Multidimensional Determinants of Epigenetic Age Acceleration: Implications for Healthy Longevity = 후성유전적 가속노화의 다차원적 결정요인: 건강한 장수에의 함의

다국어 초록 (Multilingual Abstract)

Background: The global population is rapidly aging, and the demographic shifts exert a substantial burden on the healthcare system and socio-economic growth, underscoring the importance of healthy aging and longevity. Healthy longevity does not simply refer to living longer, but rather to extending life free from disease and disability. However, recent increases in the population's life expectancy do not necessarily reflect healthier lives, and evidence on the determinants of healthy longevity remains scarce. Age-related health status denotes inter-individual heterogeneity in aging that cannot be explained by chronological age alone and can be conceptualized as biological age. As an indicator of biological age, epigenetic age, which is derived from DNA methylation in leukocytes or multiple tissues, has received increasing attention as it better reflects age-related diseases and mortality. Multiple lifetime exposures across physical, psychosocial, and physiological domains can induce epigenetic alterations, including DNA methylation, thereby shaping distinct patterns of the complex aging process. However, key determinants across these domains remain understudied, limiting our understanding of pathways toward slower and healthier aging. To date, it remains unclear which health behaviors and clinical indicators are most strongly associated with decelerated epigenetic aging and how these associations may differ by sex. In addition, quality of life (QoL) is a key indicator of subjective well-being, reflecting individual's perceptions of their life circumstances and emotional health within broader social context. However, few studies have examined the association between QoL and epigenetic age acceleration (EAA), particularly in the socioeconomic context. Additionally, while relatively distal metabolic indicators, including hyperglycemia and dyslipidemia, have been widely examined in relation to EAA, more proximal stress factors—such as insulin resistance and hyperinsulinemia—remain understudied. EAA has been related to metabolic syndrome, one of the major age-related diseases; however, its role in the mechanistic pathways linking metabolic stress and incident metabolic syndrome has not been fully elucidated.
To address this research gap, the objectives of our study are as follows. First, we aimed to investigate the collective associations of health behaviors and clinical indicators with EAA and to examine the relative contribution of each component. Second, we aimed to explore the associations of QoL across physical, psychological, social, and environmental domains with EAA, and to assess the potential modifying role of socioeconomic status (SES). Third, we aimed to examine the association between metabolic stress and EAA, as well as the mediating role of EAA in the relationship between metabolic stress traits and the incident metabolic syndrome. Given that these factors—health behaviors, QoL, and metabolic stress indicators—are modifiable at both individual and population levels, elucidating their associations with EAA may offer important insights for public health strategies aimed at slowing biological aging.

Methods: This study draws on epidemiological and epigenomic data from the Korean Genome and Epidemiology Study (KoGES), incorporating two large-scale longitudinal cohorts in KoGES: the Health Examinee (HEXA) study and the Ansan and Ansung study. Participants aged 40 years and older at baseline were enrolled through the national health examinee registry. The HEXA study comprised two survey waves completed by 2016, whereas the Ansan and Ansung study conducted ten survey waves through 2020. Blood-based DNA methylation data were available only from wave 1 of the HEXA study and wave 5 of the Ansan and Ansung study; therefore, these waves were prioritized for analysis. For each study, we additionally selected the wave in which the phenotypic independent variables of interest were available. In the first study, we included the 1,940 participants from the wave 1 of the HEXA study (2004–2013) and the wave 5 of the Ansan and Ansung study (2009–2010), for whom DNA methylation data were available. In the second study, we used two waves of the Ansan and Ansung study: wave 2 (2003–2004) and wave 5 (2009–2010). A total of 1,402 participants who participated in both waves, with available DNA methylation and complete covariate information, were included in the analysis. In the final study, we followed participants over the period from wave 4 (2007–2008) to wave 10 (2019–2020) of the Ansan and Ansung study. We included 1,162 participants in the analytic dataset examining the association between metabolic stress and EAA with complete data. For the mediation analysis, the dataset comprised 518 participants after excluding those with metabolic syndrome at wave 4 or 5 or those who lacked follow-up data for metabolic syndrome.
