血液为何被少数细胞家族占据？克隆性造血与衰老

本文的判断是：选择优势有多层证据支持，但增长率是有条件的估计；检测阈值、零值处理、细胞组成和竞争环境都可能影响它。 我们重新解析了 4,292 条公开 VAF 记录，修正变异标识和模型尺度，核对作者的拟合诊断，并检验后续采样的预测误差。主论文 补充数据

01VAF、突变和克隆，是三个不同层级

VAF 是携带某个突变的测序读段比例，不是直接数出多少干细胞。对于没有拷贝数改变、每个突变细胞携带一个突变等位基因的常染色体位点，细胞比例可以近似为 2×VAF；性染色体、拷贝数变化、不同血细胞谱系的贡献都会破坏这种简单对应。

同一细胞家族可以携带多个突变，一个供者也可以有多个独立家族。Fabre 的纵向血液测序不能可靠判断不同突变是否在同一克隆内，其模型假定每个突变可以代表一个克隆的丰度，并没有把已证实共存的突变逐一合并。因此，下文复算单位称为“变异轨迹”；作者的“克隆”数量须按其定义理解。方法与代码 作者实现

SardiNIA 主研究涉及 385 人、1,593 份血液样本，每人最多五次采样，中位随访 12.9 年。我们从补充表 2 解析出 349 名有列出变异的供者、1,046 条不同变异、4,292 条观测，涉及 52 个基因，包含 99 条同义变异。作者的生长分析则选择了显示正选择的 17 个基因及相应突变类别，不能拿两套总体直接比较。

原始摘要报告 697 个克隆；公开参数表 6 有 685 条、303 名供者。我们保留这个未完全解决的筛选口径差，不以“已经完成克隆合并”解释。关键原始读段数、覆盖度和完整筛选输入尚未取得：Figshare 本次仍返回 403。数据入口

这张图也说明为什么变异标识必须包括供者、染色体、起止位置和参考/替代等位基因。PD41087 的一个 SRSF2 位置同时有 G→A、G→T，两条轨迹在不同时间的高低会交换；只按供者、基因和起点分组，再取较大 VAF，会人为拼出一条不存在的混合轨迹。本次分别保留全部十条观测。

02先把增长率放到同一把尺上

作者代码使用的平均 VAF 形式为：

VAF(t) = 0.5 × logistic(βt + u)。

因此，简单线性对照应拟合 logit(2×VAF)，而不是 logit(VAF)。β 是克隆细胞比例的对数优势比随时间的斜率；exp(β)−1 是优势比的年变化，在克隆很小时近似其相对扩张速度。它不是任意大小克隆都保持不变的 VAF 年增长百分比。作者模型

我们把常染色体、表 5 对应基因/突变类别、至少三次正 VAF 观测作为一个明确的描述性子集，共 593 条变异、277 名供者。零值不进入这一主斜率拟合，另做下限替代敏感性；这会条件化于可测到的正值，不是对检出偏倚的完整校正。由于缺少原始计数，性染色体校正也无法独立核实，主对照不纳入 X 染色体。

按供者、基因和明确的蛋白注释唯一匹配后，520 条变异、261 名供者可与作者总系数比较。两者 Spearman ρ=0.838；按供者重抽样的 95% 区间约 0.805—0.867。它说明两种处理对这部分轨迹的排序大体一致，不是两套独立数据验证了同一生物学结论，更不是完整贝叶斯模型的复现。

作者还把基因、具体位点和未被解释的个体成分分开。参数表的 GeneticEffect 是基因加位点效应，不能直接叫作纯基因效应。截断与非截断 DNMT3A、TET2 也有不同参数。例如 SRSF2 的基因基线系数约 0.153，而 P95H 的基因加位点系数约 0.447；转换为优势比年变化，分别约 16.5% 和 56.3%。把两者混在一起，会错误解释为何某些具体突变长得很快。

我们的普通最小二乘没有原始读段权重、技术过度离散或层级收缩；斜率差也可能来自过滤、非线性与测量误差，不能全部归因为作者收缩极端值。作者的“未知原因”项同样不能被称为去除所有噪声后的纯环境效应。

