizáció (L1/L2 büntetés) ez a fék: korlátozza a súlyokat.
4. Az elastic net a kétféle fék kombinációja, ami egyszerre szelektál és stabilizál.

Tehát a regresszió a motor, a regularizáció a fék, és Horvath a kettő okos összehangolásával épített egy olyan eszközt, amely 353 számból megmondja, hány éves valójában egy szövet.

Egy mondatban: a regresszió az a módszer, amellyel adatokból megtanuljuk, hogyan függ egy kimenet a bemenetektől — és ezt a tudást egy konkrét, súlyokkal megadott képletben rögzítjük, amellyel utána új esetekre is jósolni tudunk.

---

Kulcsszavak: Horvath óra, epigenetikus óra, DNS metiláció, DNAmAge, biológiai kor, CpG, age acceleration, Steve Horvath, PhenoAge, GrimAge, DunedinPACE, longevity