第19章 生命稳态 变异与恢复
19.1 稳态是一项需要解释的成就
生命研究面对的一个基本事实形式是，外部条件变化之后，某些内部变量仍能保持在有限范围内。这里的保持并不要求每一时刻完全相同，也不要求所有组成部分静止。若只把稳定看成没有事情发生，就无法理解维持稳定所需的交换、调节与修复。发生分析首先把稳态重新放回问题中心：系统靠哪些差异过程，使什么样的显露在何种扰动范围内维持可重复的关系？
稳态必须有明确的观察对象。某个细胞的输出保持、群体平均保持和组织功能保持并非同一个结论。群体平均不变可能伴随成员更替；某个指标不变可能伴随维持成本增加；功能暂时保持也可能掩盖可恢复范围缩小。因此，稳态描述至少需要说明被维持的变量、观察窗口、允许波动以及系统边界。缺少这些限定，稳定只是对曲线外观的印象。
假设两套细胞培养系统在一段时间内具有相近的平均输出。甲系统通过持续调整保持输出，乙系统依靠较大的初始储备暂时抵消损耗。两者在当前曲线上相似，却可能在延长观察或再次扰动时分开。发生研究的任务是识别维持机制，而非仅凭当前稳定给两者贴上相同标签。稳定性作为属性，包含对后续条件的有限承诺，不只是过去数据的描述。
SDE的客体侧重在这里表现为可持续辨认的状态或功能，互动侧重表现为扰动与补偿的过程，主体侧重则在最低功能意义上关注系统如何组织对自身维持有后果的差异。三者并不意味着系统拥有一个内在的小管理者。维持可以由局部规则实现，也可以不依赖任何中央判断。发生论需要解释选择性调节如何形成，不能把调节能力重新神秘化为一个无须说明的主体。
稳态也不是单一终点。某些系统可能围绕固定范围波动，某些系统可能沿周期运行，还有些系统在不同条件之间切换。只要这些模式与所研究功能之间具有可靠关系，都可以成为稳定性研究的对象。是否存在数学收敛，要看具体状态和模型；是否具有生物意义，则要看维持了什么。将两者直接等同，会使周期性过程被误判为失败，也会使无功能的恒定被误判为成功。
从这一点出发，本书关于不收敛的讨论必须与稳态研究相互约束。如果反馈常常能够生成稳定，便不能把反馈存在当作不收敛的普遍原因。更有价值的问题是，哪些结构使扰动得到吸收，哪些条件使调整越过有效范围，以及模型如何区分暂态、稳定波动与持续漂移。发生理论的力量应体现在这些区分上，而不是给所有曲线预先规定相同的哲学含义。
19.2 反馈为什么能够稳定
Yi等对细菌趋化模型的分析，将鲁棒适应与积分反馈联系起来，并明确讨论了相关结构和假设。[35] 这一理论工作提供了一个重要范例：输出回到某个水平，可以依靠系统内部持续更新的调控，而不是因为外部刺激已经消失。其结论具有模型条件，不能推广为所有生命稳态的唯一机制，但足以说明稳定与回写可以同时成立。
用一个完全构造的离散模型，可以更直接地展示这种关系。令x表示相对于目标的偏差，a表示系统原有变化的保留程度，b表示调节输入的作用，u表示本轮调节。假设每轮变化满足下式。这只是用于说明逻辑的数学例子，并未对应某种具体生理变量。
若调节规则为u等于负k乘以x，下一轮偏差便等于a减bk之后再乘本轮偏差。因此，在a减bk的绝对值小于一时，偏差趋向零。这里可以选择a为一点二、b为一、k为零点九，得到每轮偏差乘以零点三。无反馈时非零偏差逐轮放大，加入上述反馈后则逐轮衰减；反馈在这个例子中使原先不稳定的系统收敛。这个形式结论只依赖所写假设，却足以反驳有回写就必不收敛的普遍命题。
同一模型也说明反馈并非越强越好。保持a与b不变，将k改为二点四，偏差每轮乘以负一点二，便出现交替放大的轨迹。稳定与失稳的区别来自具体增益条件，而不是来自有没有反馈。若再加入延迟、饱和或随机扰动，稳定条件会改变，需要重新分析。不能把上述简单阈值直接移植到细胞或人体，但可以把它作为模型写作的纪律：每个稳定性主张都应说明结构与参数条件。
