冷冻单细胞基础模型中的炎症相关衰老信号:供体感知检测与鲁棒性测试

《Biogerontology》:Inflammation-linked aging signals in frozen single-cell foundation models: donor-aware detection and robustness testing

【字体: 大 中 小 】 时间:2026年07月29日 来源:Biogerontology 5.3

编辑推荐:

  单细胞基础模型(scFM)如scGPT和Geneformer是在人类单细胞RNA测序(scRNA-seq)数据上训练的大型神经网络。它们在训练过程中从未接触过时间年龄(chronological age)信息。然而,这些模型的内部表示是否仍能以可解释的方式编码

  
单细胞基础模型(scFM)如scGPT和Geneformer是在人类单细胞RNA测序(scRNA-seq)数据上训练的大型神经网络。它们在训练过程中从未接触过时间年龄(chronological age)信息。然而,这些模型的内部表示是否仍能以可解释的方式编码衰老生物学?研究人员应如何测试一个看似衰老的信号是真实的生物学现象,还是由于供体和细胞类型采样的人为产物?研究人员对两个冻结(frozen,未进行微调)基础模型和五个外周血单核细胞(PBMC)数据集应用了一个九步评估流水线,这些数据集包含来自约2000个已知时间年龄供体的4至5百万个细胞。每一步都是一个特定测试:能否从模型表示中读取年龄?表示是否将年龄沿一条清晰轴排列?稀疏特征分解(sparse-feature decomposition)是否揭示衰老相关程序?两个模型在通路水平上是否一致?对这些特征进行定向扰动(targeted perturbations)是否按预期方向改变预测年龄?最后,当重新采样细胞以使年轻和年长供体具有匹配的细胞类型组成(去除最明显的混杂因素)时,信号是否仍然存在?(1) 基础模型编码了年龄,但预测性能并不优于基因表达的主成分分析(PCA,50个成分):在所有五个队列中,PCA基线等于或超过最佳基础模型探针。它们增加的是一种互补的可解释性模式——稀疏特征分解和激活水平干预——而非预测能力;基因表达的PCA本身通过其载荷(loadings)具有可解释性,因此本研究的贡献在于评估框架,该框架用于裁决此类信号,而非声称基础模型能更好地预测年龄。随机重新初始化Geneformer的权重会破坏其大部分年龄信号(平衡准确性下降0.107点),而对scGPT的第9层进行相同操作几乎无变化——因此两个模型对年龄的编码是非对称的。(2) 稀疏自编码器(SAE)在两个模型中揭示了132个稳健的衰老相关特征,其中193个跨模型对在通路水平上匹配,集中于炎症。共享的炎症信号分解为特定亚模块:TNF/NF-κB经典通路和II型IFN-γ(两个模型一致),补体(scGPT特异性)。(3) 最强的衰老信号是Geneformer在AIDA phase 1 v2队列中的NF-κB程序。将这些特征推向“更老年”方向会使预测年龄增加0.15个预期年龄单位;推向相反方向则会减少;推向随机无关方向则无变化——这种三向方向性检验被称为“严格门控”(strict gate)。当重新采样细胞以使年龄组具有匹配的细胞类型组成(最严格的控制)时,方向性效应缩小约3倍,但8个重新采样种子中的7个仍通过严格门控。八分之一的重新采样完全消除了该效应。因此,方向性衰老信号在大多数实现中仍能通过混杂因素去除,但幅度减弱。在Yazar OneK1K队列(981个供体,与AIDA完全分离)上进行的外部检验,在一个已知的强生物学轴(性别)上重复了该工作流程,结果与AIDA对比的差异在10%以内——这证明该测试经过校准并可跨队列转移。本文的主要贡献在于一个评估框架,用于判断单细胞基础模型中的看似衰老信号是生物学现象还是采样结构。应用于此处,它表明冻结的基础模型携带一个可恢复的衰老信号,集中在NF-κB和IFN-γ炎症亚模块——这些生物学现象已在基因表达水平上确立,但从未经年龄训练的模型中零样本(zero-shot)恢复。同时报告无限制对比和成分匹配对比作为并行的特异性测试——而非仅报告总体数字——是该框架的核心建议。
论文解读文章:

