玻尔百科在追求知识的过程中，科学家本质上是模式的寻求者。然而，宇宙充满了巧合与偶然，这使得区分有意义的发现与纯粹的随机事件变得困难。我们如何能确定观察到的模式——无论是山上聚集的物种、基因网络中反复出现的回路，还是一个社会社群——是某个潜在过程的信号，而不仅仅是一次意外？这正是零模型框架旨在弥合的知识鸿沟。它提供了一个严谨、持怀疑态度的工具，用以校准我们的直觉，并对我们的观察进行检验。
本文将深入探讨零模型的逻辑与力量。第一部分“原理与机制”将解析零模型作为意外性基线的核心概念，探索在生态学、医学等领域中，如何利用精心定义的约束条件来构建这些“随机世界”。随后，“应用与跨学科联系”部分将带领我们穿越不同的科学领域，展示这一强大而单一的思想如何被用于揭示复杂网络的架构、解读我们DNA中的生命之书，甚至为人工智能这一新前沿带来统计上的诚实性。
想象一下，你走进一个容纳五万人的巨大足球场，看到看台一角有十个朋友紧密地聚在一起欢声笑语。多么巧合！但真的是吗？你感到的意外程度完全取决于你对他们如何到达那里所做的一个隐藏假设。如果他们都是分开购票并被随机分配座位，那么发现他们全都坐在一起的概率将是天文数字般的低——这是一个值得研究的发现。但如果他们计划作为一个团体前来，这就是世界上最自然不过的事了。毫无意外可言。
这个简单的思想实验包含了我们称之为零模型的全部精髓。零模型并非关于世界实际如何运作的理论，而是一个精心构建、不懈持怀疑态度的“如果……会怎样”的情景。在这个情景中，我们感兴趣的模式是由纯粹、不掺杂任何因素的偶然性，在遵循一些基本规则的前提下生成的。我们构建这个“稻草人”世界，并非因为我们相信它是真实的，而是因为它为我们提供了一个意外性的基线。如果我们的真实世界观察与零模型的预测大相径庭，我们就能自信地说，我们发现了某种不仅仅是随机偶然的现象。我们发现了一个需要更深层次解释的模式。
现在，让我们离开体育场，进入一个更严酷的环境：高海拔的山坡。一位研究那里植物生命的生态学家注意到一些引人注目的现象。共同生长的物种似乎是亲缘关系很近的亲戚，就像一个大家族中的表亲。这种模式被称为系统发育聚集。这位生态学家的第一反应是合乎情理的：环境过滤。山地寒冷而严酷，因此只有那些从近期共同祖先那里继承了一套特定生存性状（如抗霜性）的物种才能在那里生存。这似乎是一个干净利落的故事。
但体育场里那群朋友的幽灵应该让我们感到警惕。这种模式真的令人意外吗？或者它只是一个巧合？为了回答这个问题，我们必须构建一个零模型。我们的零假设是，该群落是纯粹偶然组建的。因此，我们通过随机挑选物种并将它们放置在模拟的山坡上，创建了数千个模拟群落。然后，对每个模拟群落，我们计算其平均亲缘关系。这个过程会生成一个分布——通常是熟悉的钟形曲线——它告诉我们“偶然”所能产生的所有可能结果的范围。如果我们真实群落的亲缘关系得分是一个极端离群值，远处于此分布的尾部，我们就可以拒绝零假设。我们赢得了权利，可以说我们的模式具有统计显著性。
这引导我们进入一个极其微妙而重要的观点。当我们说“随机挑选物种”时，我们是从哪里挑选的？是从世界上所有的植物中吗？那没有意义。我们应该只从区域物种库——即那些实际有可能在该山定居的物种集合——中挑选。想象一位生态学家研究一座偏远岛屿上的鸟类，发现所有五种留鸟分属于五个不同的属。她可能会迅速得出系统发育过度分散的结论，并假设对花蜜的激烈竞争阻止了相似、亲缘关系近的物种共存。但如果附近的 mainland——所有殖民者的来源地——本身就居住着来自许多不同、亲缘关系遥远的科的鸟类呢？在这种情况下，任何偶然到达岛屿的少数几只鸟都很可能来自不同的属。观察到的模式将仅仅反映来源库的结构。一个好的零模型必须考虑到这些背景条件。“随机”并不意味着“任何事情都可能发生”；它意味着“在这些约束条件下，任何事情都可能发生”。