生物调节中的目标也不必以一个显式数字存放在某处。某些网络关系可以使输出在一定范围内回到相近状态，即使系统没有符号化的目标表示。研究者使用目标值，是为了描述动态关系，不意味着对象内部存在与工程图完全相同的控制器。SDE的主体侧重同样需要注意这一点：功能上的选择性可以被分析，却不能从拟人化词语直接推出心理主体。
线性例子的边界也能产生新的研究问题。它假定调节输入可以随偏差无限增大；若实际可用输入存在上限，小偏差可能衰减，大偏差却可能超出可恢复范围。例如，假设两个系统在小扰动下具有同一衰减倍数，输入上限不同，在较大扰动下便会分开。因此，估计局部反馈强度之后，还需检查可用范围及其恢复。显露偏差与调节能力之间的张力，在这里推动对特征组织的修订：模型必须把资源上限纳入条件，再重新预测允许的差异序列。三原理所组织的是这一步有依据的重建。
19.3 稳定输出背后的可塑性
神经系统提供了稳定与可塑性共同存在的研究材料。Turrigiano等在培养新皮层神经元中研究了活动相关的突触强度调整，显示系统能够依据活动条件改变突触作用。[36] 这一结果支持具体培养条件下的调节机制研究，不应被扩展为对所有神经功能或临床状态的解释。它提示的是，局部性质的改变可以参与总体活动的维持。
对于发生论，稳定输出并不能告诉我们内部是否改变。一个系统可能通过改变组成维持功能，也可能在组成近似不变时改变运行方式。研究如果只记录最终输出，就可能把这两种过程混同。反过来，内部指标改变也不意味着功能已经改变，因为不同部分可以互相补偿。属性的稳定性需要在所研究尺度上定义，不能把每个层次的变化都推成整体失稳。
假设一套网络中的某条作用减弱，另一条作用增强，最终输出仍保持相近。若研究者只分别测量两条作用，可能认为系统发生了重大改变；若只测输出，又可能认为没有变化。完整解释需要回答补偿是否有代价，以及补偿后的系统在新扰动下是否仍能维持。当前表现相同，并不保证未来可达范围相同；这正是恢复实验比静态比较更有信息的原因。
补偿也可能具有选择性。系统可以保留某一功能，同时牺牲另一功能，或者在短时间内维持输出却增加长期成本。不能因为主要指标稳定，就把全部后果称为成功。基础研究需要明确被测功能和未测功能，规范评价则还需说明哪些功能更值得保护。发生分析把这些问题连接起来，但不允许用一个动态模型替代价值取舍的论证。
可塑性因而应被理解为改变关系的能力，而不只是改变某个数值。若系统能够在新条件下重新建立有效协调，它具有某种适应能力；若只是所有指标都变得更易波动，则不能据此判断更灵活。研究应观察变化与任务需求之间的关系，以及改变后是否形成可持续的工作方式。将变化本身当作进步，会使发生理论失去辨别好的调整与无效扰动的能力。
补偿后的余地可以通过一个构造模型来理解。设两条路径共同维持总输出，甲系统两条路径各有剩余容量，乙系统则主要依赖已经接近上限的一条路径。当前总输出可以完全相同，进一步削弱主要路径时，乙系统更容易失去维持能力。于是余地的估计需要第二次、方向不同的扰动，或者对路径容量的独立测量。若第一次补偿同时扩大了备用路径的容量，结果还可能相反。可塑性的意义应由这种后续能力说明，稳定与改变之间也因此呈现具体的结构关系。
19.4 变异何时成为资源
变异可以为系统提供不同响应的可能性，也可以破坏已经建立的协调。它是否有价值，取决于变异的结构与环境要求是否匹配。一个输出在允许范围内探索，和一个输出无方向地偏离目标，不能仅按方差大小归为同类。发生研究需要说明变异发生在哪些维度、持续多长时间、能否被选择和是否改变后续状态，而不是把波动总量当作生命活力的直接测量。
构造一个群体模型：不同成员采用不同响应方式，环境偶尔改变，有些方式在当前条件下更有效。如果成员差异使群体在条件切换后仍保留可用响应，它可能提高群体层面的持续性。但这并不保证每个成员都获益，也不说明任何更大差异都更好。若差异扩大到失去基本协调，群体功能可能反而降低。对变异的评价须同时说明分析单位与代价承担者。
