Genetischer und epigenetischer Test: Was dein DNA-Test wirklich misst

Die kurze Antwort

Ein genetischer und ein epigenetischer Test lesen dieselbe DNA auf zwei verschiedene Arten. Die genetische Analyse liest Varianten an definierten Stellen im Erbgut, also die Buchstabenfolge selbst. Sie bleibt ein Leben lang praktisch unverändert. Die epigenetische Analyse liest chemische Markierungen, die auf der DNA sitzen und mitsteuern, welche Gene abgelesen werden. Diese Markierungen verschieben sich im Lauf des Lebens. Ein Test, der beide Ebenen erfasst, misst deshalb zwei verschiedene Dinge und nicht dasselbe zweimal.

Was eine genetische Analyse liest

Menschen unterscheiden sich an vielen Stellen im Erbgut um einzelne Buchstaben. Solche Stellen heißen Einzelnukleotid-Polymorphismen, kurz SNPs. Eine Genotypisierung prüft an einer vorher festgelegten Auswahl dieser Stellen nach, welche Variante bei dir vorliegt. Array-Verfahren tun das für sehr viele Positionen gleichzeitig, wie ein Methoden-Review in Nucleic Acids Research beschreibt.

Der Unterschied zur Sequenzierung ist wichtig, weil beide Begriffe im Marketing oft vermischt werden. Sequenzierung bestimmt die Abfolge der Bausteine, ohne vorher zu wissen, was dort steht. Genotypisierung schaut an bekannten Adressen nach. Wer ein Buch sequenziert, liest es von vorn bis hinten. Wer genotypisiert, schlägt auf festgelegten Seiten einzelne Wörter nach. Beides liefert Information, aber nicht dieselbe.

Wie weit dieses Verfahren trägt, zeigt die UK Biobank. Dort wurden rund 500.000 Menschen per Array genotypisiert, und die direkt gemessenen Positionen wurden anschließend rechnerisch auf etwa 96 Millionen prüfbare Varianten erweitert (Bycroft et al., Nature 2018). Auch dieser sehr große Datensatz beruht also auf Genotypisierung, nicht auf dem Auslesen ganzer Genome.

Was am Ende herauskommt, sind Anlagen und Wahrscheinlichkeiten. Ein Übersichtsartikel in Nature Reviews Genetics ordnet ein, dass genetische Risikoscores Menschen in Gruppen mit unterschiedlicher Wahrscheinlichkeit einsortieren und über den Verlauf bei einer einzelnen Person nichts Sicheres aussagen (Torkamani et al. 2018, Review).

Was eine Methylierungsanalyse liest

Bei der DNA-Methylierung sitzt eine kleine chemische Gruppe auf einem Baustein der DNA, meist dort, wo im Strang ein C auf ein G folgt. Diese Positionen heißen CpG-Stellen. Die Buchstabenfolge selbst ändert sich dabei nicht. Was sich ändert, ist die Zugänglichkeit von Abschnitten für die Ablesemaschinerie der Zelle. Ein Review in Nature Reviews Genetics hält fest, dass die Wirkung stark vom Kontext abhängt und die Beschreibung als reines Stilllegen zu einfach ist (Jones 2012, Review).

Sie ist gewebeabhängig. Eine Untersuchung von 17 Geweben aus vier verstorbenen Personen fand über 486.428 gemessene Positionen hinweg, dass nur rund 2 Prozent der CpG-Stellen in allen Geweben durchgehend stark methyliert waren und rund 15 Prozent durchgehend schwach. Der große Rest unterscheidet sich von Gewebe zu Gewebe (Lokk et al., Genome Biology 2014). Eine Speichelprobe misst deshalb den Zustand der dort enthaltenen Zellen, nicht den deiner Leber.

Sie verändert sich mit dem Alter. Ein Modell aus 656 Personen zwischen 19 und 101 Jahren zeigte, dass sich das Alter aus Methylierungsdaten des Blutes quantitativ abbilden lässt (Hannum et al., Molecular Cell 2013). Ein gewebeübergreifender Prädiktor auf Basis von 8.000 Proben aus 51 gesunden Geweben und Zelltypen kam mit 353 CpG-Stellen aus (Horvath, Genome Biology 2013). Beide Zahlen beziehen sich auf publizierte Forschungsmodelle.

Dass diese Abweichung nicht nur eine Rechengröße ist, legt eine Meta-Analyse von vier Längsschnittkohorten älterer Menschen nahe. Eine um fünf Jahre höhere Abweichung zwischen geschätztem und tatsächlichem Alter ging dort mit einem um 21 Prozent höheren Sterberisiko im Beobachtungszeitraum einher, nach Anpassung für Bildung, Blutdruck, Diabetes und weitere Faktoren noch mit 16 Prozent (Marioni et al., Genome Biology 2015). Das ist eine Aussage über Gruppen. Für eine einzelne Person lässt sich daraus keine Prognose ableiten.