03“92.4%”是拟合诊断，不是终身恒定扩张的认证

表 6 中 633/685 条的 GoodTrajectory 标志为真，确实等于 92.41%。但这只是重新统计作者的诊断结果。作者代码的规则是：同一条轨迹的每个观测，在其模型下都没有进入低于 2.5% 或高于 97.5% 的预测尾部。我们没有重跑生成该标志的贝叶斯计算，不能把重数标志称为独立验证。诊断代码

这个标志也不等于“确定在增长”：这 633 条中有 18 条总系数点估计不大于零。它更适合被理解为“当前观测与该模型相容”。少数采样点、模型的误差设定与诊断规则，都影响这个比例。OLS 的 R²和这套预测诊断衡量的也不是同一件事。

更有价值的另一项核查来自补充表 4：作者对 11 名供者的 15 条变异，提供了未用于初始拟合的后续第六时点预测。本次计算，预测与实测 VAF 的平均绝对误差为 3.73 个百分点，最大误差 9.23 个百分点，Spearman ρ约 0.814。排序相关可以较高，单条轨迹的绝对误差仍可能不小。这个特定小样本支持一定预测能力，但不是外部人群的全面校准。

04首次采样不是首次检出，阈值也不是唯一解释

补充表 2 的脚注明确：只要某个变异在任一时点被检出，就回列所有时点，包括 VAF 为零的观测。全表有 717 个零值；1,046 条轨迹中，216 条首次采样为零。因此，“首测 VAF”和“第一次阳性检出 VAF”不能混用。

把零值换成很小的数再取对数，会影响斜率，尤其是后来才出现正读数的轨迹。我们对同一组 593 条变异比较仅使用正值与不同下限替代的结果，并把首测为零单列出来。它们都是敏感性计算，不是识别了真实的新突变发生时间。

即使不考虑检出阈值，首测值与包含该首测值的斜率也存在数学耦合：偶然偏低的第一次读数，本身就会使拟合斜率更陡。作为反例，我们模拟真实 VAF 完全不增长、每次读段独立抽样的情景。首测值与全程斜率的相关约为 −0.142；斜率只用后四次观测时，相关接近零（−0.005）。这些参数是说明问题的假设，没有按 SardiNIA 拟合，不能据此断定实际负相关全由噪声造成。

真实数据还可能包含入组和检出选择、驱动类别差异、细胞谱系组成、克隆竞争和生物学减速。基线分层的负相关无法把这些贡献分开。“阈值可能影响估计”成立，“这不是生物学、完全是观测机制”则超出了证据。

05潜伏几十年，是模型重建，不是直接观察

作者报告从克隆起始到达到 0.2% VAF 检出水平的平均潜伏期约 30 年。这个数字依赖生长模型、干细胞群体规模、世代数与早期随机扩张的校正，不是从首次突变一路采血观察三十年的结果。

参数表有 684 条可得的起始年龄估计，其中 254 条后验中位数位于约 −1 岁的受孕下界，573 条下分位数触及该边界。作者明确指出，把过早的外推截在受孕时间是一项人为限制：克隆也可能开始更晚、早期更快、随后减速。本次计算“入组年龄减去起始年龄后验均值”的中位数约 59.4 年，是另一估计对象，不能当作独立验证了 30 年潜伏期。

论文自身还有反对终身恒速的证据：系统发育重建支持部分克隆晚年减速，尤其 DNMT3A。其七名供者的谱系分析包含来自 Mitchell 研究的四名供者，不能把两篇论文当作完全独立的两套复制。Mitchell 的四名高龄供者中，12—18 个扩张家族贡献约 32%—61%的测序集落；这是很有价值的多样性下降证据，但不能扩写为所有六十岁以上人群的血液都已被少数克隆占据。Mitchell 全文相关章节

