5D Library

第四章 蛋白稳态、伴侣蛋白与临界清除速率

5D Library › 衰老动力学、mTOR-AMPK自噬开关与毒物兴奋效应的生物数学模型 · English

第四章 蛋白稳态、伴侣蛋白与临界清除速率

从九个标志到十二个

证据

洛佩斯-奥廷等人 2013 年在《细胞》上提出了九个「衰老标志」：基因组不稳定、端粒损耗、表观遗传改变、蛋白稳态丧失、营养感应失调、线粒体功能障碍、细胞衰老、干细胞耗竭与细胞间通讯改变 (López-Otı́n et al. 2013)。他们为「标志」设定了三条标准：它随正常衰老出现；在实验中加重它会加速衰老；在实验中改善它会延缓正常衰老、延长健康寿命。2023 年的更新版把标志扩展为十二个，新增「巨自噬失能」「慢性炎症」与「生态失调」（微生物群落的改变），原来的九个保留，并强调各标志之间相互联系 (López-Otı́n et al. 2023)。

作者框架中「九大标志 → 十二大标志」的说法经核对是对的。需要补充两点。第一，这些标准中的「实验」大多是动物实验，「改善某个标志能延长人的健康寿命」在大多数标志上还没有人体证据。第二，把自噬单列为一个标志，说明它在这一框架中的地位上升了，但这并不意味着「促进自噬」就是抗衰老；第 5 本第二章已经指出，自噬太少与太多都可能有害。

本章讨论其中一个标志的定量结构：蛋白稳态。

蛋白稳态网络

细胞中的蛋白质不断被合成、折叠、使用与降解。错误折叠的蛋白质如果不能及时被修复或清除，会互相粘连形成聚集体。维持这一平衡的系统称为蛋白稳态网络。

证据

希普、卡斯图里与哈特尔 2019 年的综述把蛋白稳态网络概括为三部分：合成（核糖体与翻译质量控制）、折叠与维持构象（分子伴侣，包括许多热休克蛋白 HSP），以及降解（泛素—蛋白酶体系统与自噬—溶酶体途径）(Hipp et al. 2019)。随着年龄增长，这个网络的容量下降，错误折叠与聚集的蛋白增多；聚集体又会隔离分子伴侣与其他质量控制组分，进一步削弱网络的能力。

证据

本-兹维、米勒与莫里莫托 2009 年在线虫中发现，蛋白稳态的「崩溃」发生得很早：在成年后的头几天内，多种易错折叠蛋白的折叠状态就同时恶化，热休克反应的诱导能力也大幅下降 (Ben-Zvi et al. 2009)。他们认为蛋白稳态的崩溃是衰老早期的分子事件。这是线虫的结果；人体组织中的时间进程尚不清楚。

这两点提示：蛋白稳态的衰退可能不是缓慢、均匀的，而是有一个临界点；而聚集体隔离伴侣蛋白，构成了一个正反馈。下面用一个质量守恒模型检验这一推论。

质量守恒模型

推导

设错误折叠蛋白为 MM，聚集体为 AA（任意单位）：

dMdt=p−VHM1+M−kdM−kaM2,dAdt=kaM2−cA,H=11+A2.\frac{dM}{dt} = p – \frac{V H M}{1 + M} – k_d M – k_a M^2,\qquad \frac{dA}{dt} = k_a M^2 – c A,\qquad H = \frac{1}{1 + A^2}.

pp 是错误折叠蛋白的产生速率；VHM/(1+M)VHM/(1 + M) 是分子伴侣的重折叠，可饱和，VV 是伴侣容量，HH 是未被聚集体隔离的伴侣比例；kdMk_d M 是其他途径的降解；kaM2k_a M^2 是聚集（两个错误折叠分子相遇）；cc 是自噬对聚集体的清除速率。参数（p=1p = 1、V=3V = 3、kd=0.1k_d = 0.1、ka=0.2k_a = 0.2）都是示意性的。

临界清除速率。 稳态时 A=kaM2/cA = k_a M^2/c，代回第一式得到一个关于 MM 的方程。cc 较大时只有一个低聚集的稳态；cc 降低到一定程度，出现三个稳态（两个稳定、一个不稳定）；继续降低，低聚集的稳态消失，系统只能跳到高聚集的状态。低稳态消失的那一点就是临界清除速率。

