表觀遺傳時鐘 vs 血液生物標記年齡：哪一種符合你的目標？

表觀遺傳時鐘與血液生物標記年齡不是同一項檢測的兩個版本。表觀遺傳時鐘分析 DNA 甲基化模式；臨床生物標記模型則結合白蛋白、肌酸酐、葡萄糖、C 反應蛋白和血球指數等測量值。兩者各自把老化生物學的不同層面濃縮為一個分數。

這個差異會決定哪種方法適合你的目標。若你想要分子研究訊號或變化較慢的基線，經良好驗證的表觀遺傳時鐘可能有用。若你想要負擔較低、可重複檢測，並能與臨床醫師討論的線索，血液生物標記年齡通常更實用。兩者都不會揭示唯一「真正」的生物年齡，也不能單獨診斷疾病或指導治療。

快速解答

當你的主要問題是 DNA 甲基化、分子老化或已驗證的老化速度指標時，選擇表觀遺傳時鐘。當你需要成本較低、可重複、連結熟悉臨床測量值且可能可採取行動的分數時，選擇血液生物標記年齡。 若這項決定很重要，請比較同一方法內的趨勢，而非比較不同時鐘回傳的原始年齡。

主要事實

• 表觀遺傳時鐘分析特定 CpG 位點的 DNA 甲基化模式。
• 血液生物標記模型把常規臨床測量值結合為風險或生理導向的年齡。
• 檢測目的決定哪一種老化方法提供較相關的訊號。
• 一致的測量條件能提升任一方法的長期追蹤價值。
• 沒有任何生物年齡分數可以取代臨床評估或既有疾病風險工具。

先決定你希望分數做什麼

「哪個檢測更準？」看似是明顯問題，但並不完整：準確是相對於什麼？

第一代甲基化時鐘可能很準確地估計日曆年齡，卻較少補充疾病風險資訊。較晚世代的時鐘可能以死亡率相關或生理結果訓練。PhenoAge 這類血液模型同樣以結果為導向：它把臨床生化值模式換算成參考族群中具有相近死亡風險的年齡。

馬克斯・普朗克老化生物學研究所恰當總結了核心難題：目前無法用一項檢測精準測量老化，不同組織可能以不同速度老化，而現有方法尚未成為個人診斷工具。

選擇方法前，請完成這句話：

我希望這個生物年齡分數幫助我理解 ________。

答案應比「我的身體有多老」更具體。常見目標包括：

• 建立分子老化基線；
• 估計老化速度訊號；
• 監測整體生理變化；
• 找出值得注意的常規健康領域；
• 評估持續介入是否與可重複的趨勢同步；
• 為研究計畫提供資料。

目標明確後，比較就容易得多。

表觀遺傳時鐘測量什麼

表觀遺傳時鐘測量 DNA 甲基化：附著在 DNA 上、可協助調節基因活性而不改變 DNA 序列的化學標記。演算法讀取選定 CpG 位點的甲基化程度，結合為年齡、年齡加速殘差、死亡率相關分數或老化速度值。

時鐘名稱很重要，因為不同世代針對不同目標訓練：

• 第一代時鐘（包括原始 Horvath 與 Hannum）主要訓練來預測日曆年齡。
• 第二代時鐘（包括 DNAm PhenoAge 與 GrimAge）在開發中納入健康、死亡率、吸菸或蛋白質相關資訊。
• 第三代指標（包括 DunedinPACE）旨在估計多個器官系統改變的速率，而非回傳單純的年數。

我們的 Horvath、GrimAge 與 DunedinPACE 指南詳解這些時鐘世代。

因此，「我做了表觀遺傳檢測」資訊並不足夠。你還需要知道：

1. 哪個演算法產生結果？
2. 它訓練來預測哪個結果？
3. 使用何種組織與檢測法？
4. 供應商是否報告技術重複性？
5. 報告的是年齡、年齡差、風險分數還是速度？

2025 年一項 Nature Communications 研究在 18,859 人身上比較 14 種時鐘，發現第二、三代時鐘整體上在新發疾病結果方面優於第一代時鐘。作者也指出不存在生物老化的黃金標準。所以「表觀遺傳」不會自動等於「最好」；時鐘的訓練目標必須符合你的問題。

