这篇综述很好地阐述了表观遗传漂移和细胞应激如何导致细胞衰老，进而驱动衰老和疾病。
一张衰老细胞地图，可能改变你看待年龄的方式
科学家们终于意识到，细胞衰老这件事远没有以前想的那么简单。过去大家以为衰老就是细胞不分裂了、呆在那不动了，但现在发现，衰老细胞其实很“戏精”——它们不仅自己不干活，还会释放各种信号影响周围的邻居细胞，甚至可能让好细胞也跟着变坏。
问题是，我们对这些衰老细胞在人体里到底长啥样、分布在哪儿、干啥坏事，几乎一无所知。
所以，美国国立卫生研究院搞了一个叫SenNet的大项目，目标就是画出一张人体衰老细胞的“地图”，搞清楚哪些器官、哪些细胞在变老，变老后干了什么好事或坏事。这篇文章就是SenNet项目的一个总结，告诉你他们到目前为止都发现了什么，以及未来怎么利用这些发现来治病、延寿。
你以为细胞老了就消停了？错了，它们反而更“话多”
咱们先从一个基本概念聊起。什么叫细胞衰老？你要是看课本，可能会说“细胞停止分裂了”。对，但只对了一半。细胞衰老最早是在实验室里发现的，就是把细胞放在培养皿里养着，养着养着它们就不分裂了，但也没死，还活着，还能新陈代谢。后来科学家发现，人体里也有这种状态，不光是因为细胞分裂次数到了极限，有时候是受了伤、被病毒感染、或者被氧化压力折腾得够呛，它们也会主动选择“退休”。
但问题来了，退休就退休吧，安静养老不行吗？不行。这些衰老细胞有个特别烦人的特点：它们会分泌一大堆乱七八糟的分子，比如炎症因子、生长因子、蛋白酶啥的。科学家给这个现象起了个名字，叫衰老相关分泌表型，简称SASP。你可以把SASP想象成一个老大爷退休后天天在小区里拿着大喇叭广播，内容还挺负能量，搞得整个小区都不安宁。
在人体里，这种“大喇叭广播”有时候是好事。比如你受伤了，衰老细胞可以召唤免疫细胞来帮忙清理垃圾、修复组织。但更多时候是坏事。随着年龄增长，衰老细胞越积越多，它们的SASP就会引发慢性炎症，破坏组织结构，甚至促进癌症、糖尿病、阿尔茨海默病等一大堆老年病。
所以科学家特别想搞清楚：在人体里，到底哪些细胞会变成衰老细胞？它们在哪儿？数量有多少？它们分泌的东西对周围环境到底有多大影响？没有这张地图，一切都只能猜。
以前的研究都在老鼠身上做，人和老鼠差得远
你可能会问，科学家不是研究衰老很多年了吗？怎么连张地图都没有？原因其实挺简单的：以前的研究大多是在细胞培养皿或者老鼠身上做的。老鼠确实好用，繁殖快、基因能操控，但老鼠和人的衰老方式差别很大。老鼠两岁就老了，人能活八十岁，而且人的组织更复杂、细胞类型更多、微环境更不一样。你在老鼠身上看到的衰老细胞特征，放到人身上可能完全对不上号。
还有一个麻烦是，衰老细胞在人体里其实很少。年轻的时候可能连1%都不到，就算老了也就百分之几。你要从一大堆正常细胞里找出这几个“捣乱分子”，技术上非常困难。而且衰老细胞还没有一个通用的“标签”——比如某个分子在所有衰老细胞上都出现，没有。不同类型的衰老细胞，表达的东西不一样；同一种细胞，被不同原因搞衰老了，表达的东西也不一样。这就好比你想去抓一群穿了伪装服的特工，他们还不穿统一制服，你根本认不出来。
正因如此，NIH才在几年前启动了SenNet项目。这是一个超大规模的联合研究，几十个实验室、几十种技术一起上，目标就是系统性地画出人体衰老细胞的全景图。
这篇文章就是SenNet项目发在《细胞》杂志上的一篇综述，相当于项目的中期汇报。
淋巴管里藏着衰老的秘密，B细胞居然会“扎堆变老”
咱们来看看SenNet项目具体发现了什么。先说正常衰老过程中的发现。
