深度学习虚拟敲除 DKO：衰老不是「表达变乱」，而是「同一个基因扰动在不同细胞里后果越来越不一样」

关于衰老有一个流传很广的直觉版本：越老，基因表达越乱、越不稳定。2006 年 Bahar 等人在 Nature 报告老龄小鼠心肌细胞中基因表达的细胞间变异上升，2017 年 Science 的免疫刺激实验也看到类似现象。这个画面直观、易讲、似乎已经被反复确认。

但它一直没有真正坐实。2022 年 eLife 有一篇刻意唱反调的系统性比较，结论是：在多个组织与细胞类型中，传统的转录噪声指标并不一致地上升。换句话说，「衰老＝表达更乱」很可能是度量选错了，而不是事实站不住。

10 月中旬上arXiv 的一篇预印本（Bar-Ilan 大学 Orr Levy 组与哈佛 Xu-Wen Wang 组合作）提出了一条绕开这个死结的量法：不要问「基因表达有没有变得更乱」，而要问「敲掉同一个基因之后，每个细胞的反应有多不一样」。

作者们把这套指标称为调控稳健性（regulatory robustness）的丧失——年轻细胞像一支训练有素的队伍，同一个指令下去，动作整齐划一；老龄细胞则像一群各说各话的队伍，同一个指令下去，每个人做出略微不同、且越来越不可预测的反应。

来龙去脉：一个「60 年的老问题」被换了量法

要理解这项工作的位置，得先看清衰老生物学在这个具体问题上的谱系。

第一步是「转录失调度」（transcriptional deregulation, TD）假说。自 Cell 2013／2023 两版《衰老标志》以来，基因组不稳定与表观改变被公认为衰老的核心标志之一。但这里有一个长期没解决的逻辑疙瘩：分子损伤是随机、逐细胞不同的，为什么所有器官却都朝同一个方向衰退？TD 假说的回答是：基因调控网络（GRN）充当了桥梁——细胞靠反馈、模块化、冗余这类网络架构「缓冲」损伤，一旦架构被逐渐破坏，局部随机损伤就会通过调控回路扩散成广泛的转录异常。

第二步是把 TD 落到单细胞上。随着单细胞转录组成熟，第一个可观测的 TD 表现是「细胞间异质性上升」，也就是 Bahar 2006、Martinez-Jimenez 2017 那一脉的工作。但作者在引言里指出这条路的天花板很清楚：差异表达只看均值变化，分不清适应性代偿与调控失稳（deterioration）；表达方差上升也未必是调控系统失灵，因为变异本身就可能来自内在的转录随机性、细胞状态组成变化、技术噪声。

第三步是「基因间协调性」这层系统视角。同一课题组 2020 年在 Nature Metabolism 提出：与其问单个基因是否更可变，不如问基因之间是否还保持协同变动。他们发现跨物种、跨组织的全局基因—基因协调性随龄下降，且与体细胞突变特征负荷、辐射诱导的 DNA 损伤相关。本文的直接前驱，就是这项工作。

但全局协调性仍然不够。一个群体层面的「协调性下降」数字，无法回答：究竟是哪些基因掉队了？同一个体细胞内部有多乱？作者的思路是把观测手段从「静态测量」换成「干预后的响应」——这正是本文的关键跳跃。

DKO：在计算机里敲掉一个基因，看整条表达谱怎么变

要直接做这件事，需要在大量年轻细胞与老龄细胞中，对成百上千个基因逐一敲除并测转录组。这是 CRISPR 筛选都吃不下的规模，更别说在人体的老年样本上做。

作者的解法是 DKO（data-driven knockout，数据驱动敲除）。它的思路很务实：不去重建完整的基因调控网络拓扑，而是直接从观察到的单细胞数据里学一个「基因集合 → 表达谱」的映射。具体模型极简——一个两层隐藏层的多层感知机（MLP），输入是细胞的二值基因集合 x ∈ {0,1}N，输出是归一化后的表达概率向量 p，用 Bray–Curtis 距离做损失，训练 5000 轮。

推理阶段就是「虚拟敲除」：把某个目标基因从细胞的基因集合中抹掉，用训练好的模型预测敲除后的表达谱，敲除前后的Bray–Curtis 差异就定义为该基因在该细胞中的「扰动影响值」。遍历所有细胞 × 所有已表达基因，就得到一张细胞 × 基因的扰动影响矩阵——本文所有结论都从这张矩阵里读出来。

这里有一个容易被略过、但恰恰是本文可信度基础的设计：虚拟扰动不需要任何配套的扰动实验数据来训练。它靠的是观察到的表达空间中的自然变异去学习约束。这是它能横跨人、鼠、果蝇、线虫四个物种的根本原因。

