跳转至

第 5 章 细胞 Potts 模型与细胞、组织及形态发生的生物物理属性（The Cellular Potts Model and Biophysical Properties of Cells, Tissues and Morphogenesis）

作者

Athanasius F. M. Marée（Utrecht University, Theoretical Biology）、Veronica A. Grieneisen（John Innes Centre, Norwich, UK）、Paulien Hogeweg（Utrecht University, Theoretical Biology）。本章由 GGH 模型"扩展派"的核心人物撰写——Hogeweg 是 GGH 三位命名人之一，本章是她与合作者对 GGH 生物物理应用的方法论系统化。资助：Utrecht University、BBSRC。

内容概述

本章回答一个核心问题：CPM/GGH 的每一个 Hamiltonian 参数对应什么生物物理量？ 作者把 GGH 的形式化映射到细胞生物学的具体测量：力与速度（Aristotelian regime）、细胞杨氏模量、泊松比、表面张力、压缩性、膜涨落幅度。每一项都通过具体的数值实验验证。

章节结构：

  1. Introduction（pp. 107–108）：CPM 的核心特征——"细胞是 deformable object"，通过能量最小化把不同尺度的力整合。
  2. Basic formalism（pp. 108–110）：CPM Hamiltonian + Metropolis 复制规则 + 仿真温度 \(T\) + 屈服 \(Y\)。
  3. Forces on a cell（pp. 110–112）：\(\Delta H\) 解释为局部力、\(Y\) 解释为膜阻力；\(\Delta H = 0\) 是 Aristotelian regime（\(F \sim v\)）；通过 3D 模拟测量趋化速度与 chemotaxis 强度的线性关系。
  4. Cell deformation and adhesion（pp. 112–118）：DAH 在 CPM 中的实现；细胞分选（cell sorting）动力学；J 值对排序速度的影响；细胞形变作为有丝分裂调控信号；肿瘤粘附-增殖的反馈回路。
  5. Compressibility（pp. 116–119）：细胞内压 \(p = 2\lambda(A_t - a)\)、压缩率 \(\lambda\)、周长约束 vs 负 J 值的对比、软骨细胞的泊松比 ~0.36。
  6. Energy exploration and membrane fluctuations（pp. 118–120）：\(T\) 的物理意义（膜涨落幅度）、Wulff construction 在 GGH 中的应用、lattice 引起的各向异性（Fig. 6）。
  7. Connectivity and the cell's cytoskeleton（pp. 120–122）：\(J > 0\) 时的"临界细胞直径"——细胞可能缩小到消失，引入"连通性约束"（connectivity constraint）来防止。
  8. Conclusion（pp. 122+）：CPM 框架下"从单细胞到组织形态发生"的全尺度整合能力。

读者前置知识：CPM/GGH 基础（Ch 4）、连续介质力学（Young modulus、Poisson's ratio、表面张力）、细胞生物学（mitosis、cytoskeleton、adhesion molecules）。

核心方程与概念

1. CPM Hamiltonian（基本形式）

\[ H = \sum_{(i,j) \in \text{neighbors}} J_{\tau(\sigma(i)), \tau(\sigma(j))}\big(1 - \delta(\sigma(i), \sigma(j))\big) + \sum_\sigma \lambda (a(\sigma) - A_t(\sigma))^2 + \text{（其他项）} \]
  • 第一项：粘附能 / 边界能（per boundary site）。
  • 第二项：体积约束（penalize 偏离目标面积 \(A_t\)）。
  • \(\lambda\) 是"不可压缩性常数"（incompressibility constant）。
  • 隐含的"细胞内压"：\(p = -2\lambda(a - A_t)\)，与共轭面积变量配对。

2. Metropolis 接受规则（含屈服 \(Y\)）

\[ P(\text{accept}) = \begin{cases} 1 & \text{if } \Delta H \leq -Y \\ \exp(-\Delta H / T) & \text{if } \Delta H > -Y \end{cases} \]
  • \(Y\) 是"屈服阈值"（yield），即细胞膜抵抗外力的内在阻力。
  • \(T\) 是"仿真温度"，对应膜涨落幅度。
  • 当 \(Y = 0\) 时回到原始 Metropolis 形式。
  • 当 \(T = 0\) 时，模拟迅速冻结到能量局部极小。