有一个研究团队专门看了人的淋巴系统，特别是淋巴结。淋巴结是你免疫系统的重要据点，里面住着各种免疫细胞，包括B细胞和T细胞。研究人员从5岁到86岁的捐赠者那里取了淋巴结样本，然后用了一堆高端技术，包括单细胞测序、空间转录组学、蛋白质组学等等，把每个细胞的位置、身份、状态都搞得清清楚楚。
结果发现什么呢？随着年龄增长，淋巴结里有一种叫生发中心B细胞的细胞，会慢慢变得衰老。而且不是一下子就全老了，是一个焦点一个焦点地累积。你可以想象一个房间里的灯泡，不是同时灭的，而是一个一个区域暗下去。这些衰老的B细胞不仅自己不干活了，还释放SASP因子，影响周围的免疫细胞，导致整个淋巴结的功能下降。这就能解释为什么老年人打疫苗效果不好、免疫力下降——因为免疫细胞的老巢被衰老细胞慢慢“占领”了。
另一个团队研究了大脑，具体是前额叶背外侧皮层。这个区域和高级认知功能有关，比如决策、注意力、工作记忆。他们发现，大脑里的衰老细胞也不是均匀分布的。有一种叫星形胶质细胞的脑细胞，在大脑白质区域更容易衰老；
还有一种叫内皮细胞的，就是血管内壁的细胞，在大脑皮层的第一层更容易衰老。而且这些衰老细胞的基因表达模式，和大脑结构的影像学变化是相关的。也就是说，你从MRI上看到某个脑区萎缩了，底下很可能就是一群衰老细胞在作怪。
更有意思的是，他们还发现了一些“保守”的衰老特征。什么叫保守？就是不管细胞类型、不管诱导因素，某些分子变化是共通的。这些保守特征就可以作为潜在的生物标志物，用来检测衰老细胞。这个发现特别重要，因为如果你想开发药物清除衰老细胞，你得先知道目标是谁。
生病的时候，衰老细胞还会“换皮肤”
再来看疾病状态下的衰老细胞。SenNet项目研究了两种病：肝纤维化和慢性伤口。
肝纤维化就是肝脏组织变硬、变糙，时间长了会发展成肝硬化甚至肝癌。研究团队比较了正常肝脏、纤维化肝脏，还有结肠癌肝转移患者的肝脏样本。结果发现，不同类型的衰老细胞分布在不同的位置。
比如有一种叫CDKN1A阳性的肝细胞，主要出现在纤维化区域；还有一种叫SERPINE1阳性的肝细胞，也是衰老的，但主要和年龄相关，不一定有病。另外还有一群CXCL12阳性的成纤维细胞，它们在纤维化组织里特别多，而且这些细胞的SASP特征和正常成纤维细胞完全不一样。更让人意外的是，在结肠癌肝转移的患者肝脏里，还发现了一群CDKN2A阳性的肝祖细胞和胆管细胞，它们也有分泌表型，可能是在促进肿瘤生长。
这个研究告诉我们，同样是肝病，不同病因、不同阶段的衰老细胞类型是不一样的。你用一种药去清所有衰老细胞，可能不现实。未来可能需要根据患者的senotype——你可以理解为“衰老细胞的身份卡”——来选择不同的治疗方案。
慢性伤口的研究也很有意思。老年糖尿病病人腿上或者脚上容易长慢性溃疡，怎么都长不好。研究团队建立了一个慢性伤口模型，然后用空间转录组学和空间蛋白质组学技术，把伤口组织切成超薄切片，一个一个细胞地分析。
他们发现，慢性伤口里有两种主要的衰老细胞：
一种叫p16阳性衰老细胞，它们数量多、聚集成团，而且和免疫细胞靠得很近。这些细胞主要活跃在和基质重塑、趋化因子信号相关的通路上。
另一种叫p21阳性衰老细胞，数量少、分散得更开，它们的基因特征偏向抗氧化和代谢调节。这两种衰老细胞在同一个伤口里，干的事不一样，和免疫细胞的互动方式也不一样。
这就解释了为什么慢性伤口老长不好——衰老细胞不仅自己不干活，还通过不同的方式“带坏”了周围的免疫环境。
新冠肺炎也不放过，衰老细胞可能参与了“细胞因子风暴”
SenNet项目还研究了新冠肺炎。你没看错，疫情最严重的时候，科学家们也没闲着。他们发现，在重症新冠肺炎患者的肺组织里，也出现了大量的衰老细胞。而且这些细胞的SASP特征和正常衰老或者肝纤维化里的都不一样，包含大量促炎因子，比如IL-6、CXCL9、CXCL10。这些因子恰恰就是新冠肺炎里所谓的“细胞因子风暴”的主要成分。
