Marcadores de longevidade são medidas biológicas que ajudam a estimar não apenas quanto tempo uma pessoa pode viver, mas principalmente como ela está envelhecendo. Diferente da idade cronológica, esses marcadores refletem a idade biológica, ou seja, o acúmulo real de dano celular, inflamação, disfunção metabólica e perda de reserva funcional ao longo da vida.
A longevidade não é determinada por um único fator. Ela emerge da interação entre genética, metabolismo, inflamação, capacidade física e ambiente. Por isso, marcadores de longevidade abrangem diferentes níveis biológicos, desde variantes genéticas associadas à sobrevida, passando por perfis metabolômicos e epigenéticos, até exames sanguíneos e testes funcionais simples.
Esses marcadores permitem identificar aceleração do envelhecimento anos antes do surgimento de doenças clínicas. Em vez de esperar o diagnóstico de diabetes, doença cardiovascular ou neurodegenerativa, é possível detectar precocemente perda de eficiência metabólica, inflamação crônica de baixo grau e redução da capacidade energética.
Uma nova medida metabolômica de envelhecimento, MetaboAgeMort, desenvolvida usando perfis metabolômicos de 239.291 participantes do UK Biobank, prevê significativamente a mortalidade por todas as causas em 10 anos e várias doenças incidente. Esta medida é influenciada por 99 fatores modificáveis, incluindo função pulmonar, composição corporal, nível socioeconômico e dieta, e está associada a 99 loci de risco genômico [1].
Existem também escores de risco multiômicos, que combinam genética, metabolômica e epigenética para marcadores de inflamação e que geralmente superaram os escores de ômica única na previsão da mortalidade por todas as causas, com alguns escores apresentando uma Razão de Risco (RR) de até 2,20 [2].
Variantes genéticas específicas, como APOE2 e FOXO3a, estão associadas à longevidade excepcional, enquanto o SNP rs6543176 no gene SLC9A2 está ligado à longevidade extrema e ao risco reduzido de hipertensão [3] [4].
Predictores Metabolômicos da Longevidade
Estudos em famílias chinesas Han, comparando nonagenários/centenários com seus filhos, revelaram uma extensa remodelação metabolômica com o avanço da idade, incluindo associações entre FADS1/2 e ácido araquidônico, PTPA e succinilcarnitina, e FLVCR1 e colina [5]. Em um estudo com centenários e nonagenários em Guangxi, na China, níveis plasmáticos mais elevados de citrato, tirosina, colina, carnitina e valina, e níveis mais baixos de VLDL, lactato, alanina, NAG, TMAO, α-glicose, β-glicose e lipídios insaturados foram identificados como metabólitos marcadores de longevidade, associados a uma maior ingestão de fibras alimentares e menor ingestão de energia/gordura [6].
A análise de 408 metabólitos plasmáticos no Estudo Familiar de Longa Vida identificou 308 metabólitos associados à idade, 258 com alterações ao longo do tempo, 230 associados à longevidade extrema e 152 associados ao risco de mortalidade. Os ácidos graxos essenciais foram destacados como conectores críticos entre os lipídios e outros processos metabólicos [7]. O metabolismo lipídico, incluindo perfis específicos de esfingolipídios e fosfolipídios, também demonstrou sofrer alterações com a idade e está associado à longevidade humana excepcional [8].
Preditores Genéticos e Multiômicos
Variantes genéticas associadas ao nível de escolaridade podem predizer a longevidade; um aumento de 1 desvio padrão (DP) na pontuação poligênica de escolaridade foi associado a um risco de mortalidade ~2,7% menor para mães e ~2,4% menor para pais em uma meta-análise de três coortes [9]. Os genótipos APOE2 e FOXO3a são consistentemente confirmados como genótipos funcionais enriquecidos em centenários e associados à longevidade excepcional [3].