The independent variables were health behaviors and clinical indicators, QoL, and metabolic stress indicators, respectively, across the three studies. In the first study, health behaviors and clinical indicators were assessed using the American Heart Association (AHA)’s Life’s Essential 8 (LE8), which consists of four health behaviors (healthy diet, healthy sleep, avoidance of nicotine, and engagement in physical activity), and four clinical indicators (body mass index [BMI], blood lipids, blood glucose, and blood pressure). In the second study, the QoL was assessed using the World Health Organization Quality of Life assessment (WHOQOL-BREF), which comprises four domains: physical, psychological, social, and environmental. Lastly, metabolic stress indices included insulin resistance (triglyceride and glucose index [TyG], homeostasis model assessment of insulin resistance [HOMA-IR]), adipose tissue hormone (leptin-to-adiponectin ratio [leptin/adiponectin]), and pancreatic β-cells hormone (C-peptide).
We estimated five EAA (intrinsic EAA [Horvath DNAmAge acceleration], extrinsic EAA [Hannum DNAmAge acceleration], PhenoAge acceleration [PhenoAA], GrimAge2 acceleration [Grim2AA], and Dunedin Pace of Aging Calculated from the Epigenome [DunedinPACE]). EAA was utilized as a dependent variable in all studies, and as a potential mediator between metabolic stress and metabolic syndrome, additionally in the third study. Incident metabolic syndrome was defined as the presence of at least three of five metabolic abnormalities based on Adult Treatment Panel (ATP) III criteria.
Regarding methodologies, in the first study, quantile-based g-computation (QGC) was used to assess the relative contribution of health behaviors and clinical indicators to decelerated epigenetic age, as well as their collective associations. In the second study, we employed multiple linear regression to examine associations between QoL and EAA, and conducted SES-stratified analyses and interaction analyses between QoL and SES to investigate the modifying role of SES. In the third study, we applied multiple linear regression to examine associations between metabolic stress and EAA and mediation analysis with a counterfactual framework to explore the metabolic stress–EAA–incident metabolic syndrome pathway.

Results: In the first study, better LE8 components were collectively associated with decelerated epigenetic aging (ψ ranged from -4.29 to -0.79, depending on the EAA measure). The LE8 components contributing most to decelerated epigenetic aging varied by sex. Among males, nicotine avoidance and better blood glucose showed the greatest contributions to lower EAA. The contribution of nicotine avoidance accounted for 91% and 77% of the overall associations of four health behaviors with lower Grim2AA and DunedinPACE, respectively, whereas better blood glucose accounted for 94% and 86% of the overall associations of four clinical indicators. Among females, physical activity and better blood glucose or BMI were the greatest contributors to lower EAA. Physical activity accounted for 44% of the LE8–Grim2AA association. Better blood glucose explained 54% and 50% of the association with lower Grim2AA and DunedinPACE, respectively. Better BMI contributed 46% to lower PhenoAA.
In the second study, higher physical and psychological QoL were associated with lower EAA across SES groups, while higher social and environmental QoL were associated with elevated EAA, among individuals with low SES (lower income, educational attainment), manual workers, and married individuals. In the social domain, higher QoL was associated with an average of 0.679 years higher Grim2AA among individuals with low income (β = 0.679 for Q2 vs. Q1, P < 0.05) and with an average of 1.001 years higher Grim2AA among individuals with low education (β = 1.001 for Q2 vs. Q1, P < 0.05). Higher environmental QoL was associated with elevated DunedinPACE among individuals with low income (β = 0.036, Q4 vs Q1, P < 0.05) and with higher Grim2AA and DunedinPACE among individuals with low educational attainment (β = 0.826, Q2 vs Q1 for Grim2AA; β = 0.040, Q4 vs Q1 for DunedinPACE; all P < 0.05). The associations between higher social and environmental QoL and elevated EAA were stronger among manual workers than among non-manual workers. Higher environmental QoL was associated with increased EAA among married individuals, but with lower EAA among unmarried individuals.