同样的方差可以来自不同结构。周期性波动、随机扰动、缓慢漂移和两个状态之间的切换，可能具有相近的总体离散程度，却对后续预测提出不同要求。若只用一个变异系数概括它们，便无法判断系统在受到新扰动时怎样响应。时间关系和条件依赖因此不是附加装饰，而是区分机制的必要信息。SDE对差异序列的强调，在这里落实为对波动组织的研究。
变异还可能属于测量而非对象。信号质量下降、采样频率变化和分析阈值调整，都可以改变记录的离散程度。如果研究者预先相信变异增加意味着恢复能力增强，就容易忽略这些技术来源。反过来，预先相信变异只是噪声，也可能漏掉状态转变。更可靠的程序是先确认读数结构，再比较对象机制；哲学解释应当接受这种证据顺序，而不能凭价值偏好挑选曲线。
探索与利用的区分可以帮助提出具体问题，但不能直接套用为全部生命机制。例如，假设一个系统在熟悉条件中保持低变异，在不确定条件中扩大尝试范围，可能比始终保持同一变异程度更有效。要检验这种可能，必须说明系统如何感知条件改变，以及变异调整怎样影响后续结果。没有这些环节，只看到不确定时波动增加，还无法确定它是功能性探索还是调节失效。
变异的组织可以比其大小更重要。构造两个各含两名成员的系统，每名成员都围绕基线作幅度相同的上下波动。若两名成员总朝相反方向变化，总输出可以保持；若总朝同一方向变化，总输出就会放大波动。个体方差相同，群体后果却不同，因为成员之间的协调关系不同。若协调被打断，原先有用的变异也可能转成成本。把变异视为资源，因而需要同时找到差异的来源、使差异相互补偿或被选择的关系，以及这种组织对后续功能的收益。
19.5 恢复是一条路径
恢复常被描述为指标回到原值，但原值相同并不保证系统回到原来的组织。一次扰动之后，系统可能通过新的结构达到相近功能，也可能只在外部支持下暂时维持旧水平。研究因此需要区分数值恢复、功能恢复和组织恢复。三者可以重合，也可以分离。若不说明目标，恢复就会成为一个含混的肯定词，掩盖不同后果之间的差异。
假设甲系统受扰动后迅速回到基线，却在下一次扰动时出现更大偏离；乙系统回到基线较慢，但后来能够承受更广的变化。仅按首次恢复速度排序，会忽略后续能力。反过来，乙系统的缓慢恢复也可能造成不可接受的即时成本。评价需要同时记录恢复速度、持续代价和后续可工作范围，不能只选择最符合理论叙事的那一项。
恢复路径可能具有历史依赖。曾经经历某种扰动的系统，面对同类扰动时可能反应不同；但这种差异既可能来自学习或预适应，也可能来自未恢复的残留。区分二者需要检查当前状态和新条件中的表现。若差异只在尚未恢复时出现，不能把它自动称为长期记忆；若在共同条件下持续并可被特定干预改变，才有更充分理由研究其承载机制。
恢复也不必回到旧目标。环境长期改变时，重新建立一个可工作的范围，可能比返回旧值更符合当前要求。这种调整在描述层面可以被研究，但其价值不能自动由系统能够做到推出。对于人类相关研究，还要考虑当事人的目标、负担和选择权。基础生命机制提供可行性信息，伦理判断则决定如何理解和采用这种信息。两者的联系需要明确的理由桥梁。
恢复过程因此宜用成对探测，而不只用一次回到基线来表征。第一次扰动后，可以在不同等待时点施加同一探测，区分恢复进度；也可以在相同等待时点改变探测方向，区分恢复范围。若输出已经回归而对某方向仍异常敏感，就需要保留未恢复的条件；若所有已检验方向都与原先相近，才可以在该范围内采用恢复的判断。这里得到的是带探测范围的功能等价，它允许内部组织已经改变，也为SDE追踪新组织怎样限制下一轮响应提供了具体入口。
恢复研究最有价值的资料，往往包括没有恢复的情形。若只分析成功轨迹，就无法知道机制的适用边界。失败可能来自扰动超出范围、资源不足、调节延迟或目标冲突。研究者应保留失败条件和退出记录，使模型能够解释何时不应期待恢复。一个只在成功之后讲通故事的发生模型，不能支持可靠干预，也不能成为科研新典范的示范。