Die beiden Ebenen im direkten Vergleich

	Genetische Analyse	Methylierungsanalyse
Was gemessen wird	Welche Variante an definierten Stellen im Erbgut vorliegt	Wie stark bestimmte Stellen der DNA chemisch markiert sind
Verändert sich das?	Praktisch nicht. Die Anlage bleibt dieselbe	Ja. Die Markierungen verschieben sich im Lauf des Lebens
Gilt das für alle Gewebe?	Ja, es ist in allen Körperzellen dieselbe Anlage	Nein, das Muster unterscheidet sich je nach Gewebe
Art der Aussage	Anlage und Wahrscheinlichkeit	Schätzwert für einen Zustand zum Zeitpunkt der Probe
Wofür es taugt	Dauerhafter Kontext, der sich einmal klären lässt	Verlaufsbeobachtung über mehrere Messungen hinweg

Warum wir beide Ebenen messen

Wer beide Ebenen liest, bekommt zwei Dinge, die einzeln nicht zu haben sind: einen festen Bezugspunkt und eine bewegliche Größe. Erst zusammen wird daraus eine Standortbestimmung statt einer Zahl ohne Zusammenhang.

Die genetische Ebene ist dein Kontext. Du klärst sie einmal, danach ist sie beantwortet. Genau das macht sie wertvoll: Sie ist der einzige Teil deines Ergebnisses, der nie wieder infrage steht.

Die epigenetische Ebene ist deine Beobachtung. Sie verschiebt sich im Lauf des Lebens, deshalb lohnt der zweite Blick nach einiger Zeit. Ohne den genetischen Kontext bleibt aber offen, welcher Teil eines Werts auf fester Anlage beruht und welcher auf etwas Beweglichem.

Die meisten Alterstests lesen nur eine der beiden Ebenen

Die drei sichtbarsten epigenetischen Alterstests analysieren nach eigener Produktbeschreibung ausschließlich DNA-Methylierung. Genetische Varianten kommen bei keinem vor. Stand: 4. August 2026, jeweils von der Produktseite des Anbieters.

Test	Genetische Varianten	Genetische Reports	Epigenetische Methylierung	Probe
LIFETIME AGE & DNA	ja	187 in 16 Kategorien	ja	Speichel
epiAge	nein	keine	ja	Speichel
Cerascreen Genetic Age Test	nein	keine	ja	Speichel
TruDiagnostic TruAge	nein	keine	ja	Blut

Das ist kein Vorwurf. Diese Tests sind epigenetische Uhren und tun genau das, wofür sie gebaut wurden. Sie beantworten die zweite Frage, nicht die erste. Wer den dauerhaften Teil dazuhaben will, braucht einen zweiten Anbieter, eine zweite Probe und eine zweite Rechnung.

Was du bei uns aus einer Probe bekommst

Der LIFETIME AGE & DNA-Test erfasst beide Ebenen aus einer einzigen Speichelprobe:

• Genetische Analyse: 187 DNA-Reports in 16 Kategorien.
• Epigenetische Analyse: sechs getrennt ausgewiesene Bereiche, nämlich Körperalter, biologisches Alter, EpiVitality, Immunscore, Entzündung und Muskelschwund.

Die epigenetische Seite ist damit keine einzelne Zahl, sondern sechs Bereiche, die du einzeln über die Zeit verfolgen kannst. Was in welchem Report steht, ist unter Was ist enthalten aufgeschlüsselt.

Ein Report nützt nur so viel, wie du davon verstehst

Eine Auswertung ist nur so viel wert, wie du davon verstehst. 187 Reports wären ohne Einordnung kein Vorteil, sondern eine Zumutung.

Deshalb liegt in der LIFETIME App ein AI Health Coach auf deinen eigenen Ergebnissen. Er erklärt deine Werte in Klartext und beantwortet deine Fragen dazu, nicht allgemein, sondern auf Basis dessen, was tatsächlich in deinen Reports steht. Du kannst nachhaken, bis du es verstanden hast, statt einen PDF-Bericht zu lesen und danach zu googeln. Ein PDF-Export für dein Arztgespräch ist trotzdem möglich.

Die Ergebnisse liegen 6 Wochen nach Eingang der Probe im Labor in der App bereit und bleiben dort dauerhaft abrufbar. Der Coach ist im einmaligen Kaufpreis enthalten, es gibt weder Folgekosten noch ein Abo. Er ordnet deine Werte ein und ersetzt keine ärztliche Beratung.

