DNAメチル化プロファイルからのエピジェネティック年齢予測は本質的に高次元であり、測定するシトシン−リン酸−グアニン（CpG）座位数を削減しつつ予測性能を維持する、簡潔なモデルが必要となる。本研究では、重み付き閾値CpGセレクタと8つのXGBoostハイパーパラメータを同時に最適化する集団ベースの多目的探索フレームワークMOSurvivorを提案する。実験では、Illumina HumanMethylation450プラットフォームで656人の個体をプロファイルしたGSE40279の全血コホートを用いた。年齢相関のCpGを1,000個に保持した後、同一の30個のシード付き80:20の学習／テスト分割に対して、次の5つの戦略を評価した：1,000個すべてのCpGを用いた固定パラメータのXGBoost、ランダムサーチ、遺伝的アルゴリズム、粒子群最適化、そしてMOSurvivor。内部適応度は各学習セットに対する3-fold交差検証で推定した。30個の保持テストセット全体で、MOSurvivorは平均絶対誤差（MAE）4.149 ± 0.300年、二乗平均平方根誤差5.545 ± 0.392年、R^2 0.855 ± 0.027を達成し、保持されるCpG数は211.6 ± 54.8であった。全特徴量のXGBoost（MAE 4.095 ± 0.285年）と比べて、MOSurvivorはMAEの増加がわずか0.054年（1.3%）にとどまりつつ、特徴量集合を78.8%削減した。対応のあるWilcoxon検定では、MOSurvivorといずれの比較対象との間にも有意な精度差は見られなかった（すべての未調整p > 0.05、すべてのHolm調整後p ≥ 0.476）。最も反復された座位であるcg16867657は29回の実行で現れたが、平均のペアワイズJaccard類似度は0.124であり、多数のほぼ同等の特徴量サブセットに埋め込まれた小さな安定コアを示していた。したがってMOSurvivorは、絶対的な精度で優越するというよりも、競争的な精度−簡潔性のトレードオフを提供する。生物学的または臨床的な翻訳の前には、外部検証とリークのない入れ子構造の特徴量事前選択が引き続き必要である。キーワード：エピジェネティック・クロック、DNAメチル化、特徴選択、多目的最適化、XGBoost、メタヒューリスティクス、生物学的エイジング。
https://doi.org/10.64898/2026.08.26.747213