El reloj epigenético evalúa la edad biológica humana basada en patrones de metilación del ADN. Toma la forma de un modelo de regresión donde la proporción de metilación en los sitios CpG sirve como predictor y la edad como variable de respuesta. Debido al gran número de sitios CpG y su correlación, Elastic Net se usa comúnmente para entrenar los modelos. Sin embargo, los relojes epigenéticos estándar existentes, entrenados en datos multirraciales, pueden mostrar sesgos debido a diferencias genéticas y ambientales entre grupos raciales específicos. Desarrollar relojes epigenéticos adecuados para una población de una sola raza específica requiere recopilar y analizar cientos o miles de muestras, lo que cuesta mucho tiempo y dinero. Por lo tanto, se necesita un método eficiente para construir relojes epigenéticos precisos con tamaños de muestra más pequeños. Proponemos Transfer Elastic Net, un enfoque de aprendizaje por transferencia que entrena un modelo en la población objetivo utilizando la información de los parámetros estimados por Elastic Net en una población fuente. Utilizando este método, construimos tipos de relojes epigenéticos de Horvath, Hannum y Levine a partir de muestras de sangre de 143 sujetos japoneses. Los datos de metilación del ADN se transformaron a través de un análisis de componentes principales para obtener relojes más confiables. Los relojes desarrollados demostraron los errores de predicción más pequeños en comparación con los relojes originales y aquellos entrenados con Elastic Net en los mismos datos japoneses. Transfer Elastic Net también se puede aplicar para desarrollar relojes epigenéticos para otras poblaciones específicas, y se espera que se aplique en varios campos.