程序第一部分让 cc 缓慢下降、再缓慢回升，记录稳态聚集体；第二部分让伴侣容量 VV 与清除速率 cc 随「模型年龄」按每年固定比例下降，记录聚集体首次超过 2 的年龄。

推导

# dM/dt = p - V H M/(1 + M) - kd M - ka M^2, dA/dt = ka M^2 - c A, H = 1/(1 + A^2) (illustrative).
# Part 1: lower c slowly, then raise it again. Part 2: V and c decline with model age.
P, KD, KA = 1.0, 0.1, 0.2

def settle(M, A, V, c, T=400.0, dt=0.02):
    for _ in range(int(T / dt)):
        H = 1 / (1 + A * A)
        M, A = (M + (P - V * H * M / (1 + M) - KD * M - KA * M * M) * dt,
                A + (KA * M * M - c * A) * dt)
    return M, A

down = [0.40, 0.30, 0.25, 0.22, 0.20, 0.18, 0.16, 0.14, 0.12]
M, A, res = 0.4, 0.1, {}
for c in down + down[::-1]:
    M, A = settle(M, A, 3.0, c); res.setdefault(c, []).append(A)
print("clearance c:        " + " ".join(f"{c:5.2f}" for c in down))
print("aggregates, falling:" + " ".join(f"{res[c][0]:5.2f}" for c in down))
print("aggregates, rising: " + " ".join(f"{res[c][-1]:5.2f}" for c in down))

def collapse_age(v_loss, c_loss, V0=3.0, c0=0.40):
    M, A = settle(0.4, 0.1, V0, c0)
    for year in range(20, 121):
        V, c = V0 * (1 - v_loss) ** (year - 20), c0 * (1 - c_loss) ** (year - 20)
        M, A = settle(M, A, V, c, T=20.0)
        if A > 2.0:
            return f"collapse (A > 2) at age {year}, V = {V:.2f}, c = {c:.3f}"
    return "no collapse by age 120"
for v_loss, c_loss in ((0.01, 0.01), (0.01, 0.005), (0.005, 0.01), (0.0, 0.01), (0.01, 0.0)):
    print(f"chaperone loss {v_loss:.1%}/y, clearance loss {c_loss:.1%}/y: "
          + collapse_age(v_loss, c_loss))
# clearance c:         0.40  0.30  0.25  0.22  0.20  0.18  0.16  0.14  0.12
# aggregates, falling: 0.10  0.14  0.17  0.19  0.22  0.25  0.30  0.39  6.31
# aggregates, rising:  0.10  0.14  0.17  2.74  3.27  3.83  4.48  5.28  6.31
# chaperone loss 1.0%/y, clearance loss 1.0%/y: collapse (A > 2) at age 60, V = 2.01, c = 0.268
# chaperone loss 1.0%/y, clearance loss 0.5%/y: collapse (A > 2) at age 76, V = 1.71, c = 0.302
# chaperone loss 0.5%/y, clearance loss 1.0%/y: collapse (A > 2) at age 77, V = 2.25, c = 0.226
# chaperone loss 0.0%/y, clearance loss 1.0%/y: no collapse by age 120
# chaperone loss 1.0%/y, clearance loss 0.0%/y: no collapse by age 120
蛋白稳态模型中的稳态聚集体与自噬清除速率（横轴从右向左表示清除速率下降）。实线：清除速率逐步降低；虚线：崩溃后清除速率逐步回升。两条线之间的区域是双稳态区，系统停在哪一支取决于它的历史。

清除速率从 0.40 降到 0.14 的过程中，聚集体只从 0.10 缓慢增加到 0.39；再降到 0.12，聚集体突然跳到 6.31，增加了约 16 倍。这是一个典型的临界转变：在崩溃之前，聚集体的水平几乎不提供任何「快要崩溃」的线索。

更重要的是回程。崩溃之后把清除速率逐步恢复，系统并不沿原路返回：清除速率回到 0.22，聚集体仍有 2.74；要恢复到 0.25，系统才回到低聚集的状态（0.17）。在 0.14 到 0.22 之间，同样的清除速率对应两个截然不同的稳态，系统停在哪一个取决于它从哪里来。这种滞后来自聚集体隔离伴侣蛋白的正反馈；本系列第 13 本讨论过双稳态与滞后的一般性质。