06扩张与疾病有关，但增长速度不是个人风险分数

增长与恶性进展之间并非只有位点级证据。Fabre 原文也报告了基因级增长与另一研究的 AML 风险系数相关（调整 R²约 0.55，p=0.0037），并另用热点位点在 AML/MDS 中的选择强度支持关联。本次未重新拟合那些临床风险模型。基因级 dN/dS、位点选择强度与个人患病概率是不同对象；少数基因的粗相关不能证明“风险主要只在位点”。

Weeks 等的 CHRS 研究更直接显示个人风险为什么需要多个维度。其 CHIP/CCUS 定义要求 VAF 至少 2%，与本篇深测序观察到的小变异总体不同。模型同时使用突变身份、突变数、VAF、年龄、血细胞减少与红细胞指标。下表为其 UK Biobank 推导队列结果，采用考虑竞争风险的累计发生率，不是本次独立重算，也不是给任意携带者的风险预测。风险分层原研究

多数携带者的风险较低，与少数高风险者需要区别看待；仅知道“长得快”或“有一个突变”都不够。研究有另一个 UK Biobank 验证集合及临床队列验证，但这些数字仍受人群、检测方法与模型适用范围限制，也不能替代诊断或证明干预有效。

心血管结局还须另作评价：Jaiswal 的人群资料显示 CHIP 与冠心病相关，Tet2 扰动小鼠提供了促粥样硬化的机制证据。人群关联和特定小鼠机制相互补充，但不是人类试验已经证明“消除克隆即可预防心脏病”。原研究摘要

07这些数据真正增加了什么认识

纵向轨迹、突变类别差异、正选择分析及谱系重建，共同支持选择优势参与造血克隆扩张。它们没有直接分离突变供给率，也没有确定每个“未知原因”项对应何种环境，更没有证明所有克隆会终身恒速扩张。

本次复算的增量是明确观测层级、模型尺度和误差边界：保留不同等位基因；统一对数优势比系数；把模型内诊断与后续预测分开；把零值和数学耦合作为真实的敏感性来源；把模型起始年龄与观察时间区分。临床风险需要另有结局的数据支撑，本篇不据此提供筛查、用药或清除克隆的建议。

限制：单一纵向人群；VAF 是成熟血液读段的代理，未直接量出干细胞数量或完成克隆定相；主斜率分析条件化于正值，缺少读段权重与完整测量模型；没有重跑作者贝叶斯、系统发育或临床风险模型；697 与 685 的完整筛选差、性染色体原始计数校正仍未解决。供者自助区间只覆盖当前可匹配样本的抽样不确定性。

下载代码、派生数据、独立验证与复算结果。

08来源

• <a id="source-s1"></a>s1：Fabre MA, et al. The longitudinal dynamics and natural history of clonal haematopoiesis. Nature 2022. 全文。回读测序/筛选、模型、增长诊断、起始年龄与疾病风险桥。
• <a id="source-s2"></a>s2：同论文 补充包。表 2 逐次 VAF/脚注，表 3/5 选择与建模类别，表 4 后续预测，表 6 系数/诊断/起始年龄；表 10 的 dN/dS 与临床风险分开。
• <a id="source-s3"></a>s3：作者分析代码。实际读取载入/筛选、0.5×ilogit、拟合诊断和起始年龄的实现；没有运行 greta/MCMC。
• <a id="source-s4"></a>s4：Figshare 数据档案。本次 API 仍为 403，未获得原始读段计数、覆盖度或完整文件清单；不声称已读取。
• <a id="source-s5"></a>s5：Jaiswal S, et al. Clonal Hematopoiesis and Risk of Atherosclerotic Cardiovascular Disease. NEJM 2017. 摘要。人群关联与 Tet2 小鼠扰动，未重算。
• <a id="source-s6"></a>s6：Mitchell E, et al. Clonal dynamics of haematopoiesis across the human lifespan. Nature 2022. 全文。本次读取供者、集落/谱系、多样性和外推限制；与 Fabre 有四名供者数据重叠，未重新构树。
• <a id="source-s7"></a>s7：Weeks LD, et al. Prediction of Risk for Myeloid Malignancy in Clonal Hematopoiesis. NEJM Evidence 2023. 全文。读取定义、竞争风险、CHRS 推导/验证及限制；未使用个体数据重拟合。