单细胞画出的家谱，可能先继承了测量误差

屏幕上是一棵细胞家谱。

每个末端代表一个被测量的细胞，枝条表示它们可能共享的祖先。研究者希望借这棵树理解人的造血系统：哪些干细胞留下了更大的后代群，哪些分支偏向某类血细胞，年龄增长又怎样改变克隆结构。图像非常有说服力，因为树天然带着时间感——枝条仿佛就是过去发生过的分裂。

但树不是被摄像机拍下来的。它是从许多微弱信号推断出来的。

2026年8月19日，《Nature》同时发表了一篇质疑稿和原研究团队的回复。争论围绕一种把单细胞多组学与深度线粒体突变检测结合的方法。质疑者认为，常见测序伪影会显著扭曲潜在的谱系重建；当他们移除疑似人工变异后，得到的树明显不同。原作者则不同意这种解释，回应称多条证据支持核心结论的稳健性，也承认线粒体谱系追踪仍有局限和需要继续改进的地方。

这不是一句“论文翻车了”能概括的故事。它更像一次公开拆解：一棵科学意义上的家谱，究竟由哪些观察、筛选规则和假设拼起来？

线粒体为什么能当作细胞的天然条码

细胞分裂时会把遗传物质传给后代。体细胞在漫长过程中积累的某些变异，也会随着分裂留在相关细胞群中。若两个细胞共享一组足够可信、足够有区分力的变异，研究者可以据此推断它们可能来自共同祖先。

线粒体拥有自己的小型基因组。与细胞核中的DNA相比，线粒体DNA在一个细胞内存在许多拷贝，也会积累体细胞变异。这使它成为一种有吸引力的“天然条码”：不必预先给人类组织植入人工标签，就可能从现有样本中寻找细胞亲缘关系。

2024年的原始研究介绍了ReDeeM。它把转录信息、染色质可及性与更深的线粒体突变检测连接起来，用于研究人类造血细胞状态和谱系。论文报告约15万个来自12名供者的造血细胞，并称突变检出率相较既有方法提高约十倍。更多可检出的变异，意味着研究者可能把过去只看见粗大克隆的地图，画成更细的分支。

困难也正从这里开始。罕见信号越接近测量极限，真实变异与技术噪声就越难区分。提高灵敏度像把录音音量调大：远处的低语更清楚了，空调声、摩擦声和电子底噪也会一起变大。

质疑集中在两类信号

作者回复对争议作了清楚概括。质疑方提出两点：第一，ReDeeM的变异识别流程包含在每个细胞中仅由一个分子支持的突变，质疑者把它们视为“低支持”信号；第二，一些变异更多出现在被测线粒体DNA分子的边缘位置，可能属于技术伪影，并形成一种低平均支持、却在细胞网络中高度连接的模式，从而影响谱系推断。

如果一种人工信号在许多本不相关的细胞里重复出现，算法可能把它们错误连接起来。树上就会长出并不存在的共同枝条。相反，如果过滤规则过严，把真实但稀有的变异一起删除，树又会变得过于稀疏，失去原本想获得的分辨率。

这正是双方分歧最值得普通读者理解的地方：筛选并不是清扫地板，把“脏东西”扫掉就结束。每一条规则都同时改变假阳性和假阴性。质疑者强调移除疑似伪影后树形发生变化；回复者则认为，把“单分子支持”直接等同于不可靠，忽略了其共识纠错、跨读段证据和其他验证，并提交额外过滤下仍保留核心结论的分析。

我们无法从公开摘要替读者宣布谁赢了。真正负责任的结论只有两层：争议确实击中了谱系树对低频变异和过滤假设的敏感性；原作者也确实给出了回应和多项稳健性证据。两篇文章同日并列，意味着科学记录保留了冲突，而不是用一次更正把历史抹平。

一棵树可以在哪些尺度上“正确”

谱系分析还有一个常被忽略的问题：准确性不是单一指标。

一棵树可能在“哪些细胞属于同一大克隆”上较可靠，却在“两个细胞最近共同祖先是谁”上不够稳定；也可能能判断几个主要分支，却不能为每个末端排出精确次序。作者回复中特别指出，克隆层面的准确性可能在某些更细粒度的祖先一致性指标不高时仍然保持。

这并非文字游戏。不同生物问题需要不同分辨率。若研究者只想识别一个扩张的血细胞克隆，粗层级关系或许足够；若要推断造血干细胞每一步分化顺序，错误的一根细枝就可能改变机制解释。把“能恢复克隆”写成“能重建高度精细且确信的细胞家谱”，就是跨越证据尺度。

因此，讨论一种方法是否可靠，必须先问它要完成什么任务。数据质量、算法和验证标准都应与问题匹配。科学传播也需要同样的纪律：不能因为论文展示了一棵完整树，就默认每根枝条拥有同等可信度。