For the third study, high levels of TyG, HOMA-IR, C-peptide, and leptin/adiponectin were associated with elevated EAA. The associations of TyG and the leptin/adiponectin ratio with incident metabolic syndrome were mediated by DunedinPACE. DunedinPACE mediated 4.78% of the association between higher TyG and metabolic syndrome (P = 0.021). DunedinPACE also mediated 9.71% of the total effect of the high leptin/adiponectin group (P = 0.020) and 6.46% per 1-unit increase in the leptin/adiponectin ratio (P = 0.021) on incident metabolic syndrome.

Conclusion: This study investigated multidimensional factors associated with EAA. We propose that nicotine avoidance, physical activity, and better blood glucose levels or BMI may contribute to slow aging. In addition, our findings suggest that while higher physical and psychological QoL may support slower aging, higher social and environmental QoL that conflicts with socioeconomic constraints may instead accompany accelerated aging. Finally, our results on potential epigenetic aging pathways linking insulin resistance and adipose tissue-related inflammatory response to metabolic syndrome suggest that management of metabolic stress—such as weight and glycemic control—may help mitigate both metabolic syndrome risk and epigenetic aging.
Taken together, we suggest that healthy behaviors, subjective well-being supported by socio economic resource, and improved metabolic function may aid in promoting slower biological aging. These findings underscore the need for multidimensional public health strategies to support healthy longevity by targeting lifestyle modification, psychosocial support, and metabolic health. In the context of global population aging, such approaches may help reduce the growing healthcare and socioeconomic burden.

국문 초록 (Abstract)

배경: 전 세계 인구는 급격히 고령화되고 있으며, 이러한 인구 구조 변화는 의료 시스템과 사회·경제적 성장에 상당한 부담을 주고 있어 건강한 노화와 장수의 중요성이 강조되고 있다. 건강한 장수는 단순한 수명의 증가가 아니라 질병이나 장애가 동반되지 않은 건강한 삶의 연장을 의미하는데, 최근 증가한 인구 평균 기대수명은 이를 충분히 반영하지 못하며 건강한 장수의 결정요인에 대한 근거 또한 아직 부족하다. 연령 관련 건강 상태는 연대기적 연령만으로는 설명되지 않는 개인 간 노화의 이질성으로 나타날 수 있으며, 이는 생물학적 나이로 확인할 수 있다. 이러한 생물학적 나이를 나타내는 지표로서, 백혈구 또는 여러 조직의 DNA 메틸화 수준에서 도출된 후성유전학적 나이(epigenetic age)는 연령 관련 질병 및 사망을 보다 잘 반영한다는 점에서 주목받고 있다. 삶에서의 다양한 신체적, 심리사회적, 생리학적 노출은 DNA 메틸화와 같은 후성유전학적 변화를 유도할 수 있으며 이러한 요인들이 복합적인 노화 과정에서 특징적인 패턴을 만드는 것으로 알려져있다. 하지만 이런 영역들에서도 여전히 연구되지 않은 주요 결정요인들이 존재하며, 이는 저속 노화와 건강노화를 위한 우리의 이해를 제한하고 있다. 현재까지 어떤 건강행동과 임상지표들이 후성유전학적 노화의 감속과 가장 강하게 연관되는지, 그리고 이러한 연관성이 성별에 따라 어떻게 다른지는 명확하지 않다. 또한 삶의 질은 삶에 대한 개인적 인식과 정서적 건강을 반영하는 주관적 웰빙의 지표인데, 이와 밀접하게 연관되는 사회경제적 맥락에서 삶의 질과 후성유전적 가속노화의 연관성을 살펴본 연구는 거의 없다. 또한 고혈당, 고지혈증과 같이 상대적으로 원위의(distal) 대사성 지표들은 후성유전적 가속노화와의 연관성이 널리 탐색되어왔으나, 인슐린 저항성, 고인슐린혈증과 같은 보다 근위의(proximal) 대사성 스트레스 지표와의 연관성은 연구가 부족하다. 후성유전적 가속노화는 주요 연령 관련 질병 중 하나인 대사증후군과도 연관이 있는데, 대사성 스트레스와 대사증후군 간의 기전에서 후성유전적 가속노화의 역할은 명확하지 않다.