血液生物標記年齡測量什麼

血液生物標記年齡使用常規或近乎常規的臨床測量值，估計一個人的生理輪廓與跨年齡或死亡風險觀察模式的關係。

廣受研究的例子是 Levine Phenotypic Age，常簡稱 PhenoAge。它的臨床版本使用日曆年齡加上九項生物標記：

• 白蛋白；
• 肌酸酐；
• 葡萄糖；
• C 反應蛋白；
• 淋巴球百分比；
• 平均紅血球體積；
• 紅血球分佈寬度；
• 鹼性磷酸酶；
• 白血球計數。

原始世代研究將 Phenotypic Age 定義為參考族群中對應個人估計死亡風險的年齡，而非字面上的細胞年齡。研究中它在多個群體中預測死亡率與罹病狀況的表現優於單用日曆年齡（Levine 等人，2018）。

其他臨床方法使用不同的生物標記與數學模型。例如 Klemera-Doubal 方法根據多項生物標記與日曆年齡的關係估計生物年齡。我們的 PhenoAge 與 KDM 血液檢測指南說明了模型如何不同。

血液生物標記年齡的吸引力不在於常規檢驗直接量到每一項老化特徵，而是其輸入值常對應可辨識的生理領域：

輸入領域	例子	異常模式可能反映什麼
發炎與免疫	CRP、白血球、淋巴球百分比	急性疾病、慢性發炎、免疫活化或其他情境
代謝調節	葡萄糖	最近準備狀態、藥物影響或葡萄糖調節受損
肝臟與營養儲備	白蛋白、鹼性磷酸酶	水分、營養、肝臟或骨骼相關情境
腎功能	肌酸酐	腎臟過濾、肌肉量、水分、運動或藥物情境
血球特徵	MCV、RDW	血液、營養、發炎或其他臨床模式

這些不是一對一的解釋。高或低值可能有多個原因，生物年齡公式無法判定哪個原因適用於你。因此原始實驗室報告和臨床情境比單一合成年齡更重要。若想全面了解輸入值，請參考長壽完整血液檢查指南。

表觀遺傳時鐘 vs 血液生物標記年齡一覽

決策因素	表觀遺傳時鐘	血液生物標記年齡
主要訊號	DNA 甲基化模式	臨床生化與血球模式
典型問題	分子年齡、死亡率相關甲基化訊號或老化速度	多系統生理狀態或風險相關年齡
輸入負擔	專門血液或唾液採樣與甲基化分析	使用既定實驗室指標的標準抽血
直接可行動性	通常較間接，分數不一定指向特定臨床目標	通常較高，因可看到個別輸入值
重測頻率	通常適合較長間隔	往往可在較短、臨床合宜的間隔進行
情境敏感性	組織、細胞組成、檢測法、陣列、批次與演算法	空腹、水分、運動、疾病、藥物、檢測法與實驗室
解讀風險	把分子估計當作精確壽命預測	把合成分數當作診斷，或機械地最佳化單一輸入值
最佳比較方式	長期使用同一時鐘、組織、檢測法與流程	長期使用同一公式、實驗室方法、準備條件與生物標記組

這張表沒有普遍贏家；它顯示兩種方法解決不同的測量問題。

哪一種方法符合各個實際目標？

目標 1：建立分子老化基線

較適合：表觀遺傳時鐘。

若你特別關心 DNA 甲基化或參與老化研究，經驗證的甲基化時鐘直接測量相關分子層。選擇訓練目標符合問題的時鐘：日曆年齡預測、死亡率相關風險或老化速度。

別假設唾液與血液結果可互換。組織與細胞組成會影響甲基化模式，為一種情境校準的時鐘未必能乾淨轉用到另一種情境。

目標 2：找出可調整的臨床訊號

較適合：血液生物標記年齡，並連同組成檢驗值解讀。

合成結果可將注意力引回發炎、葡萄糖調節、腎功能、肝臟相關指標或血球模式。這不會使公式成為診斷工具，而是使輸入值較容易連結到傳統追蹤。

最有用的問題不是「如何降低年齡？」而是「哪些輸入值改變了、改變是否真實，以及是否有任何數值需要標準醫療解讀？」

目標 3：監測生活方式介入

通常較適合：以血液生物標記取得較近期的回饋；以表觀遺傳檢測作較慢的次要檢查點。

常規生物標記可在數週或數月改變，但合適的複測間隔取決於指標和臨床情況。甲基化測量可提供不同層面的證據，但太頻繁檢測會讓技術與生物雜訊看起來像進步。

不論採用哪種方法，先定義介入措施、預期方向、最短追蹤時間，以及檢測前必須維持一致的條件。我們的生物年齡複測時機指南提供依方法區分的架構。

目標 4：估計疾病風險或作出醫療決策

兩種方法都不應取代經驗證的臨床風險評估。

較晚世代的時鐘和臨床生物年齡模型，與群體層級的罹病率和死亡率存在關聯；這不表示消費者分數可在一個人身上診斷癌症、心血管疾病、糖尿病或其他病症。

請使用實際臨床問題所需的既有工具：血壓評估、血脂與 ApoB 評估、糖尿病篩檢、心血管風險計算器、癌症篩檢和由臨床醫師指示的檢測。生物年齡結果可以開啟對話，卻不應成為結論。