3. 关键概念：\(\Delta H\) 作为力

\(\Delta H\) 解释为作用在细胞膜局部元素的力（保守系统中 \(-\nabla V = F\)）。生物细胞是高耗散、黏度主导、惯性可忽略的——这对应 Aristotelian regime \(F \sim v\)。CPM 天然处于该 regime（因为 Metropolis 算法没有惯性项），是建模细胞运动的天然选择。这是理论方程 (T)。

4. 趋化扩展（Savill-Hogeweg 1997）

\[ \Delta H = H_{\text{after}} - H_{\text{before}} - \mu (c_{\text{site}} - c_{\text{neighbour}}) \]

\(c\) 是化学吸引物浓度，\(\mu\) 是 chemotaxis 强度。3D 模拟显示在合理参数范围内，细胞趋化速度 \(v\) 与 \(\mu\) 呈线性关系（Aristotelian 特征），如图 Fig. 1a。

5. 材料属性反演

通过在细胞两端施加 \(\Delta H\)（"拉伸"或"压缩"），测量细胞形变（通过惯量张量），可以反演出： - Poisson's ratio \(\nu = -\Delta h / \Delta l\)（Fig. 2d）。 - Young's modulus \(E = \text{slope}(\Delta H, \Delta l / l_0)\)（Fig. 2e）。

该章给出 \(\nu = 0.86\)、\(E = 7225\)（无单位）的 CPM 测量示例。

6. 细胞分选的动力学

总表面张力 \(\gamma\) 决定最终平衡态，但演化路径由 \(J\) 和 \(T\) 共同决定： $$ J \to \alpha J, \quad T \to \alpha T \implies \text{动力学相似} \quad (\text{纯缩放}) $$ 但如果保持 \(\gamma\)（=\(J_{d,d} - J_{d,l}\)）不变而改变 \(J\) 的绝对值，会得到不同的能量景观（不同局部极小）。

模拟显示：当 \(J\) 较大时，细胞"粘附强度高、不易形变" → 排序被局部极小捕获，排序速度按幂律衰减（\(N_{\text{cluster}} \sim t^{-\alpha}\)）。

7. 形变-增殖耦合

定义细胞"畸变"（distortion）\(\delta = r_{\text{major}} - 1\)（主轴长度比 - 1，对 100 MCS 做平均）。有丝分裂概率 $$ P_m = \begin{cases} 0 & \text{if } t < t_{\text{interphase}} \text{ or } a < a_{\min} \ H \delta^h / (B^h + \delta^h) & \text{otherwise} \end{cases} $$ 其中 \(B\) 是临界畸变、\(h\) 是 Hill 系数、\(H\) 是最大概率。这一规则实现了"Folkman-Hausmmann 1978 假说"——细胞形变本身就是有丝分裂的调控信号。

实验验证：在 6 种人类上皮肿瘤系中，形态变形系数 \(D\) 与 Gompertz 增长率 \(\beta\) 呈强线性相关——这一相关性是 CPM 用"形变调控增殖"假设的实验基础。

8. 内压与压缩性

\[ p = 2\lambda (A_t - a) \]

体积变化由水通过半透膜的流动驱动——这与"细胞质本身不可压缩"的实验事实一致。\(\lambda\) 越大，细胞越"硬"。软骨细胞实验：泊松比 \(\nu = 0.36\)（不可压缩时 \(\nu = 0.5\)），证明细胞可被显著压缩。

重要的稳定性问题：当 \(J > 0\) 时存在"临界细胞直径"——细胞过小时会消失。解决方案：引入周长约束 \(A_p (p - p_t)^2\) 或使用负 \(J\) 值。