이러한 연구 공백을 다루기 위한 본 연구의 목적은 다음과 같다. 첫째, 후성유전적 가속노화에 대한 건강행동과 임상 지표의 집합적 연관성 및 각 구성 요소들의 상대적 기여도를 조사한다. 둘째, 삶의 질과 후성유전적 가속노화의 연관성을 탐색하고 사회경제적 위치의 조절인자 역할을 확인한다. 셋째, 대사성 스트레스와 후성유전적 가속노화의 연관성을 확인하고, 대사성 스트레스와 대사증후군 발생 간 관계에서 후성유전적 가속노화의 매개 역할을 검토한다. 이러한 건강행동, 삶의 질, 대사성 스트레스 인자들이 개인 및 인구 수준에서 조절 가능한 요소임을 고려할때, 이들과 후성유전적 가속노화 간의 연관성을 탐색하는 것은 생물학적 노화를 늦추기 위한 공중보건 정책 수립에 중요한 통찰을 제공할 수 있다.

방법: 본 연구는 한국인유전체역학조사(KoGES)의 두 대규모 종단 코호트인 도시기반코호트와 안산·안성 코호트의 역학 및 후성유전체 데이터를 활용하였다. 국가 검진등록을 통해 40세 이상의 참여자가 모집되고 추적조사되었으며, 도시기반코호트는 2016년까지 두 번, 안산·안성 코호트는 2020년까지 10번의 조사가 진행되었다. 혈액 기반 DNA 메틸화 데이터는 도시기반코호트 1차 조사와 안산·안성 코호트 5차 조사에서만 이용 가능하여 해당 조사 기수를 우선으로 분석에 포함하였으며 각 연구에서 관심 있는 표현형 변수가 확보된 조사 기수를 추가로 선택하였다. 첫 번째 연구에서는 DNA 메틸화 데이터가 있는 도시기반코호트 1차(2004–2013) 및 안산·안성코호트 5차(2009–2010) 조사 참여자 1,940명을 포함하였다. 두 번째 연구에서는 안산·안성 코호트의 2차(2003–2004) 및 5차(2009–2010) 조사 참여자 중 DNA 메틸화 및 공변량 자료가 완전한 1,402명을 분석에 포함하였다. 마지막 연구에서는 안산·안성 코호트 4차(2007–2008)부터 10차(2019–2020)까지 추적 관찰하였으며, 대사성 스트레스와 후성유전적 가속노화의 연관성을 확인하는 분석에서는 자료가 완전한1,162명을 포함하였다. 매개 분석에서는 4차 또는 5차 조사에서 이미 대사증후군이 있는 참여자와 대사증후군 추적관찰 조사가 없는 참여자를 제외한 518명의 자료를 최종 분석에 사용하였다.
각 연구의 독립 변수는 건강 행동 및 임상지표, 삶의 질, 대사성 스트레스 지표이다. 첫 번째 연구에서는 건강 행동과 임상지표를 American Heart Association(AHA)의 Life’s Essential 8(LE8) 으로 평가하였다. LE8은 건강 행동 4개(건강한 식습관, 충분한 수면, 니코틴 노출 회피, 신체 활동 참여)와 임상 지표 4개(BMI, 혈중 지질, 혈당, 혈압)로 구성되어있다. 두 번째 연구에서는 세계보건기구(WHO)의 삶의 질 평가 도구(WHOQOL-BREF)를 사용하여 신체적, 심리적, 사회적, 환경적 영역의 QoL을 평가하였다. 마지막으로 대사성 스트레스 지표에는 인슐린 저항성(TyG, HOMA-IR), 염증반응과 관련된 지방세포 분비 호르몬(렙틴/아디포넥틴 비율), 췌장 β세포 호르몬(C-peptide)을 포함하였다.
