人类寿命遗传力约 50% — 深度研究报告
> 来源: https://www.science.org/doi/10.1126/science.adz1187
> 论文: Heritability of intrinsic human life span is about 50% when confounding factors are addressed
> 期刊: Science, Vol 391, Issue 6784, pp 504 (2026-01-29)
> 作者: Ben Shenhar, Glen Pridham, Thaís Lopes De Oliveira, Naveh Raz, Yifan Yang, Joris Deelen, Sara Hägg, Uri Alon
> 机构: Weizmann Institute of Science（魏茨曼科学研究所）
一句话版本
过去几十年科学家认为你的寿命只有 15-30% 由基因决定，但魏茨曼研究所的新研究发现——排除了事故和传染病等"非衰老死亡"后，基因决定了大约一半（50-55%）的寿命长短，和身高受基因影响的程度差不多。
评分
| 维度 | 评分 | 说明 |
|---|---|---|
| 新颖性 | ★★★★★ | 推翻持续数十年的低遗传力教条，可能改写教科书 |
| 方法严谨性 | ★★★★★ | Science 正刊发表，双胞胎+分开抚养+数学模型三重验证 |
| 实际影响 | ★★★★★ | 直接影响衰老研究、基因治疗、公共卫生策略 |
| 可理解性 | ★★★★☆ | 概念简单但涉及 Gompertz-Makeham 模型，需要一定背景 |
| 与我们项目关联度 | ★★☆☆☆ | 非直接关联但涉及数学模型和统计方法，可作为方法参考 |
核心内容
背景：为什么科学家一直认为寿命受基因影响很小？
过去三十年，主流观点是：基因只决定 15-30% 的寿命差异。
这个数字的含义非常乐观——它意味着你 70-85% 的寿命由生活方式和环境决定。你吃什么、睡多久、运不运动，比你的 DNA 重要得多。这也是"生物黑客"（biohacking）运动的科学基础。
但这个结论有一个严重的方法缺陷：传统研究没有区分"衰老而死"和"意外而死"。
历史上的双胞胎数据来自 19 世纪到 20 世纪初——那个时代很多人还没活到老就死于肺结核、流感、工伤事故。一个基因上可以活到 100 岁的人可能在 25 岁就死于霍乱。在统计数据里，他的遗传潜力被环境噪声淹没了。
新方法：GPT 时代之前没有的技术
Shenhar 和 Alon 团队做了三件之前没人做到的事：
1. 用 Gompertz-Makeham 死亡率定律建模——把死亡拆成两个独立部分：
- 外在死亡（Makeham 项）：年龄无关的恒定风险——事故、传染病、暴力等
- 内在死亡（Gompertz 项）：随年龄指数增长的真正衰老过程
2. 分析丹麦和瑞典三大双胞胎登记库——覆盖一个多世纪的数据，首次纳入分开抚养的双胞胎
3. 数学模拟虚拟双胞胎——用算法"滤掉"外在死亡的噪声，问了一个本该早就被问的问题：如果我们数学上排除出车祸和得传染病的可能性，剩下的寿命差异有多少是基因决定的？
结果：遗传力从 20% 跳到 50%
滤掉外在噪声后，人类内在寿命的遗传力约为 50-55%。
这个数字与身高、BMI、胆固醇等复杂生理性状的遗传力处于同一范围（40-60%）。理论上一直有个困惑：为什么衰老会是例外、遗传力这么低？这个研究解决了这个悖论。
关键洞见："活下来"和"活得长"是两回事。
- 生存（survival）：如何躲避外在威胁——主要靠环境、运气和社会经济地位
- 长寿（longevity）：生物学意义上衰老的速度——基因说了大约一半
方法论特色
这项研究最优雅的部分是它的数学模型。作者利用 Gompertz-Makeham 定律 分离两类死亡：
死亡风险(年龄) = Makeham常数(外在) + Ae^(G×年龄)(内在衰老)
- Makeham 常数：与年龄无关的背景死亡率（意外、传染病等）
- Gompertz 部分：指数增长的衰老死亡率
传统研究把所有死亡混在一起算遗传力，这就好比把"死于车祸"和"死于心衰"归为同一种事件——它们在生物学上完全不是一回事。
意义与影响
1. 改写教科书：如果主流观点被接受，未来教科书会写"人类寿命大约 50% 由基因决定"
2. 激励寻找长寿基因：如果遗传力高，寻找延长寿命的基因变体就有了更强的经济和研究动机
3. 基因疗法的新方向：不是治疗某一种衰老相关疾病，而是直接靶向衰老速率本身
4. 重新理解衰老：衰老不是随机的磨损，而是基因调控的过程——与身高的遗传程度相当
谨慎面（Neura Health 的分析）
- 模型假设外在死亡和内在死亡完全独立——但现实中长寿基因也可能帮助抵御外在威胁
- 数据主要来自斯堪的纳维亚人群，不一定普适到所有人群
- 数据跨越抗生素前和抗生素后时代，"外在死亡"的定义在变化
- Gompertz 定律在超级百岁老人中可能出现"死亡率减速"现象
与我们的关联
虽然这不是 AI/Agent 相关的内容，但有几点值得注意：
1. 方法论借鉴：分离噪声信号的方法（Gompertz-Makeham 建模）——与我们在数据 pipeline 中分离"信号 vs 噪声"的方法论一致
2. 范式纠正：就像非参数学习挑战"学习 = 梯度下降"一样，这篇论文挑战"寿命 = 环境决定"的教条
3. Uri Alon：魏茨曼研究所的著名系统生物学家，曾提出"防故障系统"理论。他的工作一直以数学建模见长
评论
这是一篇典型的"老问题，新方法"论文——别人已经研究了近百年的双胞胎数据问题，但 Shenhar 和 Alon 用更好的数学模型得到了颠覆性结论。有趣的是，这篇论文 2025 年 4 月就在 bioRxiv 上线了，但 2026 年 1 月才被 Science 接受发表——说明同行评议过程对此存在争议。
最大的限制是方法假设：外在和内在死亡是否真的可以完全独立分离？衰老的基因和抵御感染的能力可能共享相同的生物学通路。但这不影响它作为一个重要假说提出的价值。
"当别人看到噪声时，你看到信号"——这句在数据科学界的话，在这篇关于死亡的论文里获得了全新的含义。