Epigenetic clocks — algorithms that estimate biological age from DNA methylation patterns — have accumulated a strong epidemiological record. They predict all-cause mortality, cardiovascular events, cancer incidence, and cognitive decline with effect sizes that remain significant after adjusting for conventional risk factors. A physician reading these papers might reasonably ask: why are we not using biological age in clinical decisions today?

The answer is not that the science is wrong. It is that the gap between population-level prediction and individual clinical utility is wider than the literature sometimes suggests.

The Research Landscape: A Proliferation of Clocks

Since Horvath's original multi-tissue clock in 2013, the field has produced a succession of increasingly refined estimators. The current generation includes purpose-built clocks optimized for specific outcomes rather than chronological age itself.

GrimAge and GrimAge2 incorporate DNA methylation surrogates for plasma proteins (including PAI-1 and GDF-15) and smoking pack-years. Zhu et al. (2025) demonstrate in a retrospective cohort that GrimAge and GrimAge2 age acceleration predicts mortality risk with consistent hazard ratios across multiple validation datasets. GrimAge2 showed marginal improvements over the original, particularly in non-smoking populations.

DunedinPACE takes a different approach — rather than estimating a static biological age, it measures the pace of aging (years of biological aging per calendar year) using longitudinal data from the Dunedin birth cohort. This rate-of-change metric is conceptually attractive for monitoring interventions.

PhysAge, introduced by Arpawong et al. (2025), integrates DNA methylation with physiological system markers to create a "physiological health age" that captures multi-system decline. The authors demonstrate improved mortality prediction relative to earlier clocks, though validation remains limited to specific cohorts.

Kusters and Horvath (2024) provide the most comprehensive public health perspective, reviewing how epigenetic aging metrics might be used for early detection of chronic conditions and monitoring population health interventions. Their assessment is notably measured: the potential is clear, but "considerable work remains before routine clinical deployment."

Critical Analysis

<

Claim	Evidence	Verdict
Epigenetic age acceleration predicts mortality independently of conventional risk factors	Multiple large cohort studies (MESA, HRS, Framingham) confirm independent associations	✅ Supported — the epidemiological evidence is robust
GrimAge2 improves on GrimAge	Zhu et al. (2025) show modest improvement, especially in non-smokers	⚠️ Marginal — incremental rather than transformative improvement
DunedinPACE captures intervention effects	Some RCTs show pace changes with caloric restriction and lifestyle interventions	⚠️ Promising but limited — effect sizes are small and clinical significance uncertain
Epigenetic clocks are ready for clinical deployment	No regulatory-approved clinical test exists; no established clinical decision thresholds	❌ Not yet — multiple barriers remain
Newer clocks (PhysAge, EpiScore) outperform older ones	Limited head-to-head comparisons in diverse populations	⚠️ Unclear — cohort-specific validation does not guarantee generalizability

The Standardization Problem

A fundamental barrier to clinical adoption is that different clocks give different answers for the same individual. Horvath's clock, Hannum's clock, PhenoAge, GrimAge, and DunedinPACE each use different CpG sites, different algorithms, and different training outcomes. They correlate with each other only moderately. For a clinician, the question "What is this patient's biological age?" does not have a single answer — it has five or more, depending on which algorithm is applied.

Yamada (2025) argues that this proliferation is not merely an inconvenience but a conceptual issue: each clock captures a different dimension of aging. GrimAge emphasizes inflammation and plasma protein proxies. DunedinPACE emphasizes rate of change in organ function. PhenoAge emphasizes metabolic and immune markers. They are measuring related but distinct biological processes, and collapsing them into a single "biological age" number obscures this complexity.

The Cost and Access Barrier

Clinical-grade DNA methylation profiling (Illumina EPIC array) costs $200–$400 per sample, requires specialized laboratory processing, and takes days to return results. This is not prohibitive for research studies but is impractical for population screening. Point-of-care testing does not exist. Until the assay becomes faster and cheaper — perhaps through targeted panels measuring only the CpG sites needed for a specific clock — routine clinical use is economically challenging.

The Actionability Gap

The most critical barrier may be the absence of established clinical decision thresholds. If a patient's GrimAge is 5 years accelerated, what does the physician do differently? Prescribe exercise? Adjust statin dosing? Refer for further testing? The epidemiological literature establishes that accelerated aging is associated with worse outcomes, but the intervention studies are sparse and the effect sizes of available interventions on epigenetic age are modest.

Srivatsa et al. (2025) address this partially in the cardiovascular domain, showing that epigenetic age acceleration adds predictive information beyond coronary artery calcium scores in the MESA cohort. But additive prediction does not automatically translate to improved clinical decision-making — that requires randomized evidence that acting on biological age information changes outcomes.

Open Questions

Which clock for which purpose? The field needs consensus on matching specific clocks to specific clinical contexts rather than treating them as interchangeable.

Intervention responsiveness: Can lifestyle or pharmacological interventions reliably reduce epigenetic age acceleration, and does reduction translate to clinical benefit?

Equity implications: DNA methylation patterns differ by race, socioeconomic status, and environmental exposures. Clocks trained on predominantly White populations may perform differently in other groups.