约束条件这一概念是构建强大零模型的秘诀。其艺术在于决定将真实世界的哪些特征融入我们的“随机”世界中。让我们用生态学中的一个经典工具——存在-缺失矩阵——来更精确地说明这一点。想象一个网格，其中每一行代表一个物种，每一列代表一个不同的地点（一个位点）。如果某物种在某位点存在，我们记为，如果不存在，则记为。
当我们通过在这个矩阵中打乱的位置来创建零模型时，我们应该遵循什么规则？
约束1：物种普遍性。 有些物种天生就常见，而另一些则很稀有。真实世界不是一场公平的抽奖。发现蒲公英的可能性比发现珍稀兰花要大。一个好的零模型应该通过保持每行中的总数（即行和）与原始数据相同来尊重这一点。
约束2：位点质量。 同样，有些地点是富饶的天堂，而另一些则是贫瘠的沙漠。更多的物种可以在天堂里生存。一个更强的零模型可能还会保留每列中的总数（即列和）。
不同的零模型就像不同的食谱，它们遵守某些约束条件，但不遵守另一些。一个固定-等概率算法可能会保留物种的普遍性（行和），但随后将其出现位置随机地散布在各个位点上，让位点质量变化。一个更复杂的固定-固定算法，通常通过一种称为独立交换的巧妙技术实现，它会同时保留行和与列和。其工作原理是找到一个形如棋盘格的 子矩阵 ，并将其翻转为 。请注意，这个巧妙的移动在不改变任何行或列总和的情况下，打乱了两个物种的位置！通过成千上万次这样的操作，我们可以探索所有与我们的背景约束完美匹配的可能的“随机”排列。
选择实施哪些约束是一项深刻的科学决策。它正式声明了你认为哪些是无趣的背景噪声，哪些是你正在寻找的潜在信号。
零模型概念的美妙之处在于其普适性。完全相同的逻辑适用于截然不同的科学领域。
考虑构成我们社交生活、互联网或细胞内部机制的复杂互动网络。这些网络充满了反复出现的模式。例如，在一个基因调控网络中，我们可能经常看到一种称为前馈环的模式，即基因A调控基因B，而A和B都调控基因C。这个小三角形是一个特殊的、功能性的构件——科学家称之为基序——还是它仅仅是由于偶然性而频繁出现？。
为了找出答案，我们需要一个零模型。一个简单的方法是创建一个具有相同数量节点和边的随机网络（一个Erdős–Rényi 模型）。但这忽略了大多数真实世界网络的一个关键特征：度异质性。一些节点（中心节点）的连接远多于其他节点。一个更好的零模型，即配置模型，为网络所做的，就如同固定-固定算法为矩阵所做的一样：它生成的随机网络中，每个节点的度都与我们真实网络中的完全相同。当我们将真实网络中前馈环的数量与这个更强零模型产生的分布进行比较时，我们就能看出它们是否确实是过度呈现的。同样的逻辑揭示了许多明显的网络结构，比如一个密集的相互连接节点的核心，有时可能只是一种错觉——一种由于中心节点纯粹出于偶然性更可能相互连接而产生的人为产物。我们如何定义网络中的“社群”，从根本上取决于我们对何为随机连接所使用的零模型基线。
这个原理是如此基础，以至于它甚至决定了我们如何定义医学中的协同作用等概念。假设你有两种抗真菌药物A和B。当你将它们组合使用时，其效果是否比你预期的更强大？但你应该预期什么？这是一个零模型的选择。