Für die epigenetischen Bereiche nutzen wir unsere Speichel-Methylierungsuhr MethylPace. Deren Datenbasis umfasst über 20.000 Teilnehmer, die Validierungskohorte der verwendeten Uhr über 2.600 Menschen. Das sind Angaben zu unserem eigenen Verfahren und keine unabhängig publizierte Studie, anders als alle anderen Zahlen in diesem Text. Wie wir mit der wissenschaftlichen Grundlage umgehen, steht auf der Wissenschaftsseite. Der Test ist eine Analyse zur persönlichen Standortbestimmung und keine medizinische Diagnose.

Was eine Speichelprobe liefert und was nicht

Für die genetische Ebene ist Speichel gut untersucht. In einer genomweiten Studie stammte ein knappes Viertel der DNA aus Speichel; zehn Personen wurden zusätzlich mit Blut- und Speichelprobe parallel genotypisiert, mit weitgehend vergleichbarer Qualität (Bahlo et al. 2010). Der Direktvergleich beruht dort allerdings auf nur zehn Paaren.

Für die epigenetische Ebene ist die Lage komplizierter, und zwar aus einem Grund, der selten erwähnt wird: Speichel ist kein einheitliches Material. Er enthält Zellen der Mundschleimhaut und weiße Blutkörperchen in wechselnden Anteilen. Eine mikroskopische Auszählung bei 12 Kindern und 20 Erwachsenen zeigte, dass diese Anteile zwischen Personen deutlich schwanken und bei Kindern mit Zahnfleischentzündung mehr weiße Blutkörperchen im Speichel waren (Theda et al., Scientific Reports 2018). Eine spätere Arbeit fand zusätzlich, dass der Anteil der Schleimhautzellen mit steigendem Alter fällt, bei großer Streuung innerhalb einer Altersgruppe (Wong et al., Epigenetics 2021). Diese Arbeit stammt teilweise von Mitarbeitenden eines Herstellers von Speichel-Sammelkits.

Das ist keine Randnotiz. Für Blut wurde gezeigt, dass die Zellzusammensetzung einen erheblichen Teil der gemessenen Methylierungsunterschiede erklärt und dabei selbst mit dem Alter zusammenhängt (Jaffe und Irizarry, Genome Biology 2014). Für Speichel gilt derselbe Mechanismus, deshalb rechnen Auswertungsverfahren die Zellzusammensetzung heraus. Perfekt gelingt das nicht.

Dass Altersschätzung aus Speichel grundsätzlich funktioniert, ist belegt. Eine frühe Arbeit fand 88 altersabhängige Stellen im Speichel und erreichte mit einem Modell aus zwei davon eine mittlere Genauigkeit von 5,2 Jahren (Bocklandt et al., PLoS ONE 2011). Die Trainingsgruppe bestand aus 34 männlichen Zwillingspaaren, die Replikation aus 60 weiteren Personen. Das ist ein Beleg für das Prinzip, keine breite Validierung.

Grenzen

Der Grund für die Kombination ist ein struktureller: Zwei Fragen brauchen zwei Messungen. Ein nachgewiesener Genauigkeitsvorteil ist es nicht, eine Studie mit genau diesem Vergleich gibt es nach unserer Recherche nicht. Auch die einzelnen Ebenen haben Grenzen.

Was die genetische Ebene nicht kann

• Sie stellt keine Diagnose. Sie beschreibt Anlagen, und Anlage ist kein Verlauf (Torkamani et al. 2018).
• Sie misst eine vorher festgelegte Auswahl von Stellen. Was nicht auf der Liste steht, wird nicht gemessen.
• Rohdaten aus Endkunden-Tests eignen sich nicht zur Selbstinterpretation. Ein klinisches Labor prüfte 49 eingesandte Proben nach und stufte 40 Prozent der aus Rohdaten gemeldeten Varianten als falsch positiv ein (Tandy-Connor et al., Genetics in Medicine 2018). Diese Zahl ist keine allgemeine Fehlerquote: Es waren genau die Fälle, die jemand wegen eines auffälligen Befunds zur Bestätigung eingeschickt hatte, und das publizierende Labor verkauft solche Bestätigungstests.

Was die epigenetische Ebene nicht kann

• Sie liefert einen Schätzwert mit Unsicherheit, keine Messung mit Nachkommastelle. Eine Methodenarbeit fand bei sechs verbreiteten Uhren Abweichungen von bis zu 9 Jahren zwischen Wiederholungsmessungen derselben Probe, allein durch technisches Rauschen (Higgins-Chen et al., Nature Aging 2022). Die Arbeit stellt zugleich einen eigenen Lösungsvorschlag vor, was bei der Einordnung mitzudenken ist.
• Sie ist eine Momentaufnahme des beprobten Materials. Ein Wert aus Speichel sagt nichts über einzelne Organe.
• Sie zeigt Zusammenhänge, keine Ursachen. Eine Meta-Analyse über 15.907 Blutproben aus 16 Kohorten fand 2.623 CpG-Stellen, an denen sich aktuell Rauchende von nie Rauchenden unterscheiden, und ein abgeschwächtes Muster noch Jahre nach dem Rauchstopp (Joehanes et al. 2016). Das sind Beobachtungsdaten über Gruppen. Ein Einzelwert erlaubt keinen Rückschluss darauf, was ihn verursacht hat.
• Der zugrunde liegende Mechanismus ist offen. Ein Konsenspapier von 21 Fachleuten hält fest, dass die Treiber der altersabhängigen Methylierungsänderungen noch nicht auseinandergerechnet sind (Bell et al., Genome Biology 2019, Review).