Regulatory pathway: What evidence would a regulatory body require to approve an epigenetic clock as a clinical diagnostic? No precedent exists.

Integration with multi-omics: Combining epigenetic clocks with proteomic, metabolomic, and imaging data may yield more clinically useful composite biomarkers than any single modality.

Closing

Epigenetic clocks represent a genuine scientific advance in quantifying biological aging. The epidemiological evidence linking accelerated epigenetic aging to adverse health outcomes is consistent and well-replicated. But clinical translation requires more than prediction — it requires standardization, actionable thresholds, cost-effective assays, and evidence that using biological age information improves patient outcomes. The field is building toward these milestones, but the gap between research utility and clinical practice remains substantial.

면책 조항: 이 게시물은 정보 제공을 목적으로 한 연구 동향 개요이다. 학술 저작물에서 인용하기 전에 구체적인 연구 결과, 통계 및 주장을 원본 논문과 대조하여 검증해야 한다.

임상에서의 후성유전학적 시계: 생물학적 나이가 아직 의료 실무를 바꾸지 못한 이유

DNA 메틸화 패턴으로부터 생물학적 나이를 추정하는 알고리즘인 후성유전학적 시계(epigenetic clock)는 역학적 근거를 탄탄히 축적해 왔다. 이 알고리즘은 기존 위험 인자들을 보정한 후에도 유의미한 효과 크기로 전원인 사망률, 심혈관 사건, 암 발생률, 인지 기능 저하를 예측한다. 이러한 논문들을 읽은 임상의라면 합리적인 의문을 가질 수 있다. 왜 우리는 오늘날 임상적 의사 결정에 생물학적 나이를 활용하지 않는가?

그 답은 과학이 틀렸기 때문이 아니다. 집단 수준의 예측과 개인의 임상적 유용성 사이의 간극이 문헌에서 시사하는 것보다 훨씬 크기 때문이다.

연구 현황: 시계의 증식

2013년 Horvath의 최초 다조직(multi-tissue) 시계 이후, 이 분야는 점점 더 정교해진 추정 모델들을 연이어 제시해 왔다. 현재 세대의 모델에는 연대기적 나이 자체가 아닌 특정 결과에 최적화된 목적 맞춤형 시계가 포함된다.

GrimAge와 GrimAge2는 혈장 단백질(PAI-1 및 GDF-15 포함)과 흡연 갑년(pack-year)에 대한 DNA 메틸화 대리 지표를 통합한다. Zhu 등(2025)은 후향적 코호트 연구에서 GrimAge와 GrimAge2의 나이 가속이 복수의 검증 데이터셋에서 일관된 위험비(hazard ratio)로 사망 위험을 예측함을 입증하였다. GrimAge2는 특히 비흡연 집단에서 원래 모델에 비해 미미한 수준의 개선을 보였다.

DunedinPACE는 다른 접근 방식을 취한다. 정적인 생물학적 나이를 추정하는 대신, Dunedin 출생 코호트의 종단 데이터를 활용하여 노화 속도(달력 연도당 생물학적 노화 연수)를 측정한다. 이 변화율 지표는 개념적으로 중재 효과 모니터링에 적합하다.

Arpawong 등(2025)이 소개한 PhysAge는 다중 체계 쇠퇴를 포착하는 '생리적 건강 나이(physiological health age)'를 구성하기 위해 DNA 메틸화와 생리적 체계 지표를 통합한다. 저자들은 초기 시계들에 비해 향상된 사망률 예측 성능을 입증하였으나, 검증은 특정 코호트에 국한되어 있다.

Kusters와 Horvath(2024)는 만성 질환의 조기 발견과 집단 건강 중재 모니터링에 후성유전학적 노화 지표를 활용하는 방안을 검토하며 가장 포괄적인 공중 보건 관점을 제시한다. 그들의 평가는 현저히 절제되어 있다. 잠재력은 분명하지만 "일상적인 임상 배치 이전에 상당한 작업이 남아 있다."

비판적 분석

<

주장	근거	판정
후성유전학적 나이 가속은 기존 위험 인자와 독립적으로 사망률을 예측한다	복수의 대규모 코호트 연구(MESA, HRS, Framingham)가 독립적 연관성을 확인한다	✅ 지지됨 — 역학적 근거가 견고하다
GrimAge2는 GrimAge를 개선한다	Zhu 등(2025)은 특히 비흡연자에서 미미한 개선을 보인다	⚠️ 미미함 — 변혁적 개선이 아닌 점진적 개선이다
DunedinPACE는 중재 효과를 포착한다	일부 RCT에서 열량 제한 및 생활 습관 중재로 속도 변화가 관찰된다	⚠️ 유망하나 제한적 — 효과 크기가 작고 임상적 유의성이 불확실하다
후성유전학적 시계는 임상 배치 준비가 되어 있다	규제 승인을 받은 임상 검사가 없으며, 확립된 임상적 의사 결정 임계값도 없다	❌ 아직 아님 — 복수의 장벽이 남아 있다
신형 시계(PhysAge, EpiScore)는 구형 시계를 능가한다	다양한 집단에서의 직접 비교 연구가 제한적이다	⚠️ 불명확 — 코호트 특이적 검증이 일반화 가능성을 보장하지 않는다