目標 5：與朋友比較或比較兩家供應商

兩種方法都不適合。

不同演算法、樣本、實驗室、前處理流程和參考族群可以產生不同數字，且不代表任何一個結果虛假。把 PhenoAge 42 與甲基化年齡 37 相比，就像因為兩者都描述天氣而比較氣溫與風速。

若兩個分數不一致，請先閱讀我們的生物年齡檢測為何結果不同，不要直接判定其中一個錯了。

可重複性比戲劇性的初次結果更重要

當一項生物年齡檢測能在自身測量雜訊下辨識真實變化時，才會更有用。

表觀遺傳時鐘可能受樣本採集、細胞混合比例、甲基化平台、探針品質、前處理、批次效應和時鐘數學模型影響。2022 年研究發現，技術雜訊讓六個著名時鐘的重複樣本差異可達九年；主成分版本提高可靠性，使大多數重複差異低於 1.5 年（Higgins-Chen 等人，2022）。2024 年跨陣列研究也發現，不同甲基化陣列世代存在技術變異，主成分時鐘版本較穩定（Bernstein 等人，2024）。

血液生物標記有不同的雜訊輪廓。近期高強度運動可影響肌酸酐與發炎指標；水分可改變濃度；感染可改變白血球與 CRP。空腹狀態、採血時間、藥物、月經週期情境及實驗室方法也都可能重要。

解讀變化前，請使用這份一致性清單：

• 重複同一模型，不要更換公式；
• 使用同一樣本類型，並盡可能使用同一實驗室方法；
• 遵守相同的空腹與採樣指示；
• 除非疾病正是問題，否則避免在急性病期間檢測；
• 記錄重大的訓練、睡眠、旅行、藥物與體重改變；
• 檢視底層輸入值，不只看年齡標題；
• 尋找超出預期雜訊的趨勢。

沒有不確定性資訊的結果看起來可能比實際更精確。請閱讀生物年齡信賴區間指南來判斷小幅改變是否可與正常變異區分。

兩層策略通常比選出勝者更有用

你不必把這項比較變成競賽。當預算、取得性和目的合理時，兩種方法可放在不同層次：

1. 臨床層： 依你的健康狀況和臨床醫師建議，在合適間隔追蹤常規生物標記。使用個別數值作標準醫療解讀。
2. 分子層： 若有特定分子或研究問題，可偶爾加入定義明確的表觀遺傳測量。
3. 行為層： 追蹤實驗室快照之間會改變的習慣與生理訊號，例如活動量、體適能、睡眠、靜息心率和恢復。

跨層一致能強化趨勢；不一致不自動代表失敗，而可能顯示方法在回應不同生物學或不同時間尺度。例如，改善的葡萄糖與 CRP 可能會先降低臨床生物標記年齡，之後甲基化測量才有可偵測變化。反過來，表觀遺傳速度指標可能捕捉到單次良好血液面板未呈現的長期模式。正確反應是檢查時間尺度和輸入值，而不是把分數平均成虛構的「共識年齡」。

SuperAge 如何填補實驗室快照之間的空白

SuperAge 不進行 DNA 甲基化分析。它使用穿戴裝置資料和選填的血液檢測輸入，從透明的生理領域估計生物年齡。因此它是頻繁回饋層，而不是表觀遺傳時鐘、臨床實驗室或醫療照護的替代品。

實際價值在於連續性。專門檢測可能提供偶爾的快照，而穿戴趨勢可顯示睡眠、活動、心肺適能、靜息心率和恢復是否在檢測之間一致地變動。SuperAge 生物年齡計算指南說明其領域、權重與可靠性分數。