**研究背景**

衰老是一个系统级过程,其特征包括慢性炎症、衰老相关分泌表型(SASP)、干细胞功能障碍和细胞间通讯改变。在基因表达水平上,炎性衰老(inflammaging)已得到充分证实:持续的先天免疫激活、核因子κB(NF-κB)信号通路、SASP以及适应性免疫重编程均与时间年龄(chronological age)相关。DNA甲基化时钟、血液转录组学特征以及大规模图谱参考文献可从分子谱中解码年龄。然而,单细胞基础模型(scFMs)如scGPT和Geneformer是在人类单细胞RNA测序(scRNA-seq)数据上训练的大型神经网络,它们在训练过程中从未接触过年龄标签。这些模型的内部表示是否仍能编码衰老生物学?如何测试一个看似衰老的信号是真实的生物学现象,还是由于供体和细胞类型采样的人为产物?现有研究多使用预测或差异表达分析,但缺乏系统性的框架来区分真实信号与采样结构。

**目前存在的问题**

主要问题在于:单细胞衰老分析中最常见的假阳性来源是细胞类型组成——年长供体拥有更多某些细胞类型而更少其他类型,模型可通过检测这种混合来“预测”年龄。此外,供体身份、批次效应和队列特异性失衡也会混淆信号。因此,需要一种方法从模型表示中提取真实的衰老信号,并排除这些混杂因素。

**为什么要开展这项研究**

本研究旨在开发一个评估框架,用于判断单细胞基础模型中的看似衰老信号是生物学现象还是采样结构。研究人员利用两个冻结(frozen)基础模型(scGPT和Geneformer)和五个PBMC数据集,通过九步流水线系统性地测试年龄信号的可解码性、几何结构、稀疏特征分解、跨模型一致性、定向扰动效应以及混杂因素控制,以确定信号的真实性。

**研究人员开展的研究**

研究人员应用了一个九步评估流水线,对两个冻结基础模型(scGPT和Geneformer)和五个PBMC数据集(包含来自约2000个供体的4至5百万个细胞)进行了分析。流水线包括:年龄探针(Block 1)、几何测试(Block 2)、稀疏自编码器(SAE)特征提取(Block 3)、跨模型通路匹配(Block 4)、定向扰动(Block 5)、严格门控(Block 6)、软控制(Block 7)、硬控制(即成分匹配,Block 8)和多种子重采样(Block 9)。通过逐步检验,研究人员评估了年龄信号的存在性、特异性、方向性以及对抗混杂因素的鲁棒性。

**主要结论**

(1) 基础模型编码了年龄,但预测性能并不优于基因表达的50成分PCA基线:在所有五个队列中,PCA基线等于或超过最佳基础模型探针。基础模型增加的是一种互补的可解释性模式——稀疏特征分解和激活水平干预——而非预测能力。(2) 稀疏自编码器揭示了132个稳健的衰老相关特征,其中193个跨模型对在通路水平上匹配,集中于炎症,特别是TNF/NF-κB经典通路和II型IFN-γ(两个模型一致),以及补体(scGPT特异性)。(3) 最强的衰老信号是Geneformer在AIDA phase 1 v2队列中的NF-κB程序。定向扰动实验表明,将该特征推向“更老年”方向可使预测年龄增加0.15个预期年龄单位,而推向相反方向则减少,随机方向无变化,通过“严格门控”。(4) 在成分匹配(最严格的控制)下,方向性效应缩小约3倍,但7/8的重采样种子仍通过严格门控,表明信号在大多数实现中仍能通过混杂因素去除,但幅度减弱。(5) 外部验证(Yazar OneK1K队列的性别轴)重现了结果,证明测试经过校准且可跨队列转移。

**重要意义**

本文的主要贡献在于一个评估框架,用于判断单细胞基础模型中的看似衰老信号是生物学现象还是采样结构。该框架展示了冻结的基础模型携带一个可恢复的衰老信号,集中在NF-κB和IFN-γ炎症亚模块——这些生物学现象已在基因表达水平上确立,但从未经年龄训练的模型中零样本恢复。该框架建议同时报告无限制对比和成分匹配对比作为并行的特异性测试,而非仅报告总体数字。论文发表在《Biogerontology》。

