基于耗散理论的老化动力学研究：细胞老化图谱揭示生物系统的时间演化机制

为解析衰老的复杂动态过程，研究团队提出基于耗散理论的衰老新理论，利用Transformer模型分析scRNA-seq数据，构建细胞老化图谱（CAM），量化基因嵌入空间中的时间漂移和熵变，揭示组织与细胞类型特异性衰老轨迹，为理解衰老的系统级动态过程提供全新计算框架。

　　

衰老是生物学中最普遍却又最复杂的进程之一。从程序性衰老理论、进化理论到损伤积累理论，科学家们提出了多种解释框架，但始终缺乏一个能够统一描述衰老动态过程的系统性理论。传统研究多局限于生物学观察，难以捕捉衰老在分子和细胞层面的非线性、高维动态特征。随着单细胞测序技术的爆发式发展，如今我们已能够获取海量的细胞水平基因表达数据，这为在系统层面重新理解衰老提供了前所未有的机会。

在这一背景下，来自麻省理工学院医学工程与科学研究所的Farhan Khodaee团队提出了一种全新的衰老理论——衰老耗散理论，并发表于《npj Aging》。该研究创新性地将生物系统视为动态系统，利用遍历理论和霍普夫分解，将衰老过程分解为保守部分和耗散部分，前者呈现周期性回返特征，后者则表现为随时间不可逆的偏离和熵增。为了量化这一过程，研究人员采用了基于Transformer的机器学习模型，对来自CellxGene平台的超过6500万个细胞、涵盖171个年龄组、215种组织和616种细胞类型的scRNA-seq数据进行了系统建模，构建出细胞老化图谱（CAM），从而在分子分辨率上揭示衰老的动态规律。

该研究主要依托几个关键技术方法：一是使用Transformer架构的多模态细胞基础模型，整合基因表达与年龄等元数据信息，生成高维嵌入向量；二是运用掩码语言建模（MLM）策略进行年龄预测和嵌入表示学习；三是基于余弦相似度和熵值分析，量化基因嵌入随时间的漂移和不确定性变化；四是借助霍普夫分解将基因划分为保守型与耗散型，并结合置换检验验证其统计显著性。数据集涵盖从胚胎期到老年的广泛年龄跨度，并包括71种疾病状态，具有较强的生物学覆盖度和鲁棒性。

模型与数据集概述

研究人员收集了来自CellxGene平台的1528个scRNA-seq数据集，涵盖超过6500万个细胞，包括171个年龄组、215种组织和616种细胞类型，同时纳入71种疾病状态。通过Transformer模型对基因表达和年龄标签进行联合嵌入建模，生成可捕获上下文关系的高维向量，据此构建细胞老化图谱（CAM），以揭示衰老过程中的细胞和分子演变规律。

细胞老化图谱（CAM）分析

通过嵌入表示，研究团队评估了模型在年龄预测中的表现。大多数细胞年龄预测准确，z-score化年龄差接近零，但某些组织（如呼吸道）预测高度一致（Pearson相关系数0.93），而乳腺组织则预测偏差较大，说明衰老速率具有组织异质性。例如，Naive T细胞、调节性T细胞与年龄高度相关，而视网膜视杆细胞、乳腺成纤维细胞等则相关性较低，反映出不同细胞类型在衰老过程中受到环境、炎症等附加因素的影响程度不同。

年龄嵌入空间的时间漂移

通过计算基因嵌入与年龄嵌入之间的余弦相似性，研究发现基因在衰老过程中的贡献具有时间和组织特异性。例如，在血液组织中，SPATA4²和PRF1基因在青少年时期贡献较大，而TRAJ3²和NDST2则在70-80岁阶段影响更显著。某些基因如MCTP1在老年时期相似性逐渐上升，提示其可能参与衰老相关的维持或应激反应通路。

衰老是一个耗散过程

研究表明， chronological time（时序年龄）不能充分反映生物学衰老过程。通过霍普夫分解，基因被划分为保守基因（如ALDH3B1、NR2C2、HERPUD1）和耗散基因（如MKRN1、SESN1、ATR），前者嵌入漂移较小，后者则随时间发生显著变化。在疾病条件下，部分保守基因（如ATR、SAFB2）呈现耗散特征，而某些耗散基因（如TDP2）却变为保守型，显示出疾病对基因动态的重新调控。

熵分析揭示分子无序性

通过计算模型在掩码预测中的香农熵，研究量化了衰老过程中信息损失和分子无序性的变化。健康肾细胞熵值随年龄持续上升，尤其在晚年加速升高，表明分子组织性逐渐丧失。而内皮细胞在健康状态下熵值呈间歇性尖峰（如30多岁、50年代初和60年代初），暗示其具有应对瞬时干扰后恢复的能力。疾病状态下，内皮细胞熵值持续较高，反映出分子特异性丧失和功能紊乱加剧。

讨论与总结

该研究将衰老重新定义为一种耗散、熵增的动态过程，受到保守力与耗散力随时间和上下文环境变化的共同调控。细胞老化图谱（CAM）不仅提供了组织与细胞类型分辨率下的衰老轨迹定量描述，而且通过熵和嵌入漂移分析揭示了衰老的异质性和适应性特征。例如，健康内皮细胞表现出非线性的熵动态，提示其具有从局部不稳定中恢复的能力，而疾病则使这一弹性减弱，导致持续的功能下降。

研究的局限性主要在于嵌入表示的可解释性有限，且数据偏差可能影响泛化能力。未来需结合多组学数据和实验验证进一步拓展该框架。

总之，这项工作奠定了衰老研究的新理论基础，提供了在分子和细胞水平量化衰老动态的工具，为开发针对年龄相关衰退的个性化干预策略指明了方向。