본 연구에서는 5가지 후성유전적 가속노화 지표(IEAA, EEAA, PhenoAA, Grim2AA, DunedinPACE)를 계산하였다. 후성유전적 가속노화 지표는 모든 연구에서 종속 변수로 사용되었으며, 세 번째 연구에서는 대사성 스트레스와 대사증후군 사이의 잠재적 매개 변수로도 사용되었다. 대사증후군 발생은 Adult Treatment Panel (ATP) III 기준으로 5가지 대사 이상 중 최소 3개 이상이 존재할 때로 정의되었다.
방법론으로는, 첫 번째 연구에서는 Quantile-based g-computation(QGC)을 사용하여 건강행동과 임상지표의 상대적 기여도 및 집합적 연관성을 평가하였다. 두 번째 연구에서는 삶의 질과 후성유전적 가속노화 간의 연관성을 보기 위해 다중 선형 회귀분석을 수행하였고, 사회경제적 위치의 조절인자 역할을 확인하기 위해 사회경제적 위치로 층화된 분석과 상호작용 분석을 진행하였다. 세 번째 연구에서는 대사성 스트레스와 후성유전적 가속노화의 연관성을 보기 위해 다중 선형 회귀분석을 수행하였고, 대사성스트레스–후성유전적 가속노화–대사증후군의 기전을 탐색하기 위해 반사실적(counterfactual) 매개 분석을 수행하였다.

결과: 첫 번째 연구에서는LE8 요소들이 집합적으로 높은 수준일수록 후성유전적 노화의 감속과 연관있었다(가속노화 지표에 따라 -4.29 에서 -0.79사이 범위의 ψ). 노화감속에 가장 크게 기여하는 LE8 요소는 성별에 따라 달랐다. 남성에서는 니코틴 회피와 혈당 개선이 후성유전적 노화감속에 가장 크게 기여하였다. 니코틴 회피는 낮은Grim2AA와 DunedinPACE에 대한 건강행동들의 집합적 연관성에서 각각 91%, 77%의 기여도를 차지하였다. 혈당 개선은 임상지표들의 집합적 연관성에서 낮은Grim2AA와 DunedinPACE에 대해 각각 94%와 86%를 차지하였다. 여성에서는 신체 활동과 혈당 또는 BMI 개선이 후성유전적 노화감속에 가장 크게 기여하였다. 신체 활동은 LE8–Grim2AA 연관성에서 44%의 기여도를 차지했으며, 혈당 개선은 낮은 Grim2AA와 DunedinPACE과의 연관성에서 각각 54%, 50%를 차지하였다. BMI 개선은 PhenoAA 감소에 46% 기여하였다.
두 번째 연구에서, 높은 신체적 및 심리적 삶의 질은 사회경제적 위치 그룹 전반에서 후성유전적 노화감속과 관련있었다. 반면, 높은 사회적 및 환경적 삶의 질은 낮은 사회경제적 위치(낮은 소득 및 학력)를 가진 개인, 단순노동자, 기혼자에서 후성유전적 가속노화와 연관이 있었다. 높은 사회적 삶의 질은 낮은 소득을 가진 개인에서 평균 0.679년 높은 Grim2AA와 연관이 있었고(β = 0.679 for Q2 vs. Q1, P < 0.05), 낮은 학력의 개인에서 평균 1.001년 높은 Grim2AA와 연관이 있었다(β = 1.001 for Q2 vs. Q1, P < 0.05). 높은 환경적 삶의 질은 낮은 소득의 개인에서 증가된 DunedinPACE와 연관이 있었고(β = 0.036, Q4 vs Q1, P < 0.05), 낮은 학력의 개인에서 증가된 Grim2AA와 DunedinPACE와 연관이 있었다(β = 0.826, Q2 vs Q1 for Grim2AA; β = 0.040, Q4 vs Q1 for DunedinPACE; all P < 0.05). 높은 사회적 및 환경적 삶의 질과 증가된 가속노화의 연관성은 사무직 근로자에 비해 단순노동자에서 더 강했다. 높은 환경적 삶의 질이 기혼자에서는 가속노화와 연관이 있었지만 기혼이 아닌 개인에서는 노화감속과 연관이 있었다.