**关键技术方法**

研究人员使用的主要关键技术方法包括:(1) 九步评估流水线,包含年龄探针(逻辑回归分类器,基于供体感知分割)、几何测试(参与比率、年龄-轴相关性、轮廓分数)、稀疏自编码器(SAE)训练、跨模型通路匹配(超几何检验)、定向扰动(隐藏空间Delta法)、严格门控(三向方向性检验)、软控制(重加权)和硬控制(成分匹配重采样,8个种子)。(2) 样本队列来源:五个年龄标记的人类免疫队列,包括AIDA(Asian Immune Diversity Atlas)phase 1 v1和v2、Allen免疫图谱、Allen衰老浆细胞和Yazar队列(OneK1K),共约2000个供体。(3) 使用冻结的scGPT(上下文层scgpt_layer_09)和Geneformer(上下文表示),未进行微调。(4) 基线比较:50成分PCA、高变基因(HVG-2000)+log1p、SenMayo和GenAge基因集评分、Horvath血液时钟代理等。(5) 随机权重消融实验以分离预训练贡献。(6) 甲基化扩展(MethylGPT)作为交叉模态三角验证,使用512-CpG窗口近似。

**研究结果**

**1. Foundation models detect age, but not better than a gene-expression PCA baseline(基础模型检测到年龄,但不优于基因表达PCA基线)**
通过年龄探针(Block 1)和几何测试(Block 2),研究人员发现所有队列中基础模型嵌入均包含真实年龄信号(高于排列零假设),但年龄信号并不沿单一全局轴排列(几何测试失败)。与50成分PCA基线相比,在5/5队列中PCA基线匹配或超过最佳基础模型探针(例如AIDA v2中PCA达0.384,Geneformer仅0.322)。基础模型的价值在于其可解释性模式,而非预测能力。

**2. Sparse autoencoders find 132 robust aging-related features(稀疏自编码器发现132个稳健的衰老相关特征)**
通过稀疏自编码器(Block 3),研究人员提取了132个通过供体感知鲁棒性过滤的特征(scGPT 91个,Geneformer 41个),这些特征与年龄的相关性高于与供体身份的相关性,并通过供体排列检验和跨种子稳定性验证。信号集中于AIDA队列。

**3. Inflammation breaks down into submodules; both models agree on TNF/NF-κB and IFN-γ but not on complement(炎症分解为亚模块;两个模型在TNF/NF-κB和IFN-γ上一致,但在补体上不一致)**
通过跨模型通路匹配(Block 4),研究人员发现193个跨模型对在通路水平上匹配,集中于炎症/NF-κB。进一步分解为亚模块:在AIDA v2中,scGPT和Geneformer均指向TNF/NF-κB经典通路和II型IFN-γ(各2个跨模型对),而补体主要由scGPT特征主导(11 vs 1),表明模型间不一致。

**4. Cell-type-specific monocyte signal: present in AIDA v1, absent in AIDA v2—and why(细胞类型特异性单核细胞信号:在AIDA v1中存在,在AIDA v2中缺失及原因)**
限制于CD14单核细胞的分析显示,在AIDA v1中,推动炎症/NF-κB特征向“更老年”方向使预测年龄显著增加(Geneformer +0.036,scGPT +0.042),但AIDA v2中效应不确定或为负。研究人员通过比较两个队列发现,供体库组成、单核细胞比例变化和测序深度差异解释了这种不一致,而非生物学变化。

**5. The strongest aging signal: how it changes with sample size and under composition matching(最强衰老信号:随样本量和成分匹配的变化)**
Geneformer在AIDA v2中的NF-κB程序是最强信号。通过样本量扫描(50-400供体),研究人员发现严格门控通过率始终为1.00,对比度稳定在约+0.150。在成分匹配下,对比度缩小至约+0.046(约3.2倍),但通过率仍为1.00。这表明成分匹配使信号幅度衰减约三分之二,但方向性结构仍存在。