19.6 病理判断与模型失配
本书使用病理一词时，首先指向一种认识与制度问题：模型持续把已经改变的发生条件压回旧描述，并据此产生反复失配。这个概念不能直接替代医学中的疾病判断。一个细胞指标稳定或波动，都不足以单独证明健康或病态；需要结合具体生物机制与相关证据。发生理论如果借用临床语言扩大自己的确定性，反而会违背其要求条件透明的基本主张。
模型失配可以在没有疾病的情况下发生。假设某实验系统改变培养条件后，原来用于预测输出的固定参数不再有效。问题可能只是参数需要随条件更新，也可能是研究单位遗漏了新的相互作用。如果团队仍把每次偏差当作偶然误差，便形成持续失配。改进方法是定位失效条件、比较候选机制并修订适用范围，而不是立即给对象贴上退化的标签。
反过来，模型可以准确预测一个不理想状态。预测准确并不意味着目标值得维持，也不意味着系统具有良好恢复能力。由此需要区分知识的正确性与状态的价值。发生分析能够帮助揭示不理想状态怎样被再生产，但是否应当改变、如何改变以及由谁承担代价，需要额外论证。对于人类相关场景，这些问题尤其不能被一个稳定性指标替代。
所谓僵化也应被具体化。若系统面对条件变化仍只能重复同一响应，并因此持续失败，可以研究其可达范围是否受限；但在明确边界内坚持某种反应，也可能是可靠功能。没有任务条件和后果证据，不能把反应重复直接解释为僵化。类似地，灵活变化只有在能够响应相关差异时才具有功能意义。对稳定的贬低与对变化的赞美，都需要让位于更精确的描述。
制度也会制造对稳定的偏好。若研究评价只奖励低方差和整齐曲线，研究者可能倾向于删除难以归类的轨迹；若评价反过来只奖励新奇变化，也可能放大偶然波动。两种偏好都会损害知识。发生档案应保存预先规定的排除理由、原始分布和不利结果，使稳定与变化都在相同证据标准下接受解释。批判的对象是选择性处理，而不是某一种曲线形状。
持续失配的修订可以分三步落实。先保留原模型曾经有效的输入范围，确定失败从哪种条件开始；再把观测到的偏离与容量、时延、基线和组成等候选变化连接；最后选择能够改变后续判断的最小修订。例如，加入输入上限即可预测大扰动失败时，无须把全部反馈结构推翻；若新增上限仍解释不了方向不对称，则应检查不同路径。病理判断的知识价值就在于这种定位：它使重复失败转成可比较的机制问题，并保留旧模型已经取得的局部成果。
19.7 稳态与恢复的比较设计
一项关于稳态的研究，应先规定扰动和维持对象。若目标是考察某输出在输入改变后是否恢复，就要记录输入实际变化、输出的暂态和足够长的后续过程。若目标是考察组织是否保持功能，则还需独立的功能指标。不同目标可能需要不同采样频率和观察时长，不能用同一套默认参数处理所有生命过程。设计的依据应当来自候选机制，而不是数据越多越好的直觉。
比较中应包含持续刺激与撤去刺激两类问题。输出在刺激持续时恢复，可以支持某类适应机制；输出只在刺激撤去后恢复，则回答不同问题。若把两种恢复混写，模型可能获得虚假的解释力。还应考虑重复扰动：第一次响应帮助识别即时调节，后续响应帮助检验历史承接。重复本身可能改变系统，所以它既是测量安排，也是需要明确的干预。
观察窗口需要与失败风险一起设计。窗口太短，缓慢恢复会被误判为永久漂移；窗口太长，又可能把无关的培养变化纳入同一事件。研究者可以预先规定多个机制相关窗口，并说明每个窗口回答什么问题。若结果提示原窗口不足，可以扩展研究，但应保留这种修订的时间和理由。后见之明可以推动新设计，不能改写原先假说已经承担的预测责任。
模型比较需要允许不同稳定形式。固定点模型、周期模型、随机稳态模型和具有状态切换的模型，各自适用于不同结构。先检查资料是否足以区分，再讨论哪个机制更合理。对一个短序列拟合复杂状态切换模型，可能只是把噪声分成多个类别；对明显的阶段变化坚持固定均值，则可能遗漏真实结构。发生理论应帮助寻找适当分辨率，而不是预先指定最复杂模型。