第二部分显示了两种衰退的相互作用。伴侣容量与清除速率每年各下降 1% 时，模型在 60 岁崩溃；只让其中一个下降、另一个不变，到 120 岁都不会崩溃；两者之一下降得慢一半（每年 0.5%），崩溃推迟到 76–77 岁。也就是说，在这个模型中，两种各自可以承受的衰退合在一起会越过临界点，而减缓其中任何一种，都能把临界点推后十几年。

注

这是模型的性质，不是人体的测量。 模型中的「60 岁」「76 岁」只是在示意参数下的数字，单位与人类年龄没有对应关系。程序说明的是三个结构性结论：存在临界清除速率；崩溃后恢复需要比崩溃前更高的清除能力；多种衰退可以协同越过临界点。这些结论是否适用于人体某种组织，需要测量这些速率本身，而目前在人体中很难做到。

热休克蛋白与可诱导的伴侣容量

分子伴侣的容量不是固定的。细胞受到热、氧化或蛋白毒性应激时，热休克转录因子（HSF-1）被激活，热休克蛋白的表达迅速增加，这就是热休克反应，也是第三章毒物兴奋效应在蛋白稳态层面的一个例子：一次适度的蛋白毒性应激，诱导出更高的伴侣容量。在模型中，这相当于暂时提高 VV。

如果伴侣容量的可诱导性随年龄下降（本-兹维等人在线虫中观察到的正是热休克反应诱导能力的早期下降 (Ben-Zvi et al. 2009)），同样的应激在年轻时可能是「锻炼」，在年老时却可能把系统推过临界点。这是推论，不是证据。

假说 · 尚未验证

蛋白毒性应激后的恢复变慢是临界点的预警（尚未确立）。在接近临界点的动力系统中，受到小扰动后的恢复会越来越慢（临界慢化；本系列第 20 本讨论过它作为预警信号的争议）。如果蛋白稳态的衰退确实接近一个临界点，那么在同一组织中，一次标准化的轻度蛋白毒性挑战之后，错误折叠或聚集标志恢复到基线所需的时间，应当在聚集体水平明显上升之前就开始延长。可以在动物或人体组织样本中检验；如果恢复时间与年龄无关，或者只在聚集体已经大量增加之后才延长，这一假说就被削弱。

本章小结

衰老标志从 2013 年的九个扩展为 2023 年的十二个，新增巨自噬失能、慢性炎症与生态失调；「标志」的标准大多建立在动物实验上。蛋白稳态网络由合成、伴侣蛋白折叠与降解三部分组成，聚集体隔离伴侣蛋白构成正反馈。质量守恒模型显示存在临界清除速率：越过它时聚集体突然跳升，恢复则需要比崩溃前更高的清除能力（滞后）；两种各自可以承受的衰退合在一起可以越过临界点。这些是模型的结构性结论，人体中的相应速率尚未测量。下一章离开细胞，回到人群：心肺适能与死亡率的流行病学。

参考文献

Ben-Zvi, Anat, Elizabeth A. Miller, and Richard I. Morimoto. 2009. “Collapse of Proteostasis Represents an Early Molecular Event in Caenorhabditis elegans Aging.” Proceedings of the National Academy of Sciences 106 (35): 14914–19. https://doi.org/10.1073/pnas.0902882106.
Hipp, Mark S., Prasad Kasturi, and F. Ulrich Hartl. 2019. “The Proteostasis Network and Its Decline in Ageing.” Nature Reviews Molecular Cell Biology 20 (7): 421–35. https://doi.org/10.1038/s41580-019-0101-y.
López-Otı́n, Carlos, Maria A. Blasco, Linda Partridge, Manuel Serrano, and Guido Kroemer. 2013. “The Hallmarks of Aging.” Cell 153 (6): 1194–217. https://doi.org/10.1016/j.cell.2013.05.039.
López-Otı́n, Carlos, Maria A. Blasco, Linda Partridge, Manuel Serrano, and Guido Kroemer. 2023. “Hallmarks of Aging: An Expanding Universe.” Cell 186 (2): 243–78. https://doi.org/10.1016/j.cell.2022.11.001.

Fan, Y. (2026). Ageing Kinetics, the mTOR-AMPK Autophagy Switch and Hormesis: From the Gompertz Mortality Law and Mitohormesis to Cardiorespiratory Fitness Epidemiology, Read Beside Classical Chinese Longevity Philosophy [衰老动力学、mTOR-AMPK自噬开关与毒物兴奋效应的生物数学模型] (Version 1.0.0). 5D Library. https://doi.org/10.5281/zenodo.23770092 · Licensed under Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).