先在模拟数据里证明这个量是可信的

作者没有直接扑向真实数据，而是先做了一件更扎实的事：用 Michaelis–Menten 动力学的 ODE 模型生成合成单细胞数据。

• 所有细胞共享同一个基础调控网络与权重矩阵 W*；
• 每个细胞的权重矩阵 Wv 以概率 p 被独立重采样（p 从 0 到 0.15 递增）；
• p 越大，细胞之间调控状态分叉越厉害，等价于「调控层面的老化损伤」；
• 在模拟数据上做真实敲除（把目标基因置零后重跑 ODE 至稳态）以获得 ground truth。

结果是：真实扰动影响随 p 增大而变异性上升，而 DKO 仅从未扰动的表达谱就能预测出同样趋势。这是全文的方法学地基——它证明 DKO 捕捉到的「扰动响应差异」不是模型噪声，而是调控网络真实分叉的投影。

核心结果一：45 个细胞群体，41 个显示随龄的扰动响应异质性上升

主分析覆盖四个物种、来源全部是已发表的衰老单细胞图谱：

• 人卵巢（Jin et al., Nat Aging 2025；23–29 岁 vs 49–54 岁）
• 人骨骼肌（Kedlian et al., Nat Aging 2024；15–20 岁 vs 70–75 岁）
• 小鼠 11 个组织 20 个细胞类型（Tabula Muris Senis，特意只用 Smart-seq2 子集以减少平台异质性；3 月龄 vs 24 月龄）
• 秀丽隐杆线虫（Roux et al., Cell Reports 2023；1 天 vs 11 天）
• 果蝇脑（Davie et al., Cell 2018；0 天 vs 30 天）

共 45 个「组织–细胞类型」比较，41 个在老龄细胞中异质性更高，其中 40 项达到统计显著。人骨骼肌的 11 个细胞类型几乎全线飘红（最强如巨噬细胞 p≈2.9×10⁻²⁵⁷），小鼠骨髓造血干细胞、皮肤角质形成干细胞、舌基底层细胞也都显著。

反向的例子同样值得记录：人卵巢基质细胞 p=0.433（不显著），小鼠心脏成纤维细胞 p=0.0797、支气管平滑肌 p=0.0794（不显著）。作者没有回避这些，而是明确写出「方向并非在所有细胞类型上一致，但主导模式是随龄上升」——这种把阴性结果留在正文里的写法，在方法学论文里是加分项。

一个必须单独强调的对照实验

审稿人最容易在这里发难：「你给年轻细胞、老龄细胞分别训练了模型，当然会看出差异。」作者专门做了跨龄次训练检验（Fig. S5）：用骨髓 naive B 细胞、粒细胞、前单核细胞，分别做「只用年轻细胞训练」和「只用老龄细胞训练」，然后不做重训地同时应用到两个年龄组。两种训练策略下，老龄细胞的扰动响应变异性都一致地更高。

这一条基本堵住了最致命的那类质疑——结论不是「分开训练两个模型」这件事本身的产物。

核心结果二：突变负荷越高，细胞的「影响谱」偏离低损伤态越远

作者接着问：这项随龄增加的不稳定性，跟什么挂钩？先看分子损伤这一条线。

在人胰腺胰高血糖素细胞（Enge et al., Cell 2017）中，作者按随龄累积的 S1 突变特征负荷在个体内部排序，取最低 50 个细胞作参考态，其余分中、高两组。结果：5 位受试者中有 4 位（P1–P3、P5）高突变组的偏离显著更大；而 P4 恰恰是 S1 负荷最均一的那位，因此看不到差异——作者对这个反例的解释是合理的：组间对比的统计效力本就取决于个体内的负荷跨度，P4 没有跨度可打，这实际上是一个内部对照。

在老龄小鼠心脏成纤维细胞上，由于数据集没有现成的特征评分，作者自建了单细胞突变负荷：以「表达归一化突变比」ln(1+M)/(1+ln(1+E)) 抵消转录覆盖偏倚，再只在有可检出突变的基因上取平均。跨供体看，高突变组普遍比中突变组偏离更大。

需要留意的是作者自己承认的短板：从 scRNA-seq 里数突变，本质上是不完整的——检测灵敏度依赖表达量和转录本覆盖。作者用表达感知的归一化和供体内比较来缓解，但这终究不能替代基因组层面的测量。

核心结果三：衰老细胞是最不「整齐」的那一批——而且是在同一个群体内部

第三条线最贴近衰老干预的痛点：细胞衰老（senescence）。

作者测了两个体系。人脐静脉内皮细胞（HUVEC）用原研究的 4 个簇，走「增殖态 → 衰老态」的进程；WI-38 成纤维细胞用 6 个群体倍增水平（PDL 25→50）的复制性衰老轨迹。两者都观察到：基因扰动影响变异性随衰老进程单调上升，细胞影响变异性也持续偏离早期参考态。

但更有分量的不是簇与簇之间的比较，而是簇内比较：作者在 HUVEC 的 cluster 2 内部（即同一个转录簇内）按衰老模块评分再切出低／中／高三组，高衰老组的基因影响变异性显著更高、细胞影响偏离也显著更大；在 WI-38 的 PDL 50 内部重复同样做法，结论一致。

