为什么唾液检测如此重要？
DNA甲基化年龄检测需要DNA样本。目前主流的采样方式有两种：
血液采样：需要专业医护人员抽血，侵入性强，采样成本高，受检者体验差。虽然血液是甲基化研究中使用最广泛的组织，但它不适合大规模人群筛查和居家自采样。
唾液采样：只需唾液或口腔拭子，非侵入性，可以居家自行采集，采样成本低。这使得大规模健康筛查和长期跟踪监测成为可能。
核心问题：唾液中的DNA主要来自口腔黏膜上皮细胞和少量白细胞，细胞组成与血液显著不同。DNA甲基化具有组织特异性——不同组织的甲基化模式不同。因此，一个关键的科学问题是：在血液上训练的甲基化时钟，能否直接用于唾液？
答案是：需要校正，但完全可以做到。以下5篇代表性论文详细阐述了这一领域的研究进展。
论文1：Horvath多组织时钟——从设计之初就包含唾液
Horvath S. DNA methylation age of human tissues and cell types. Genome Biology. 2013;14:R115.
这是表观遗传时钟领域的奠基性论文。Horvath教授在这项研究中做了以下关键工作：
研究规模：使用了8,000个样本，来自82个Illumina DNA甲基化芯片数据集，涵盖51种健康组织和细胞类型。
唾液从一开始就在其中：Horvath的多组织时钟在设计时就明确包含了唾液（saliva）样本。这意味着该时钟的353个CpG位点是在包括唾液在内的多种组织上联合训练的，天然具备跨组织兼容性。
精度：在所有组织中，预测年龄与实际年龄的Pearson相关系数约为0.96，平均误差约3-4年。
关键贡献：证明了DNA甲基化年龄是一个跨组织保守的生物学指标，而非血液特异性的现象。这为唾液甲基化年龄检测奠定了理论基础。
关键要点
- 1Horvath时钟的353个CpG位点是在51种组织（含唾液）上联合训练的
- 2多组织时钟天然具备跨组织兼容性
- 3平均误差约3-4年，Pearson相关系数约0.96
论文2：EpiAge——唾液和血液双验证的NGS时钟
EpiAge: a next-generation sequencing-based ELOVL2 epigenetic clock for biological age assessment in saliva and blood across health and disease. Aging. 2025;17:206188.
EpiAge是一个基于ELOVL2基因的下一代测序（NGS）表观遗传时钟。ELOVL2（超长链脂肪酸延伸蛋白2）是衰老研究中被引用最多的表观遗传生物标志物之一，超过100篇学术论文讨论了它与衰老的关联。
核心发现：
1. 双组织验证：EpiAge模型同时在血液和唾液上进行了验证。在血液数据上训练后，研究团队专门使用GEO数据库中的唾液数据集进行了独立验证。
2. 高精度：EpiAgePublic与实际年龄的相关系数达到0.93，而DNAmAgeSkinBloodClock甚至达到了0.99。
3. 性别无关：EpiAge的预测不受性别差异影响，这是一个重要优势。
4. 非侵入性优势：研究明确指出，唾液在可及性和受检者依从性方面明显优于血液。
对Capome的意义：EpiAge证明了基于NGS的甲基化时钟可以在唾液中可靠工作，且精度与血液相当。这为Capome使用唾液样本提供了直接的文献支持。
关键要点
- 1ELOVL2是衰老研究中被引用最多的表观遗传标志物之一
- 2EpiAge在唾液和血液上均达到高精度（r=0.93）
- 3唾液在可及性和依从性方面优于血液
论文3：10个CpG位点就够了——唾液专用精简时钟
A Cost-Effective Saliva-Based Human Epigenetic Clock Using 10 CpG Sites Identified with the Illumina EPIC 850k Array. DNA. 2025;5(2):28.
这项研究提出了一个引人注目的发现：在唾液中，仅需10个CpG位点就能有效预测年龄。
研究方法：使用Illumina EPIC 850k芯片（覆盖超过85万个CpG位点）对唾液样本进行全基因组甲基化分析，然后通过特征选择算法筛选出最具年龄预测力的10个CpG位点。
核心结果：
- 10个CpG位点构建的线性模型，预测年龄与实际年龄的Pearson相关系数为r = 0.80（p < 1×10⁻⁵⁰）
- 约64%的年龄变异可被这10个位点的甲基化状态解释
重要启示：
- 唾液中与年龄相关的甲基化信号集中在少数关键位点上
- 不需要数十万个位点的全基因组扫描，少量关键位点即可实现可靠预测
- 这为开发低成本、高通量的唾液年龄检测产品提供了科学基础
与多组织时钟的关系：这项研究强调，组织特异性时钟（专门为唾液训练的模型）可以利用该组织最具信息量的标记，从而在保持精度的同时大幅降低检测成本。
关键要点
- 1唾液中仅10个CpG位点即可预测年龄（r=0.80）
- 2组织特异性时钟可利用最有信息量的标记
- 3为低成本唾液检测产品提供了科学基础
论文4：中国汉族人群唾液甲基化年龄模型——最贴近Capome的研究
A robust cross-tissue DNA methylation model for forensic age estimation from oral samples. 2025. PubMed ID: 40730045.