9. Wulff construction 与 lattice anisotropy

在 \(T = 0\) 时，GGH 的平衡形状由 Wulff construction 决定——自由表面能 \(\epsilon(\theta)\) 的极坐标图的几何包络。方格 vs 六角格给出不同形状（Fig. 6）：方格有 4 个优选取向，六角格有 6 个。当 \(T > T_r\)（roughening temperature）时，极坐标图变光滑、各向同性消失。

10. 仿真温度 \(T\) 的生物学映射

\(T\) 与"膜涨落幅度"对应——通过与细胞松弛素（cytochalasin-B，一种抑制膜 ruffling 的药物）的实验对比标定。\(T = 0\) 对应完全抑制涨落，对生物细胞不现实；实际模拟中 \(T \sim 5\)–10 是合理范围。

关键结论

  • 结论 1：CPM/GGH 中 \(\Delta H\) 局部等价于力，\(Y\) 是膜阻力，\(T\) 是涨落幅度——三个参数有明确的物理对应，可被独立实验测量。这使 CPM/GGH 不只是"形似"的仿真，而是有"形似+神似"的双重基础。
  • 结论 2：在合理参数范围内，3D 趋化速度与 chemotaxis 强度呈线性（Fig. 1a），符合 Aristotelian regime \(F \sim v\)。这是 CPM 适用于细胞动力学的关键论据。
  • 结论 3：J 值（粘附/内聚强度）显著影响细胞分选动力学——J 越大、细胞越"硬"、分选越慢、越易陷入局部极小。纯缩放（\(J \to \alpha J, T \to \alpha T\)）保持动力学不变，但固定表面张力 \(\gamma\) 改变 \(J\) 绝对值会引入新的能量景观。
  • 结论 4：细胞形变（distortion）作为有丝分裂的调控信号——这一"Folkman-Hausmmann 假说"在 CPM 中被形式化为 \(\delta^h / (B^h + \delta^h)\) 形式。6 种人类上皮肿瘤系的 \(D\)–\(\beta\) 线性相关为该假说提供了实验支持。
  • 结论 5：粘附（adhesion to substrate）增强→细胞更易伸长→增殖加快；内聚（cohesion between cells）增强→细胞抱团→增殖受抑、侵袭性降低。这与肿瘤生物学中"integrin 上调 + cadherin 下调 = 恶性"的临床观察一致。
  • 结论 6：当 \(J > 0\) 时存在"临界细胞直径"——细胞过小会自动消失。这是 CPM 的"虚拟细胞丢失"问题，需要周长约束或负 \(J\) 值来避免。
  • 结论 7：Wulff construction 在 \(T = 0\) 时给出 lattice-dependent 的多面体形状；六角格比方格各向同性更好。这是 GGH 模拟的固有网格伪影，对生物细胞（应当接近圆形）不期望。
  • 结论 8：CPM 的"形变-调控"耦合能力使其可以模拟没有显式接触抑制、没有显式化学信号情况下涌现出的肿瘤边缘高增殖——这是 CPM 框架最强大的涌现能力之一。