虽然这个研究的样本量不大，但它提示了一个可能性：新冠病毒感染可能会诱发某些细胞提前衰老，而这些衰老细胞再释放大量炎症因子，推高了整个免疫反应，导致肺损伤加重。如果这个机制成立，那用senolytic药物——就是专门清除衰老细胞的药——来治疗重症新冠，可能是一个新思路。
说到senolytic药物，SenNet项目也筛出了一些新东西。比如他们发现一种叫α-桐油酸的天然脂质分子，可以选择性地杀死衰老细胞，而且不是通过传统的细胞凋亡或者坏死，而是通过一种叫铁死亡的方式。铁死亡就是细胞内铁离子过多，引发脂质过氧化，最后细胞膜破裂而死。在小鼠实验里，这个药能减少组织里的衰老细胞数量，延长健康寿命。当然，这还是在动物实验阶段，离人体应用还有距离，但至少给药物开发提供了一个新方向。
大数据和人工智能上场，光靠显微镜已经不够了
你可能会想，搞这么多研究，得多少数据啊？没错，SenNet项目的每个研究都会产生海量数据。单细胞测序一个样本就能测出几万个细胞的基因表达；空间转录组学还能告诉你每个细胞在组织里的坐标；蛋白质组学又能测出几千种蛋白质的丰度。把这些数据叠在一起，一个组织样本的数据量轻松上TB。
那怎么分析这些数据呢？传统的方法已经不够用了。SenNet项目的一个重点是开发计算工具和人工智能模型。比如他们做了一个叫SenCat的数据库，里面包含了30多种衰老细胞模型的数据，包括14种细胞类型、每种细胞至少用了2种不同的诱导衰老方式。然后他们用这些数据训练机器学习模型，让模型学会识别衰老细胞的“特征指纹”。
这个模型的效果还不错。他们用模型去分析血浆样本里的蛋白质，然后把结果和两个大规模老龄化研究的数据做比对。一个是美国的巴尔的摩老龄化纵向研究，一个是意大利的InCHIANTI老龄化队列。结果发现，某些细胞类型的衰老信号和特定疾病高度相关。比如肾上皮细胞的衰老信号，是预测肾病最强的指标；免疫细胞的衰老信号，和糖尿病、虚弱状态显著相关，甚至可以预测未来糖尿病的发病风险和死亡风险。
这是什么概念？就是说，未来你可能只需要抽一管血，测一下血浆里某些蛋白质的丰度，就能知道你身体里哪个器官的衰老细胞比较多，未来得什么病的风险比较高。这比现在的体检指标要精准得多，因为它直接关联到具体的细胞类型和病理机制。
当然，这个技术目前还在研究阶段，离临床应用还有距离。但方向是很明确的：从“治已病”转向“治未病”，提前知道风险，提前干预。
想要精准清除坏衰老细胞，先得学会区分好坏
说到这里，你可能已经感觉到了，衰老细胞这个东西，不是简单的“好”或“坏”。有些衰老细胞在特定情况下是有益的。比如胚胎发育过程中，某些细胞的衰老可以帮助组织塑形；伤口愈合过程中，衰老细胞可以招募免疫细胞来清理垃圾；还有研究说，某些衰老细胞可以抑制肿瘤的发生。
所以未来的senolytic疗法，目标不是把所有衰老细胞都清掉，而是精准地清除那些有害的、促病的衰老细胞，同时保留那些有益的、有保护作用的衰老细胞。这就需要我们对衰老细胞的异质性有更深入的了解。同一个器官、同一种细胞类型，可能因为不同的诱导原因、处于不同的微环境，表现出完全不同的功能。没有一张高分辨率的“衰老地图”，你根本分不清谁是好谁是坏。
SenNet项目的最终目标，就是提供这样一张地图。它不是一个简单的清单，说“肝脏里有A、B、C三种衰老细胞”，而是一个多维度的、动态的、可以查询和更新的数据库。你想知道65岁男性、肺纤维化、用过某种化疗药之后，肺里出现哪种衰老细胞？查一下。你想知道哪种senolytic药物对这种细胞最有效？数据库里可能已经有相关实验数据了。