这是目前最贴近Capome应用场景的研究——在中国汉族人群中开发的唾液甲基化年龄预测模型。
研究设计：
- 样本量：216对配对的颊拭子和唾液样本
- 人群：中国汉族，年龄2-83岁
- 方法：系统评估了32种模型配置（不同CpG组合和建模方法）
核心结果：
- 颊拭子：平均绝对误差（MAE）= 3.19年
- 唾液：MAE = 3.44年
- 咀嚼胶：MAE = 3.29年
- 最终采用10个CpG位点的分位数回归模型
关键创新：
1. 跨组织设计——同一模型适用于颊拭子、唾液和咀嚼胶三种口腔样本
2. 针对汉族人群优化——目前大多数甲基化时钟在欧美人群中训练，该研究填补了亚洲人群的空白
3. 高鲁棒性——在不同口腔采样方式间保持稳定精度
对Capome的特别意义：Capome面向中国消费者，使用唾液样本。该研究证明在中国汉族人群中，唾液甲基化年龄预测可以达到约3.4年的精度，直接支持了Capome的技术路线。
关键要点
- 1中国汉族人群216对样本验证
- 2唾液MAE=3.44年，精度接近血液
- 3填补了亚洲人群唾液甲基化时钟的空白
论文5：血液模型如何迁移到唾液——跨组织校正策略
Zarandooz S, Raffington L. Applying blood-derived epigenetic algorithms to saliva: cross-tissue similarity of DNA-methylation indices of aging, physiology, and cognition. Clinical Epigenetics. 2025;17:61.
这项2025年发表在Clinical Epigenetics上的研究，系统回答了一个核心问题：在血液上开发的甲基化算法，能否用于唾液？
研究方法：将多个血液来源的甲基化算法应用于唾液甲基化数据，并评估跨组织的对应程度。
核心发现：
1. 第二代和第三代时钟（如GrimAge、DunedinPACE等）：经过细胞组成校正后，唾液与血液的组内相关系数（ICC）为0.50-0.76，属于"中度到高度"一致性。
2. 第一代时钟（如Horvath时钟、Hannum时钟）：跨组织一致性较低。
3. 关键启示：血液训练的甲基化算法可以应用于唾液，但需要两个条件：
- 进行细胞组成校正（cell-type deconvolution）
- 使用更先进的第二代/第三代时钟模型
实践意义：这项研究为"在唾液上使用血液训练的甲基化模型"提供了方法论指导。Capome等产品的技术路线——使用多组织兼容的模型并针对唾液进行优化——完全符合这一研究的建议。
关键要点
- 1血液甲基化算法可用于唾液，但需细胞组成校正
- 2第二代/第三代时钟跨组织一致性优于第一代
- 3ICC 0.50-0.76，中度到高度一致性
综合结论：唾液甲基化年龄检测的科学基础
综合以上5篇论文，我们可以得出以下结论：
唾液DNA甲基化可以可靠地评估生物学年龄，但需要满足以下技术条件：
1. 使用多组织兼容模型（如Horvath时钟）或唾液专用模型（如唾液10-CpG时钟），而非直接套用血液训练的单组织模型。
2. 进行细胞组成校正：唾液和血液的细胞组成不同，需要通过统计算法（如cell-type deconvolution）校正这种差异。
3. 针对目标人群优化：中国汉族人群的唾液甲基化年龄预测已达到MAE约3.4年的精度，证明在亚洲人群中同样可行。
4. 选择合适的CpG位点：研究表明，少量关键位点（10-18个）即可在唾液中实现可靠预测，不需要全基因组扫描。
技术路线评估：基于DNA甲基化的衰老检测技术，使用唾液样本、针对中国人群优化的模型——这一技术路线在上述5篇论文中均能找到直接的科学支持。
未来展望：随着更多唾液特异性甲基化时钟的开发和中国人群数据的积累，唾液甲基化年龄检测的精度有望进一步提升。非侵入性采样方式将使大规模人群筛查和长期健康监测变得更加便捷。