挑战和开放性问题

  • 挑战 1：\(J\) 矩阵的标定。10 种细胞类型 → 55 个独立 \(J\) 值 + 1 个 \(J_{\text{medium}}\)；这是一个病态反问题——给定目标分选行为反推 \(J\) 矩阵。自动标定算法（如基于 Bayesian inference、机器学习的方法）是当前研究热点。
  • 挑战 2：3D 中的参数标定。本章的 \(\nu = 0.86, E = 7225\) 来自 2D 模拟；3D 中的相应参数需要更复杂的力学实验。这与实验力学（traction force microscopy、atomic force microscopy）的接口尚未标准化。
  • 挑战 3：细胞分裂的随机性 vs 决定性。当前 CPM 通常用 Metropolis 决定"是否分裂"——但真实细胞分裂由 cyclin/CDK 调控网络决定，这是一个从"细胞-随机"到"分子-决定"的多尺度耦合问题。
  • 挑战 4：mechanotransduction 的双向耦合。本章展示了"形变→增殖"的耦合，但力学信号如何反过来调控粘附分子的表达（integrin 翻转、cadherin 内吞）尚未纳入 CPM/GGH。
  • 挑战 5：与组学数据的对接。6 种肿瘤系的 \(D\)–\(\beta\) 线性相关是 CPM 与实验对接的典范案例；今天单细胞 RNA-seq 可以提供每个细胞的基因表达谱，CPM/GGH 如何利用这些数据做"细胞-状态条件化模拟"是前沿方向。
  • 挑战 6：MCS 标度（沿袭 Ch 4 的问题）。该章诚实地承认"the exact relation between Monte-Carlo spin-copy attempts and continuous time are still the subject of debate"——这一物理时间标度问题在所有 CPM/GGH 应用中都存在。
  • 挑战 7：负 \(J\) 值的物理合理性。负 \(J\) 值（粘附能为负）等于"细胞更愿意与不同类型细胞接触"——这在物理上对应什么？与具体的 cadherin/integrin 表达水平如何对应？

个人反思与批判性分析

本章是 GGH 模型"应用范式"的最佳示范——它把"Hamiltonian 参数"映射到"具体可测量的生物物理量"，使 GGH 不再是抽象的"格子游戏"，而是可与实验定量对照的预测工具。这种"参数-可测物理量"映射是 GGH 区别于其他离散方法（如 LGCA、HDC）的重要方法论资产。

几点批判性观察：

  1. "细胞是 deformable object"的代价是计算成本。GGH 把每个细胞分解为 ~10²–10³ 个像素；模拟 10⁴ 个细胞意味着 10⁶–10⁷ 像素的格子。这是 GGH 在 2007–2010 年间无法扩展到 10⁶ 细胞规模的主要原因。今天 GPU + lattice-free GGH（如 Ch 7 提到的 FE-CPM）可以做到。

  2. "形变-调控"的双向耦合被有意单向了。本章展示了"形变→增殖"（形变作为信号），但形变如何被基因表达反向调控没有纳入。这是一个被 GGH 社区主动简化的耦合——但这种简化让 GGH 无法预测"机械信号如何重塑组织命运"这一关键发育生物学问题。

  3. DAH 在 GGH 中的实现是"软"粘附。DAH 假设细胞按"最小化总粘附能"原则分选——GGH 通过 \(J\) 矩阵实现这一点。但真实的 cadherin 介导的粘附是一个动力学过程（形成 bond、维持 bond、断开 bond 都有时间尺度），GGH 把这些时间尺度"折叠"为温度 \(T\)。这是 GGH 的"软科学"特征——能解释模式，但难以做定量预测。

  4. J 矩阵的标定问题在 2007 年没有系统方法。今天这一问题可以通过"组合生物学"（combinatorial biology）实验 + Bayesian inference 解决。但这种"实验 + 计算"联合工作流尚未成为 GGH 社区的标准实践。

  5. \(T \neq 0\) 的物理意义被低估。本章提到 \(T\) 与 cytochalasin-B 抑制膜 ruffling 相关，但这是一个"间接证据"——直接的"测量细胞膜涨落幅度"的实验（用荧光标记 + 单分子追踪）至今仍不标准。这一参数标定的开放性让 GGH 模拟的"温度"与真实生物温度的对应仍有模糊空间。

  6. 多细胞动力学 vs 多细胞统计。本章用"集群数"和"邻居型相关"刻画细胞分选（Fig. 3b, c）——这些是全局统计量。但细胞分选的"微观路径"（每个细胞如何在 1000 MCS 内到达其最终位置）几乎是不可预测的。这种"宏观可预测、微观不可预测"是细胞自组织的本质——GGH 能展示宏观结构但难以预测单个细胞命运。