세 번째 연구에서는 높은TyG, HOMA-IR, 렙틴/아디포넥틴 비율, C-peptide가 증가된 가속노화와 관련이 있었다. TyG 및 렙틴/아디포넥틴 비율과 대사증후군 발생 간의 연관성은 DunedinPACE에 의해 매개되었다. DunedinPACE는 높은 TyG와 대사증후군 발생 간 연관성을 4.78% 매개했고(P = 0.021) 높은 렙틴/아디포넥틴 그룹의 총 효과에서는 9.71%를(P = 0.020), 렙틴/아디포넥틴의 1단위 증가당 총 효과에서는 6.46%를 매개하였다(P = 0.021).

결론: 본 연구는 후성유전적 가속노화와 관련된 다차원적 요인들을 조사하였다. 본 연구 결과는 니코틴 회피, 신체 활동, 혈당 및 BMI 개선이 노화를 늦추는 데 크게 기여할 수 있음을 제안한다. 또한 높은 신체적·심리적 삶의 질은 노화감속을 돕는 반면, 사회경제적 제약과 충돌하는 높은 사회적·환경적 삶의 질은 오히려 후성유전적 가속노화를 동반할 수 있음을 시사한다. 마지막으로, 인슐린 저항성 및 염증반응과 대사증후군 발생간의 기전에서 후성유전학적 가속노화의 경로를 확인한 본 연구의 결과는, 비만관리 및 혈당 조절과 같은 대사성 스트레스 관리가 대사증후군과 노화의 위험을 낮추는데 도움이 될 것임을 시사한다.
종합하면, 우리의 연구 결과는 건강행동, 사회경제적 자원이 뒷받침이 되는 주관적 웰빙, 그리고 대사성 기능 개선이 생물학적 노화를 늦추는데 도움이 될 수 있음을 제안한다. 이러한 결과들은 생활습관 개선, 심리사회적 지원, 대사성 건강을 통합적으로 다루는 건강한 장수를 위한 공중보건학적 전략의 필요성을 강조하며, 이는 세계적 인구노화의 맥락에서 증가하는 의료·사회경제적 부담 완화에 기여할 것이다.

목차 (Table of Contents)

• Chapter 1. Overall introduction 1
• 1.1. Background 2
• 1.2. Purpose of Research 7
• Chapter 2. Differential Contributions of Health Behaviors and Clinical Indicators to Epigenetic Aging 11
• 2.1 Background 12
• 2.2 Methods 13
• 2.3 Results 19
• 2.4 Discussion 29
• 2.5 Conclusion 33
• Chapter 3. Association between Quality of Life and Epigenetic Age Acceleration Modified by Socioeconomic Status 34
• 3.1 Background 35
• 3.2 Methods 36
• 3.3 Results 40
• 3.4 Discussion 51
• 3.5 Conclusion 55
• Chapter 4. Metabolic Stress and Incidence of Metabolic Syndrome Mediated by Epigenetic Age Acceleration 56
• 4.1 Background 57
• 4.2 Methods 58
• 4.3 Results 63
• 4.4 Discussion 73
• 4.5 Conclusion 76
• Chapter 5. Overall Discussion and Conclusion 77
• 5.1 Summary 78
• 5.2 Implications for Public Health 80
• 5.3 Conclusion 81
• Supplementary Data 82
• Appendix 2.1. Detailed information on KoGES 82
• Appendix 2.2. Assessing a healthy diet for the LE8 score 83
• Appendix 2.3. Assessment of LE8 components 84
• Appendix 2.4. Evaluation of epigenetic age/EAA measures in the KoGES 85
• Appendix 2.4.1. Beta value distribution of Type I and Type II probes after normalization 89
• Appendix 2.4.2. Histogram and Shapiro-Wilk test results of chronological age, epigenetic age, and EAA measures 91
• Appendix 2.4.3. Spearman’s correlation between epigenetic age measures and chronological age in the KoGES 92
• Appendix 2.4.4. Correlations between chronological age and epigenetic age in the KoGES and validation results from original epigenetic age studies 93
• Appendix 2.4.5. Spearman’s correlation between EAA measures and chronological age 94
• Appendix 2.4.6. Comparison of correlations among EAA measures in the KoGES and the original DunedinPACE study 95
• Appendix 2.4.7. Box plots, Kruskal-Wallis test, and Pairwise Wilcoxon test of epigenetic age by age group 96
• Appendix 2.4.8. Box plots and Wilcoxon rank-sum test of epigenetic age by sex 97
• Appendix 2.4.9. LOESS curve for the relationship between chronological age and EAA 98
• Appendix 2.4.10. Associations of chronological age and chronological age2 with EAA 99
• Appendix 2.4.11. Associations between chronological age and EAA measures in the quadratic regression model 100