零模型1：Bliss 独立模型。 该模型假设两种药物通过完全独立的机制起作用。预期的抑制效果是基于真菌在一种药物作用下存活并且在另一种药物作用下存活的概率来计算的，就像计算两次独立硬币投掷的概率一样。其公式为 。
零模型2：Loewe 相加模型。 该模型假设两种药物本质上是同一物质的不同浓度；一种只是另一种的替代品。零期望是基于一个简单的“剂量等效”方程。
一项此类实验得出的惊人结果是：当用真实数据分析时，该药物组合相对于 Bliss 模型是协同的，但相对于 Loewe 模型却是拮抗的！对于“是否存在协同作用？”这个问题的答案是：“这取决于你对‘无协同作用’的定义。”零模型定义了问题本身。
因此，零模型是校准我们直觉的精密工具。它将一种“这很奇怪”的模糊感觉转化为严谨的统计陈述。但是，发现一个统计上显著的偏离——一个在零模型下极不可能出现的结果——并不是旅程的终点，而是起点。它是我们开始寻找真实的、机制性解释的许可证。
一个真正稳健的科学论断要求更多。它要求我们公开陈述并证明我们选择零模型的合理性。它要求我们测试我们的结果对不同参数和随机化方法的敏感性。最令人信服的发现是那些与“随机”的偏离不仅是一个统计上的小波动，而且是一个可重复的模式，并且可以与系统组成部分的具体属性联系起来——比如一个物种的功能性状预测了其对环境的反应，或者一种药物已知的作用机制。
在科学方法这支宏大的交响乐队中，零模型不是演奏发现旋律的华丽首席小提琴。它是那把谦逊而不可或缺的音叉。通过提供一个清晰、稳定的“随机性”音高，它让我们能够在这部自然世界复杂交响曲中，听到结构、模式与秩序的真实音符。
在我们了解了零模型的原理之后，你可能会想：“这是一个巧妙的统计技巧，但它到底有什么用？”答案是，它几乎对所有事情都有用，而这正是其真正美妙之处。零模型不仅是一个工具，它是一种思维方式，一种有纪律的科学想象形式。它是我们普遍的陪练伙伴，是我们必须与之搏斗的“愚蠢运气”的幽灵，以证明我们的发现是真实且有意义的。让我们漫步于科学的殿堂，看看这个强大的思想如何以各种伪装在各个领域中发挥作用。
也许没有哪个领域比网络研究更适合零模型了。我们被网络包围着：社交网络、互联网、食物网、我们大脑的布线。当我们把它们画出来时，我们不可避免地会看到模式。一些节点是繁忙的中心，另一些则是孤独的岛屿。我们看到相互认识的朋友们组成的舒适小团体。但是，这些模式是复杂组织结构的标志，还是仅仅是当你随机地在节点间抛掷一堆链接时所发生的情况？
想象一下，你正在观察一个社交网络，并看到它明显地分成了两个社群。在你宣称发现了政治分歧或两所学校之间的竞争之前，你必须问：仅凭偶然，我期望在这些群体内部找到多少链接？零模型提供了答案。一种标准方法，即配置模型，想象了一个世界，其中唯一固定的是每个人的朋友数量与真实网络中相同。然后我们随机重连所有的友谊关系。在这个随机化世界中，我们在候选社群内部发现的连接数量为我们提供了基线期望。像模块度这样的度量标准，就是简单地将社群内部的真实连接数与这个零期望进行比较。如果我们内部的连接远多于零模型的预测，我们就可以确信我们发现了一个真正内聚的社群，而不仅仅是一个统计幻象。