用五個問題選擇方法

付款或複測前，請問：

1. 模型確切估計哪個結果？ 日曆年齡、死亡率相關風險、老化速度和生理狀態不是同一終點。
2. 方法是否在像我這樣的人群中驗證？ 年齡範圍、祖源、健康狀況、組織和檢測法都會影響表現。
3. 我能檢視輸入值和不確定性嗎？ 沒有方法細節、重複性或信賴限制的精確年齡難以解讀。
4. 我會如何利用結果？ 若任何合理結果都不會改變下一步，檢測可能只增加好奇心而非實用性。
5. 我能一致地重複嗎？ 只有在方法和檢測前條件可比時，趨勢才可解讀。

常見問題

表觀遺傳時鐘比血液生物標記年齡更準嗎？

不存在普遍答案。準確度取決於目標。用來預測日曆年齡的時鐘、以死亡率相關結果訓練的時鐘，以及以臨床生物標記建立的血液模型，回答的是不同問題。應以結果和驗證證據選擇，而非只看「表觀遺傳」標籤。

血液生物標記年齡等於 PhenoAge 嗎？

不等於。PhenoAge 是一種特定臨床生物標記模型。KDM 生物年齡和其他演算法可能使用不同輸入、權重、族群和統計目標，因此兩種血液年齡可能不同。

我可以把表觀遺傳年齡直接與 PhenoAge 比較嗎？

你可以比較方向和情境，但直接相減通常沒有意義。每個分數都有自己的量尺和參考模型；請各自相對於自身基線追蹤。

哪種檢測最適合衡量生活方式改變是否有效？

若需要較近期的回饋，可重複的臨床生物標記通常提供較可行動的資訊。甲基化時鐘可加入較慢的分子檢查點，特別是在適當間隔後重複相同驗證方法時。若沒有受控設計，兩者都無法證明一項介入造成了變化。

我應多久重複生物年齡檢測？

沒有通用間隔。它取決於方法、預期改變速率、技術雜訊、臨床情境和是否有明確介入進行中。避免在檢測合理上尚無法偵測改變前就重複。

如果我的生物年齡比日曆年齡大，該怎麼做？

先確認資料品質和情境，再與合適的醫療專業人員檢視個別臨床測量值和標準風險因子。不要只為降低合成分數就自行開始用藥、停止治療或服用補充劑。

重點整理

• 表觀遺傳時鐘和血液生物標記年齡測量的是老化生物學的不同層面。
• 最好的方法是訓練目標、時間尺度和輸入值符合你問題的方法。
• 對 DNA 甲基化與分子老化問題，表觀遺傳時鐘是較直接的選擇。
• 血液生物標記年齡通常較容易重複，並連結到傳統臨床測量值。
• 較晚世代的甲基化時鐘可能比第一代年齡時鐘更能預測健康結果，但沒有任何時鐘是通用診斷標準。
• 在一致條件下比較同一方法內的趨勢，不要把不同年齡分數視為可互換。

建立測量計畫，而非蒐集分數

選定一個主要問題、一種相符方法和實際的複測間隔。記錄每次測量的條件，並預先決定何種幅度或支持證據才算有意義的改變。實驗室檢測之間，使用 SuperAge 追蹤讓每次快照具有情境的生理行為與趨勢。

參考資料

1. Max Planck Institute for Biology of Ageing. What is biological age and how can it be measured? Updated July 2, 2026.
2. Levine ME, Lu AT, Quach A, et al. An epigenetic biomarker of aging for lifespan and healthspan. Aging. 2018.
3. Liu Z, Kuo PL, Horvath S, Crimmins E, Ferrucci L, Levine M. A new aging measure captures morbidity and mortality risk across diverse subpopulations from NHANES IV. PLOS Medicine. 2018.
4. McCrory C, Fiorito G, Hernandez B, et al. GrimAge outperforms other epigenetic clocks in the prediction of age-related clinical phenotypes and all-cause mortality. The Journals of Gerontology: Series A. 2021.
5. Belsky DW, Caspi A, Corcoran DL, et al. DunedinPACE, a DNA methylation biomarker of the pace of aging. eLife. 2022.
6. Higgins-Chen AT, Thrush KL, Wang Y, et al. A computational solution for bolstering reliability of epigenetic clocks. Nature Aging. 2022.
7. Bernstein DL, et al. Technical variability across the 450K, EPICv1, and EPICv2 DNA methylation arrays. Clinical Epigenetics. 2024.
8. Sethi S, et al. A systematic review of phenotypic and epigenetic clocks used for aging and mortality quantification in humans. Aging. 2024.
9. Mavrommatis C, Belsky DW, Ying K, et al. An unbiased comparison of 14 epigenetic clocks in relation to 174 incident disease outcomes. Nature Communications. 2025.