Praktisch heißt das: Den genetischen Teil klärst du einmal, den epigenetischen liest du im Abstand, weil die Messunsicherheit größer ist als jede kurzfristige Veränderung. Eine erste Einordnung in wenigen Minuten gibt der Alters-Check. Wie biologisches Alter gemessen wird, steht gesammelt unter Biologisches Alter testen.

Quellen

Alle Quellen wurden am 03.08.2026 abgerufen.

1. LaFramboise, T. (2009). Single nucleotide polymorphism arrays: a decade of biological, computational and technological advances. Nucleic Acids Research 37(13), 4181-4193. PMID 19570852. doi:10.1093/nar/gkp552
2. Bycroft, C. et al. (2018). The UK Biobank resource with deep phenotyping and genomic data. Nature 562(7726), 203-209. PMID 30305743. doi:10.1038/s41586-018-0579-z
3. Torkamani, A., Wineinger, N. E., Topol, E. J. (2018). The personal and clinical utility of polygenic risk scores. Nature Reviews Genetics 19(9), 581-590 (Review). PMID 29789686. doi:10.1038/s41576-018-0018-x
4. Jones, P. A. (2012). Functions of DNA methylation: islands, start sites, gene bodies and beyond. Nature Reviews Genetics 13(7), 484-492 (Review). PMID 22641018. doi:10.1038/nrg3230
5. Lokk, K. et al. (2014). DNA methylome profiling of human tissues identifies global and tissue-specific methylation patterns. Genome Biology 15(4), r54. PMID 24690455. doi:10.1186/gb-2014-15-4-r54
6. Hannum, G. et al. (2013). Genome-wide methylation profiles reveal quantitative views of human aging rates. Molecular Cell 49(2), 359-367. PMID 23177740. doi:10.1016/j.molcel.2012.10.016
7. Horvath, S. (2013). DNA methylation age of human tissues and cell types. Genome Biology 14(10), R115. PMID 24138928. doi:10.1186/gb-2013-14-10-r115
8. Marioni, R. E. et al. (2015). DNA methylation age of blood predicts all-cause mortality in later life. Genome Biology 16, 25. PMID 25633388. doi:10.1186/s13059-015-0584-6
9. Bahlo, M. et al. (2010). Saliva-derived DNA performs well in large-scale, high-density single-nucleotide polymorphism microarray studies. Cancer Epidemiology, Biomarkers & Prevention 19(3), 794-798. PMID 20200434. doi:10.1158/1055-9965.EPI-09-0812
10. Theda, C. et al. (2018). Quantitation of the cellular content of saliva and buccal swab samples. Scientific Reports 8, 6944. PMID 29720614. doi:10.1038/s41598-018-25311-0
11. Wong, Y. T. et al. (2021). A comparison of epithelial cell content of oral samples estimated using cytology and DNA methylation. Epigenetics 17(3), 327-334. PMID 34254878. doi:10.1080/15592294.2021.1950977
12. Jaffe, A. E., Irizarry, R. A. (2014). Accounting for cellular heterogeneity is critical in epigenome-wide association studies. Genome Biology 15(2), R31. PMID 24495553. doi:10.1186/gb-2014-15-2-r31
13. Bocklandt, S. et al. (2011). Epigenetic predictor of age. PLoS ONE 6(6), e14821. PMID 21731603. doi:10.1371/journal.pone.0014821
14. Tandy-Connor, S. et al. (2018). False-positive results released by direct-to-consumer genetic tests highlight the importance of clinical confirmation testing for appropriate patient care. Genetics in Medicine 20(12), 1515-1521. PMID 29565420. doi:10.1038/gim.2018.38
15. Higgins-Chen, A. T. et al. (2022). A computational solution for bolstering reliability of epigenetic clocks. Nature Aging 2(7), 644-661. PMID 36277076. doi:10.1038/s43587-022-00248-2
16. Joehanes, R. et al. (2016). Epigenetic Signatures of Cigarette Smoking. Circulation: Cardiovascular Genetics 9(5), 436-447. PMID 27651444. doi:10.1161/CIRCGENETICS.116.001506
17. Bell, C. G. et al. (2019). DNA methylation aging clocks: challenges and recommendations. Genome Biology 20, 249 (Review). PMID 31767039. doi:10.1186/s13059-019-1824-y