我们可以从整个社群的尺度放大到网络最微小的构件。在一个基因调控网络中，基因们相互开启和关闭，我们可能会发现一个被称为“前馈环”的微小三角形模式。生物学家发现这种模式执行特定的信息处理任务。但这是一个非常简单的模式；它当然可能偶然出现。为了找出答案，我们计算它在真实网络中出现的次数。然后，我们创建数千个零模型网络——这些随机化版本保留了每个基因的总输入和输出数量，但打乱了具体的连接。如果前馈环在真实网络中出现的频率显著高于在我们的随机化动物园中，我们就可以称之为网络基序：一个真实的、经过选择的系统构件。
但我们必须小心。选择零模型是对我们认为什么是“随机”或“无趣”的陈述。如果我们正在研究一个机场网络，我们知道地理位置至关重要。一个简单的配置模型对距离是盲目的；它会惊讶地发现纽约和纽瓦克之间的连接比纽约和安克雷奇之间更多，并且它可能会错误地将东海岸机场群识别为一个“意外”。为了提出一个更智能的问题——“是否存在超越地理因素解释的空中交通社群？”——我们需要一个更智能的零模型。我们可以构建一个模型，其中两个机场之间的连接概率不仅取决于它们的规模，还取决于它们之间的距离。只有将我们的网络与这个更细致、具有空间意识的零模型进行比较，我们才能将真正有趣的组织模式从平庸的空间效应中分离出来[@problem_-id:4140754]。这一原则延伸到网络科学的前沿，我们现在研究多层网络——这些系统具有相同的节点集，但在多个层上有不同类型的连接。为了检验一个社群是否显著，我们不能仅仅打乱所有边；我们必须保留每个独立层的结构，创建尊重数据复杂性的零模型。
零模型的逻辑渗透到现代生物学的方方面面，从单个分子的层面到宏大的进化历程。每当你听到DNA序列搜索时，都有一个零模型在幕后默默工作。想象一下，你有一个新测序的蛋白质，想知道它是否是一种血红蛋白。像HMMER这样的工具使用一个统计概貌——一个模型——来描述一个“典型”血红蛋白的样子。它计算你的序列由这个血红蛋白模型生成的概率。但这只是故事的一半。它将这个概率与你的序列由一个零模型——一个完全随机的、“通用”蛋白质的模型——生成的概率进行比较，在这个零模型中，每种氨基酸根据其在已知生物世界中的平均频率出现。最终的得分是这两个概率的对数优势比。它告诉你，你的序列是血红蛋白的可能性比是一堆随机氨基酸的可能性大多少。没有与这个零背景的比较，这个得分将毫无意义。
同样的比较逻辑使我们能够检验宏大的进化假说。思考一下性染色体的谜题。在哺乳动物中，雌性有两条X染色体（），而雄性有一条（）。为了防止雌性拥有双倍剂量的所有X连锁基因，其中一条X染色体在称为X染色体失活的过程中被完全关闭。这使得雄性和雌性都只有一条活跃的X染色体。但是常染色体（非性染色体）呢？每个人都有两套。一个简单的“零”假说会是，基因表达与活跃基因拷贝的数量成正比。如果是这样，X染色体上基因的表达量应该只有常染色体上基因的一半，导致巨大的不平衡。生物学家Susumu Ohno提出了一个解决方案：他假设进化通过将单条活跃X染色体上所有基因的表达量加倍来补偿这一点。这是一个强大且可检验的想法。我们检验它的基线是零模型：即一个简单的剂量比的期望。现代基因组学已基本证实，观察到的比例更接近，为Ohno的假说提供了强有力的支持。在这里，零模型不是一个复杂的模拟，而是一个简单的、粗略的估算，它完美地框定了生物学问题，并揭示了进化的痕迹。
生态学家和进化生物学家是观察的大师，他们试图解释生命世界中壮丽的模式。零模型是他们确保其解释不仅仅是引人入胜的故事所必需的工具。