独立验证为什么重要

原始研究并非只在自己的数据上画树。论文报告了与工程化条码方法和单克隆全基因组数据的比较，也坦承较低频信号噪声更大。质疑稿则重新分析公开数据，检查变异支持方式与分子位置等特征。双方都在尝试回答同一个问题：怎样知道推断的家谱不是算法自我印证？

最有价值的验证，是换一把尺子。若线粒体变异划分的细胞群能与独立的核基因组变异、人工条码、已知克隆或重复采样一致，信心会增加；若一致性只出现在某个聚类参数或某种过滤方式下，就应明确限定。没有任何单次比较能替代全部验证，但多种正交证据可以让错误不那么容易沿同一条路径传播。

这也解释了为何数据和代码公开如此关键。争议能够发生，是因为其他团队可以重跑分析、改变过滤条件并观察树如何变化。公开不保证结论正确，却让错误有机会被定位。对依赖复杂计算管线的生物医学研究来说，可复查性不是发表后的附加服务，而是证据本身的一部分。

争议双方也并非站在“方法支持者”与“方法反对者”两个简单阵营里。质疑稿作者中有人长期参与单细胞线粒体分析方法的发展；原研究团队则在回复中列出新的稳健性分析和资助信息。这种重叠提醒我们，方法学批评并不必然意味着否定研究方向，它常常来自最熟悉工具边界的人。评审时应关注具体证据，而不是根据团队标签判断立场。期刊把质疑、回复、数据可用性和补充材料连在一起，才让后来者有机会追踪一次结论怎样被加固、收窄或改写。

还有一个现实问题：复核工作很难像“发现新机制”那样获得注意力。重新下载数据、检查管线、比较过滤条件，可能耗费大量时间，最终成果却只是让一条结论变得更窄。可这正是高分辨率生物医学进入可靠知识所需的成本。若科研奖励只鼓励把树画得更密，不鼓励检查枝条从哪里来，分辨率就可能跑在可信度前面。

争议不该被写成病人的希望或恐慌

原始研究讨论人类造血，也涉及衰老和细胞克隆。这样的关键词很容易被报道推向疾病预测、早筛甚至治疗想象。但眼前这场争论仍属于研究方法与基础生物学证据层面。

它没有证明某种临床检测可以预测个人疾病，也没有否定所有利用线粒体DNA进行克隆研究的工作。更不能根据论文替任何人解读遗传风险。样本中的细胞谱系、群体统计规律与个体诊断之间隔着验证、前瞻性研究、监管和临床效用等多道门槛。

真正受影响最直接的人，是正在设计单细胞研究、维护分析软件、评审论文和决定如何共享数据的科研共同体。争议会迫使他们更明确地报告低支持变异、过滤步骤、树的稳定性和不同尺度的准确性。它也提醒资助机构与期刊：漂亮的高分辨率图并不自动等于高确定性，方法复核需要时间、算力和发表空间。

科学纠错不是把树砍掉

公众常把科学争议理解成法庭：一方胜，另一方败；结论要么保留，要么撤回。但多数方法争议更像修地图。有人指出一条路可能由图像噪声造成，原绘图者拿出其他测量说明主干仍在。接下来要做的，不是选择相信哪张整图，而是逐段标出哪些道路得到多种证据支持，哪些仍依赖特定假设。

这场争论的价值，恰恰在于它没有把不确定性藏在补充材料深处。质疑和回复占据同一期刊、同一天和相邻页码。读者能看到科学共同体怎样争论“什么算一个可信信号”，也能看到双方对同一数据作出不同权衡。

回到屏幕上的那棵细胞家谱。最粗的树干也许经得住不同过滤，某些细枝却会随规则改变而移动或消失。成熟的读法不是因此拒绝整棵树，而是在每一根枝条旁边想象一个看不见的标记：它由多少独立证据支撑？它对分析选择有多敏感？若换一把尺子，它还在不在？

科学并不因为画出家谱而拥有过去。它只是提出了一个可以被重新计算、重新质疑、也可能被更好数据修正的过去。真正可靠的树，不是从来不摇晃，而是我们能看见风从哪里来。

来源与边界

• 质疑稿：https://www.nature.com/articles/s41586-026-10777-0
• 作者回复：https://www.nature.com/articles/s41586-026-10776-1
• 2024年原始研究：https://www.nature.com/articles/s41586-024-07066-z
• 方法背景综述：https://www.nature.com/articles/s41576-026-00943-5
• 本文报道的是单细胞线粒体变异用于谱系推断的方法争议，不裁决双方胜负，不外推为整个领域无效，也不转化为个人诊断、治疗或疾病风险判断。
• 本文不提供实验流程、过滤阈值、序列、培养条件或其他可操作生物技术细节。