**6. How strict is the strict gate, in practice?(严格门控在实践中有多严格?)**
通过阈值扫描,研究人员发现默认严格门控(CI排除零,三向方向性,无效应量下限)具有最高的选择性间隙(约+0.29)。收紧效应量下限可提高特异性但牺牲灵敏度。最强分支在成分匹配下仍通过严格门控,但对比度幅度缩小。

**7. Composition matching attenuates the signal but preserves it on 7 of 8 resamplings(成分匹配衰减信号,但在8个重采样中的7个上仍保留)**
软控制(Block 7)几乎无影响。硬控制(Block 8-9)下,8个重采样种子中有7个仍通过严格门控,方向性对比度范围+0.002至+0.102(平均约3倍小于基线),而一个种子(种子404)完全失效。这表明方向性衰老信号在大多数实现中抵抗去除混杂因素,但偶尔因重采样而消失。

**8. Workflow ablation: each block adds an orthogonal disconfirmation(工作流消融:每个区块增加正交否定)**
通过去除每个区块,研究人员评估了其对最强结论的影响。没有Block 8,结论将无衰减;决定性区块是8和9,其余区块提供结构、方向和三角验证。

**9. Randomized-weights ablations isolate the contribution of pretraining (asymmetric across models)(随机权重消融分离预训练贡献(模型间非对称))**
通过随机重新初始化权重,Geneformer的年龄信号几乎消失(平衡准确性下降0.107),而scGPT第9层几乎无变化(下降0.002)。这表明Geneformer的年龄信号源于预训练,而scGPT第9层源于架构/输入统计。跨模型炎症亚模块收敛因此反映共享输入统计,而非学习表示。

**10. Methylation extension localises age signal to recurrent CpG windows(甲基化延伸将年龄信号定位到重复CpG窗口)**
在MethylGPT上的探索性分析显示,样本级年龄信号(r约0.85)集中于几个CpG区域,覆盖已知甲基化时钟。但此为近似推理,作为交叉模态三角验证。

**总结讨论**

研究人员总结指出,本研究的核心贡献是提供了一个评估框架,用于判断单细胞基础模型中的衰老信号是生物学现象还是采样结构。该框架展示了冻结基础模型携带可恢复的衰老信号,集中在NF-κB和IFN-γ炎症亚模块。这些生物学现象已在基因表达水平上确立,但从未经年龄训练的模型中零样本恢复。基础模型在预测年龄上并不优于基因表达PCA,但提供了一套互补的可解释性工具(稀疏特征、跨模型对齐、激活干预)。在最严格的控制(成分匹配)下,最强衰老信号缩小约3倍,但7/8重采样仍通过方向性干预测试。实际建议:任何基于基础模型的衰老声明应同时报告无限制对比和成分匹配对比,因为两者之间的差距是最容易被过度解释的信号部分。

**结论翻译**

本文的贡献是一个用于判断单细胞基础模型中的看似衰老信号是生物学现象还是采样结构的框架,以及该框架所返回的演示结果。应用于冻结的scGPT和Geneformer,它展示了其内部表示中存在可恢复的衰老信号,两个模型共享两种特定炎症亚模块——TNF/NF-κB经典通路和II型IFN-γ——这些信号从未经年龄训练的模型中零样本恢复。这种生物学现象在基因表达水平上已为人所知;研究人员不声称发现了新机制。这些模型在预测年龄上并不优于基因表达的简单PCA,且PCA本身通过其载荷具有可解释性;基础模型增加的是互补的可解释性工具集(稀疏特征、跨模型对齐、激活干预)。在研究人员运行的最严格控制下(在模型前向传播前按供体重采样细胞以使年龄组具有匹配的细胞类型组成),最强衰老信号缩小约3倍,但仍在8个重采样中的7个上通过方向性干预测试。随之而来的实际建议:任何基于基础模型的衰老声明应同时报告两个数字——无限制对比和成分匹配对比——因为两者之间的差距是信号中最容易被过度解释的部分。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号