Um estudo de associação genômica ampla utilizando sequenciamento de genoma completo identificou o SNP rs6543176 no gene SLC9A2 como uma nova variante associada à longevidade, também ligada à redução do risco de hipertensão e a níveis mais elevados de serina. A associação deste SNP com o risco de câncer foi replicada no UK Biobank e no FinnGen [4].
As pontuações de risco multiômicas, que integram genética (pontuação de risco poligênico [PRS]), metabolômica (pontuação de risco metabolômico [MRS]) e epigenética (pontuação de risco epigenético [ERS]) para marcadores inflamatórios (proteína C-reativa, interleucina 6, fator de necrose tumoral alfa), geralmente superaram as pontuações monoômicas na predição da mortalidade por todas as causas no Estudo Longitudinal Canadense sobre Envelhecimento. Por exemplo, uma MRS-ERS de IL-6 com desvio padrão (1-DP) apresentou uma razão de risco (HR) de 2,20 para mortalidade por todas as causas [2].
Outros testes mais simples
Também conseguimos avaliar marcadores de capacidade física e sanguíneos que dão pistas sobre a velocidade de envelhecimento, mesmo antes de surgirem sintomas. Alguns exemplos:
ApoB e PCR ultra-sensível revelam o nível real de inflamação e dano vascular.
VO₂ Máx mostra o quanto seu corpo consegue produzir energia, e esse número sozinho já é um dos maiores preditores de mortalidade.
A insulina em jejum denuncia cedo a queda da eficiência metabólica.
A GGT expõe um estresse oxidativo silencioso que encurta a vida útil das suas células.
Na prática, marcadores de longevidade transformam o envelhecimento em algo mensurável. Eles substituem achismos por dados objetivos, orientam estratégias personalizadas de prevenção e ajudam a monitorar se intervenções em dieta, atividade física e estilo de vida estão realmente desacelerando o envelhecimento biológico.
Referências
1) X Jia et al. A Novel Metabolomic Aging Clock Predicting Health Outcomes and Its Genetic and Modifiable Factors. Advanced science (Weinheim, Baden-Wurttemberg, Germany) (2024). https://pubmed.ncbi.nlm.nih.gov/39331845/
2) A Yaskolka Meir et al. Cross-omics risk scores of inflammation markers are associated with all-cause mortality: The Canadian Longitudinal Study on Aging. American journal of human genetics (2025). https://pubmed.ncbi.nlm.nih.gov/40633542/
3) S Milman et al. Discovering Biological Mechanisms of Exceptional Human Health Span and Life Span. Cold Spring Harbor perspectives in medicine (2023). https://pubmed.ncbi.nlm.nih.gov/37137499/
4) A Gurinovich et al. SNP rs6543176 is associated with extreme human longevity but increased risk for cancer. GeroScience (2025). https://pubmed.ncbi.nlm.nih.gov/39751714/
5) Q Xu et al. Metagenomic and metabolomic remodeling in nonagenarians and centenarians and its association with genetic and socioeconomic factors. Nature aging (2023). https://pubmed.ncbi.nlm.nih.gov/37118062/
6) H Li et al. 1H NMR-Based Metabolomics Reveals the Intrinsic Interaction of Age, Plasma Signature Metabolites, and Nutrient Intake in the Longevity Population in Guangxi, China. Nutrients (2022). https://pubmed.ncbi.nlm.nih.gov/35745269/
7) P Sebastiani et al. Metabolite signatures of chronological age, aging, survival, and longevity. Cell reports (2024). https://pubmed.ncbi.nlm.nih.gov/39504246/
8) AA Johnson et al. The role of lipid metabolism in aging, lifespan regulation, and age-related disease. Aging cell (2019). https://pubmed.ncbi.nlm.nih.gov/31560163/
9) RE Marioni et al. Genetic variants linked to education predict longevity. Proceedings of the National Academy of Sciences of the United States of America (2016). https://pubmed.ncbi.nlm.nih.gov/27799538/