还有一个诚实的细节：HUVEC 的衰老模块评分本身并非单调——cluster 3 略高于 cluster 4（符合原文所述复制性衰老的多阶段性，不同 SASP 程序可能在中间态而非终末态达到峰值）。但扰动影响变异性却是单调的。换句话说，这两个指标测的不是同一件事——这恰恰是本文主张「影响变异性优于传统衰老读出」的最好例证。

作者自己列的四条局限，加上我看到的几条

作者承认的：

• 是预测不是测量。所有影响值都是模型输出，不是同一批细胞上真实敲除的结果。
• 关联不等于因果。突变累积可能导致调控分叉，细胞衰老也可能是调控失稳的后果——方向未定。文中模型倾向后者：突变在上游、衰老在下游。
• 绝对值跨数据集不可比。每个组织/细胞类型都单独训练模型，因此结论只能建立在群体内对比上。
• 突变负荷不完整（见前）。

我读全文后补充的：

• 「偏离度」定义带有构造性。细胞影响变异性的定义是「该细胞的影响谱相对低损伤参考态的绝对偏差之和」，而低损伤组本身就是参考。那么「高损伤组偏离更大」在构造上有一半是同义反复；真正有信息量的是基因层面的中位绝对偏差（MAD）随龄变化那条线，以及簇内那次严格同质亚群内的对比。
• 缺少与朴素基线的正面对照。本文的隐含主张是「影响变异性比表达方差更好地刻画 TD」——但全文没有把新指标与「基因方差」「到年轻细胞质心的距离」等简单基线在同一数据上比过。对照 eLife 2022 的反证（朴素噪声指标不随龄上升）恰恰是本文立论的基础，却没有被搬出来当正面检验。
• 老年细胞的检测深度本身在变。作者已经用 Smart-seq2 限定小鼠数据来减少平台异质性，这点做得对；但衰老导致的转录组复杂度下降、dropout 差异仍可能单向影响异质性估计，这一层没有做敏感性分析。
• 模型未做留出验证。DKO 在每个群体内训练并在该群体上分析，属自评。目前没有独立数据集上的外部复现。
• 「跨物种保守」的强度要打折看。四个物种的趋势方向一致是加分项，但显著≠量级可比；且每个物种的年龄对照跨度差异极大（鼠 3→24 月 vs 果蝇 0→30 天），生物学年龄并不等价。

这项工作真正的价值在哪

• 它把一个失败的度量换成了一个可用的度量。「表达方差随龄上升」在系统性比较中已被否证，本文给出了一个能重复 45 次、跨四个物种的替代指标。方法学上的负结果被正结果接住，这在衰老研究里并不常见。
• 它把 TD 假说从群体层面推到了单细胞层面。此前「全局协调性下降」只能给出一个群体数字；现在可以问：哪个基因的扰动响应随龄最不稳定，哪个细胞最先偏离。这为「衰老是否由少数关键基因驱动」这类问题打开了可操作入口。
• 它天然适合吃存量数据。DKO 不需要配套扰动实验，理论上可以直接刷遍已发表的衰老单细胞图谱。作者的代码仓库名为 DKO_keystone_genes，后续的「关键基因（keystone genes）」筛选显然是既定计划——这篇是方法论奠基，不是终点。
• 它对干预理论有直接含义（虽然尚不充分）。如果调控失稳是全局性的而非少数通路特异性的，那么单靶点干预的天花板可能比想象中高。这是本文对产业端最值得留意的一句暗示。

接下来值得关注什么

• 真实扰动验证。在同一批细胞上做 CRISPRi/CRISPRa，再看 DKO 预测的影响谱是否对得上。这是把 C 级推向 B 级的唯一路径。
• 关键基因清单。作者已预告将筛选「扰动响应随龄变化最大」的基因，并检验它们是否与已知衰老生物标志物重叠、或是否为全新候选。这张清单的可检验性很强，第三方可以独立复核。
• 跨组织比较：共享 vs 细胞类型特异。哪些调控失稳是全局性的、哪些只在特定细胞里出现——这直接决定干预能否广谱奏效。
• 与微环境的接口。本文数据全部来自离体解离的转录组，因此只触及了衰老的「细胞内在」一侧。而「细胞内在 vs 微环境驱动」正是衰老异质性研究当前最激烈的分歧点（见本站 GLP-1 抗衰老的独立通路 中涉及的机制分层讨论）。一个能接上微环境信号的调控稳健性指标，价值会再上一个台阶。
• 与单一衰老标志物的正面对比。如果影响变异性确实能捕获 SASP、p16^INK4a 等经典指标之外的维度，它有可能成为独立的老化度量——但需要证明它与现有指标不冗余。

相关论文：查看 arXiv 论文原文 →　·　代码：DKO_keystone_genes →　·　方法学前作：DKO 原始方法预印本（arXiv:2510.03359）→