这种开放的数据资源，对所有研究衰老和老年病的科学家都是巨大的财富。你可以不用从头开始做实验，直接利用这些数据提出新假设、设计新实验、开发新药物。这也是NIH砸这么多钱搞SenNet的初衷——打造一个基础平台，让整个领域都能在上面盖楼。
技术大杂烩：单细胞、空间组学、AI一个都不能少
我们再来稍微细说一下SenNet项目用到的技术，因为这个也是这篇文章的重点之一。你看Figure 2就能知道，这个项目几乎是“所有能用上的技术全用上了”。
基因组层面，他们用单细胞和bulk RNA测序来检测基因表达。表观基因组层面，用ATAC-seq来检测染色质的开放性，也就是哪些基因区域是“待命”状态。转录组层面就更丰富了，单细胞RNA测序、单核RNA测序、空间转录组学（比如Visium、Xenium、CosMx），既能测出每个细胞在表达什么，又能知道它在组织里的坐标。蛋白质组层面，用质谱、Olink、SomaScan、PhenoCycler这些技术，可以同时测几百上千种蛋白质的丰度和空间分布。
还有多组学技术，比如DBiT-seq，可以在同一张组织切片上同时测RNA和蛋白质；Xenium和CosMx则是高分辨率的空间转录组学平台，能测到亚细胞级别的分辨率。
这些技术各有优缺点。单细胞测序分辨率高，但会丢失空间信息；空间组学保留了空间信息，但通量低、成本高；蛋白质组学灵敏度高，但覆盖的分子种类有限。SenNet的策略不是选一个“最好的”，而是把所有技术都用上，然后通过计算模型整合起来，取长补短。这也是为什么AI和大数据在这个项目里这么重要——没有计算工具的帮助，这些不同层面、不同分辨率的数据根本没法融合。
总结一下，这张地图到底能干什么用
咱们最后来总结一下，SenNet项目画的这张衰老细胞地图，到底能用来干什么。
第一，理解衰老的根本机制。以前我们研究衰老，都是从某一个角度切入，比如端粒、线粒体、炎症等等。现在有了细胞类型分辨率的地图，我们可以问更精准的问题：到底哪些细胞是衰老的“元凶”？它们是通过什么机制搞破坏的？不同器官的衰老是同步的还是独立的？
第二，开发诊断工具。通过血浆蛋白质组学，我们已经可以看到某种细胞类型的衰老信号和特定疾病相关。未来有望开发出一套“衰老血液检测”，就像现在的血常规一样，告诉你哪个器官的衰老细胞超标了，你离哪种病最近。
第三，开发精准的senolytic疗法。有了地图，你就知道靶点在哪。比如肝纤维化患者，如果地图显示他的主要问题是CDKN1A阳性的肝细胞，那就用针对这类细胞的药物；如果是CXCL12阳性的成纤维细胞，那就用另一种药。甚至可以根据患者的senotype来组合用药，实现真正的个性化治疗。
第四，延缓和预防老年病。如果能早期检测到某个器官的衰老细胞开始累积，你可以在疾病还没出现的时候就进行干预。比如用senolytic药物清除这些细胞，或者用senomorphic药物抑制它们的SASP。这就把医疗从“等病来了再治”变成了“在病发生前就阻止它”。
第五，也是最高远的目标，是延长健康寿命。我们追求的不是单纯的活得更久，而是活得更健康、更高质量。减少老年病的发生率，让老年人保持身体机能和认知能力，这对个人、家庭、社会都是巨大的福祉。
原文期刊：Cell
发表日期：2026年6月11日
原文标题：Charting human cellular senescence in aging and disease
作者单位：斯坦福大学医学院遗传学系、耶鲁大学医学院衰老研究中心、西奈山伊坎医学院遗传学与基因组科学系、哥伦比亚大学欧文医学中心神经内科、纽约基因组中心、美国国立卫生研究院老龄化研究所转化老年医学部、华盛顿大学医学院、明尼苏达大学生物化学与分子生物学系等