评价标准应包括预测与解释的不同收益。一个简单模型可以很好预测平均输出，却不能预测恢复时间；一个机制模型可以解释某项干预，却未必提高全部预测。研究者应根据原先用途报告这些差异，避免把任何一项改善写成全面胜利。模型需要承担的任务越多，证据要求也越高。尤其当研究结果准备跨尺度使用时，必须重新检验原有变量与新任务之间的映射。
基线的选择还会影响恢复的判定。如果基线本身随着实验进程缓慢变化，将所有后续值都与最早时点相比，可能把正常的条件迁移算作无法恢复；如果每次都用最近值重新定义基线，又可能把持续偏移吸收掉。研究应当同时保存固定参照与局部参照，说明两者各自的用途。参照更新必须有独立依据，不能仅为了让曲线看起来恢复而移动目标。
多次扰动的顺序也可以提供额外辨识。先经历甲扰动再经历乙扰动，与相反顺序产生不同结果时，说明两个过程不能在所考察窗口内简单交换。但顺序效应仍可能来自未洗脱的残留，而非新的调控结构。增加等待条件、改变扰动间隔和记录当前状态，能够帮助区分这些解释。研究的推进由此从存在顺序差异走向差异承载机制，而不是停留在历史重要这一宽泛结论。
最终的产物应是一份有边界的稳定性说明：在什么输入范围、时间尺度和资源条件下，系统维持了哪些变量；哪些后果没有被测量；哪些改变会要求重新估计。这样的说明既可以支持工程应用，也可以为后续机制研究提供清楚入口。它不需要把稳定性神秘化为生命本质，却能够揭示稳定作为持续生成的结果所具有的结构与代价。
19.8 从维持到开放的能力
生命稳态的讨论使发生理论获得一个必要修正：稳定不是发生的例外，而是发生的一种重要成果。系统通过持续交换和调节建立可重复关系，科学通过控制和校准识别这些关系。两者都可以在历史中改变，但改变并不取消先前的有效性。真正需要避免的是把有限范围中的稳定扩大为无条件本质，或者把条件变化误写成规律彻底失效。
开放能力也应被限定为对相关新条件的响应范围。它可以表现为恢复、切换、重新学习或建立新的协同，但每一种表现都有成本。一个系统不可能在不受任何约束的情况下响应所有未来。发生研究应比较可达范围怎样被历史塑造，以及维持当前功能需要放弃哪些可能。这样，未显露的可能性就不再只是诗性语言，而成为可以通过适当探测逐步限定的能力描述。
这种能力描述必须保留未知。未尝试的扰动不等于已经能够处理，未观察到失败也不等于无限稳健。研究者可以根据模型提出外推，但应明确外推依赖的条件。若新条件破坏了这些条件，失败可能提示模型范围，而非单个参数误差。SDE所要求的历史承担，包含保存这些外推承诺，使后来的修订能够追溯到具体假设，而不是悄悄改变理论所说的对象。
从细胞到组织，稳定性还可能存在层次冲突。局部维持可能妨碍整体调整，整体稳定也可能依赖局部更新。这样的冲突不能通过选择一个最高层级就自动解决，需要研究具体交换关系和功能目标。对于涉及人的应用，还应当说明谁享有收益、谁承受代价。基础机制与规范选择在此相遇，但并不合并为同一方程。
发生论因此可以把稳态研究与创造性研究连接起来。发现原有恢复范围不足时，研究者可以寻找新的调节路径、重新组织边界或改变任务条件，而不只是追求更强反馈。新的方案是否有效，仍需与原有方案在同一目标和成本条件下比较。创造来自对约束的重新组织，并不意味着取消约束；新稳定性只有经过独立检验，才成为可供他人使用的知识。
稳态研究由此取得了三个相互连接的对象：持续维持的输出、实现维持的补偿组织，以及在新扰动下仍可使用的恢复余地。三者需要不同资料，当前输出的稳定尤其不能代替后两项。把这种区别带入第20章，多尺度设计便有了明确任务：在局部调节与整体功能之间建立能够接受探测的映射，并保存哪一项证据支持哪一种跨尺度结论。恢复成为桥梁的条件，正是其范围与实现路径能够被分开说明。