  7. 与相邻章节的关系：

  8. Ch 4（GGH 综述）：本章是该综述的"应用章"，详细展开生物物理参数映射。
  9. Ch 6（CPM in Biomedicine）：本章偏"机制 + 物理量"，Ch 6 偏"应用 + 临床"。
  10. Ch 7（GGH Extensions）：本章是当前方法的成熟版本，Ch 7 探讨未来方向（如 FE-CPM、GPU 并行）。

  11. 本书的 Part II 形成了"基础（Ch 4）→ 物理映射（Ch 5）→ 临床应用（Ch 6）→ 未来方向（Ch 7）"的清晰结构。

  12. "细胞膜 ruffling"作为 GGH 温度的解释。Cytochalasin-B 抑制的是 actin polymerization——这是细胞骨架动力学。把 \(T\) 等同于"细胞骨架活性"是一个有趣的等价，但它忽略了细胞骨架的方向性（lamellipodia 向前、尾部收缩向后）。GGH 模拟中"细胞向一个方向移动"是各向同性的——这与真实细胞的极化运动有差距。

  13. 关于"\(T > 0\) → 准确定性梯度下降"的有效性（沿袭 Ch 4 的问题）。本章中 \(T\) 起到"打破局部极小"的作用，但当 \(T\) 较大时（如 \(T = 10\)），Metropolis 算法接受高能态的概率显著——此时 GGH 模拟是否还对应"细胞在物理时间内的运动"是一个开放问题。

  14. 跨章方法论统一性。本章中"细胞分选"实验是 GGH 的"金标准应用"——同样的现象 Ch 2（LGCA）和 Ch 8（center-based）也会用各自方法复现。如果三个方法给出不同结果，那 GGH 就不比其他方法更"正确"；如果给出相似结果，那就是模型独立性的胜利。这种"模型间交叉验证"是 2007 年后该领域的一个重要方法论发展。

重要参考文献

[X1] Glazier J.A., Graner F. Simulation of the differential adhesion driven rearrangement of biological cells. Phys. Rev. E 1993;47(3):2128-2154. DOI: 10.1103/PhysRevE.47.2128

[X2] Steinberg M.S. Reconstruction of tissues by dissociated cells. Science 1963;141(3579):401-408. DOI: 10.1126/science.141.3579.401

[X3] Steinberg M.S., Poole T.J. Liquid behavior of embryonic tissues. In: Subtelny S., Wessells N.K. (eds) The Cell Surface in Animal Embryogenesis and Development. Elsevier, 1984.

[X4] Folkman J., Moscona A. Role of cell shape in growth control. Nature 1978;273(5661):345-349. DOI: 10.1038/273345a0

[X5] Savill N.J., Hogeweg P. Modelling morphogenesis: from single cells to crawling slugs. J. Theoret. Biol. 1997;184(3):229-235. DOI: 10.1006/jtbi.1996.0255

[X6] Marée A.F.M., Jilkine A., Bhatt B., Glazier J.A., Hogeweg P. Quantitative comparison of different single cell-based models that predict tumor growth patterns. In: ICCB 2005 Proceedings.

[X7] Wulff G. Zur Frage der Geschwindigkeit des Wachstums und der Auflösung der Krystallflächen. Zeitschrift für Krystallographie und Mineralogie 1901;34(5/6):449-530.

[X8] Farhadifar R., Röper J.-C., Aigouy B., Eaton S., Jülicher F. The influence of cell mechanics, cell-cell interactions, and proliferation on epithelial packing. Curr. Biol. 2007;17(24):2095-2104. DOI: 10.1016/j.cub.2007.11.049

[X9] Puliafito A., Hufnagel L., Neveu P., Siggia E., Shraiman B.I. Collective and single cell behavior in epithelial contact inhibition. Proc. Natl. Acad. Sci. USA 2012;109(3):739-744. DOI: 10.1073/pnas.1007809109

[X10] Osborne J.M., Fletcher A.G., Pitt-Francis J.M., Maini P.K., Gavaghan D.J. Comparing individual-based approaches to modelling the self-organization of multicellular tissues. PLoS Comput. Biol. 2017;13(2):e1005387. DOI: 10.1371/journal.pcbi.1005387