• Appendix 2.4.12. Model comparison between linear and quadratic age specifications for EAA 101
• Appendix 2.5. Directed acyclic graph (DAG) 102
• Appendix 2.6. Distribution of LE8 score and level 103
• Appendix 2.7. Spearman’s correlations among LE8 components 104
• Appendix 2.8. Correlation coefficients among EAA measures 105
• Appendix 2.9. Spearman’s correlations among epigenetic age measures and chronological age 105
• Appendix 2.10. The associations between overall LE8 and EAA in total participants (minimally adjusted) 106
• Appendix 2.11. Associations between overall LE8 and EAA (adjusted for psychological well-being) 107
• Appendix 2.12. Associations between overall LE8 and EAA (adjusted for cell type composition) 108
• Appendix 2.13. The sex-stratified associations between overall LE8 and EAA (The first-generation clocks) 109
• Appendix 2.14. The sex-stratified associations between individual LE8 components and EAA 110
• Appendix 2.15. Associations between individual LE8 components and EAA (adjusted for psychological well-being) 111
• Appendix 2.16. Associations between individual LE8 components and EAA (adjusted for cell type composition) 112
• Appendix 2.17. Collective association and relative contribution of LE8 components to EAA in total participants 113
• Appendix 3.1. Directed acyclic graph (DAG) 114
• Appendix 3.2. Spearman’s correlations among QoL 115
• Appendix 3.3. Distribution of QoL scores by SES groups 116
• Appendix 3.4. Spearman’s correlations among EAA measures 117
• Appendix 3.5. Associations between total QoL and EAA (The first-generation clocks) 118
• Appendix 3.6. Associations of overall QoL and general health with EAA 119
• Appendix 3.7. Associations between scores of QoL and EAA by domains (All models for the first-generation clocks) 120
• Appendix 3.8. Associations between scores of QoL and EAA in physical domain (The first-generation clocks) 122
• Appendix 3.9. Associations between scores of QoL and EAA in psychological domain (The first-generation clocks) 123
• Appendix 3.10. Associations between scores of QoL and EAA by QoL and EAA in social domain (The first-generation clocks) 124
• Appendix 3.11. Associations between scores of QoL and EAA in environmental domain (The first-generation clocks) 125
• Appendix 4.1. Flow chart detailing the number of participants in each analysis 126
• Appendix 4.2. Directed acyclic graph (DAG) 127
• Appendix 4.3. Baseline characteristics of study participants in mediation analyses 128
• Appendix 4.4. Spearman’s correlations among metabolic stress indicators 129
• Appendix 4.5. Spearman’s correlations among EAA measures 129
• Appendix 4.6. The association between metabolic stress (categorical) and DNAm surrogates included in Grim2AA (n = 1,162) 130
• Appendix 4.7. The mediation effect of PhenoAA on the association between metabolic stress and metabolic syndrome incidence (n= 518) 131
• Appendix 4.8. The mediation effect of Grim2AA on the association between metabolic stress and metabolic syndrome incidence (n= 518) 132
• Bibliography 133
• Abstract in Korean 141