표준화 문제

임상 도입의 근본적인 장벽은 서로 다른 시계가 동일한 개인에 대해 서로 다른 답을 제시한다는 점이다. Horvath 시계, Hannum 시계, PhenoAge, GrimAge, DunedinPACE는 각각 서로 다른 CpG 부위, 서로 다른 알고리즘, 서로 다른 훈련 결과를 사용한다. 이들은 서로 중등도의 상관관계만을 보인다. 임상의 입장에서 "이 환자의 생물학적 나이는 얼마인가?"라는 질문에는 단일한 답이 없으며, 어떤 알고리즘을 적용하느냐에 따라 다섯 가지 이상의 답이 존재한다.

Yamada(2025)는 이러한 증식이 단순한 불편함이 아니라 개념적 문제라고 주장한다. 즉, 각각의 시계는 노화의 서로 다른 차원을 포착한다. GrimAge는 염증 및 혈장 단백질 대리 지표를 강조하고, DunedinPACE는 장기 기능의 변화 속도를 강조하며, PhenoAge는 대사 및 면역 지표를 강조한다. 이들은 서로 관련되어 있지만 구별되는 생물학적 과정을 측정하고 있으며, 이를 단일한 "생물학적 나이" 수치로 환원하면 이러한 복잡성이 가려진다.

비용 및 접근성 장벽

임상 등급의 DNA 메틸화 프로파일링(Illumina EPIC array)은 샘플당 $200–$400의 비용이 들며, 전문적인 실험실 처리가 필요하고 결과를 반환하는 데 수일이 소요된다. 이는 연구 목적에서는 감당할 수 없는 비용이 아니지만, 인구 집단 선별검사에는 비실용적이다. 현장 검사(point-of-care testing)는 존재하지 않는다. 특정 시계에 필요한 CpG 부위만을 측정하는 표적 패널 등을 통해 분석법이 더 빠르고 저렴해지기 전까지는, 일상적인 임상 사용이 경제적으로 어렵다.

실행 가능성 격차

가장 핵심적인 장벽은 확립된 임상 의사결정 기준값의 부재일 것이다. 환자의 GrimAge가 5년 가속되어 있다면, 의사는 무엇을 다르게 해야 하는가? 운동을 처방해야 하는가? 스타틴 용량을 조정해야 하는가? 추가 검사를 의뢰해야 하는가? 역학 문헌은 가속 노화가 더 나쁜 결과와 관련이 있음을 확립하고 있지만, 중재 연구는 부족하며 후성유전학적 나이에 대한 가용한 중재들의 효과 크기는 미미하다.

Srivatsa 등(2025)은 심혈관 영역에서 이를 부분적으로 다루었으며, MESA 코호트에서 후성유전학적 나이 가속이 관상동맥 칼슘 점수를 넘어서는 추가적인 예측 정보를 제공함을 보여주었다. 그러나 부가적 예측이 자동적으로 임상 의사결정의 개선으로 이어지는 것은 아니며, 이를 위해서는 생물학적 나이 정보에 따른 행동이 결과를 변화시킨다는 무작위 근거가 필요하다.

미해결 질문들

어떤 목적에 어떤 시계를 사용할 것인가? 이 분야는 에피제네틱 시계들을 상호 교환 가능한 것으로 취급하기보다는, 특정 시계를 특정 임상 맥락에 대응시키는 합의가 필요하다.

중재 반응성: 생활 습관 또는 약리학적 중재가 후성유전학적 나이 가속을 신뢰성 있게 감소시킬 수 있는가, 그리고 그 감소가 임상적 이득으로 이어지는가?

형평성 함의: DNA 메틸화 패턴은 인종, 사회경제적 지위, 환경적 노출에 따라 다르다. 주로 백인 인구 집단을 대상으로 훈련된 시계는 다른 집단에서 다르게 작동할 수 있다.

규제 경로: 규제 기관이 에피제네틱 시계를 임상 진단 도구로 승인하기 위해 어떤 근거를 요구할 것인가? 아직 선례가 존재하지 않는다.

다중 오믹스와의 통합: 에피제네틱 시계를 단백체학, 대사체학, 영상 데이터와 결합하면 단일 방식보다 임상적으로 더 유용한 복합 바이오마커를 도출할 수 있을 것이다.

마치며

에피제네틱 시계는 생물학적 노화를 정량화하는 데 있어 진정한 과학적 진보를 나타낸다. 후성유전학적 노화 가속을 부정적 건강 결과와 연결하는 역학적 근거는 일관되고 잘 재현되어 있다. 그러나 임상 적용은 예측 이상을 요구한다. 즉, 표준화, 실행 가능한 기준값, 비용 효율적인 분석법, 그리고 생물학적 나이 정보의 활용이 환자 결과를 개선한다는 근거가 필요하다. 이 분야는 이러한 이정표를 향해 나아가고 있지만, 연구 유용성과 임상 실무 사이의 간극은 여전히 상당하다.