一位生态学家可能会观察到，在某个栖息地，物种A和物种B几乎从不一起出现。一个诱人的结论是它们是激烈的竞争者。但是等等。也许物种A是一个常见的、分布广泛的物种，而物种B非常稀有。或者也许物种A生活在物种丰富的位点，而物种B生活在物种贫乏的位点。这些因素中的任何一个都可能造成竞争的假象。为了检验真正的非随机共现，我们需要一个能够解释这些混淆事实的零模型。固定-固定零模型正是为此而生。它采用观测数据——一个包含位点和其中物种的网格——并打乱物种的存在与否，但有一个关键规则：每个位点的最终物种数量（位点丰富度）和每个物种占据的总位点数（物种占据率）必须与真实数据完全相同。这创造了一个在所有方面都是随机的，除了这些基础层面约束的世界。如果真实世界中物种A和B的回避程度远比数千个这样的打乱世界中的情况更极端，那时我们才可以开始谈论竞争。
这种思维可以应用于随时间变化的过程，比如森林火灾后的生态演替。我们看到一个可预测的物种到达和离开的序列。这是一个确定性的演进，还是其中一部分只是随机的流失与更替？我们可以构建一个零模型，它保留演替每个阶段的总体物种组成，但随机化哪个物种出现在哪个具体地块。这使我们能够将方向性变化的信号从随机抽样和更替的噪声中分离出来，从而对生态系统如何恢复有更深入的理解。
进化生物学家使用相同的逻辑来理解生物体是如何构建的。你手部的骨骼在尺寸上共同变化；它们形成一个整合的“模块”。这个模块的变化在某种程度上独立于，比如说，你脚部骨骼的“模块”。这种模块化被认为是一种进化创新。为了检验一组性状是否真正形成一个模块，我们可以测量它们之间所有的成对协方差。然后我们定义一个零假设：没有模块，只有一个错综复杂的相关性网络。我们通过获取我们的协方差矩阵并随机置换性状标签来模拟这一点。这保持了系统中整合的总量不变，但破坏了任何特定的模块结构。如果在我们的真实数据中，模块内协方差显著高于置换后的数据，我们就有了强有力的证据，证明存在一个由自然选择塑造的真实生物模块。
我们的巡览在科学和技术的前沿结束。我们越来越多地使用复杂的人工智能，如深度神经网络，在医学等领域进行预测。一个模型可能会学会从患者的基因组数据中预测其炎症反应。但这些模型通常是“黑箱”，给我们留下一个关键问题：它为什么做出那个预测？
可解释人工智能（XAI）领域试图通过为每个输入特征——例如，每个基因——分配一个“归因”或“重要性”得分来回答这个问题。它可能会告诉我们某个特定的生物通路具有很高的影响力。但我们能相信这个解释吗？如果模型只是捕捉到了虚假的相关性怎么办？
零模型再次成为我们追求严谨的向导。我们可以问：“如果基因和疾病之间没有真正的联系，模型会给出什么样的解释？”为了模拟这一点，我们可以取我们的数据集，随机打乱疾病标签，然后在这个无意义的数据上从头开始重新训练整个模型。然后我们生成一个解释。我们重复这个过程数百次。这就给了我们一个零分布：我们期望从一个在纯噪声上训练的模型中看到的通路归因分数的范围。如果我们从真实模型中得到的通路的归因分数远远大于这个零分布中的任何值，我们就可以开始相信模型发现了一些真实的东西。更复杂的零模型甚至可以通过巧妙地只随机化特定通路中的基因而保持其他基因不变，来测试该通路是否在所有其他基因的背景下增加了新信息。
这个应用展示了零模型的永恒重要性。它为怀疑主义提供了一个正式的框架，一种要求我们最复杂的创造物保持统计诚实性的方法。无论我们是在绘制大脑的回路、解码基因组的语言，还是确保我们的人工智能值得信赖，其逻辑都是相同的。我们必须始终愿意问：“如果我看到的模式只是一个意外怎么办？”零模型就是一台向我们展示意外模样的机器，从而让宇宙中真正的奇迹更加璀璨地闪耀出来。