第 10 章：细胞迁移的计算建模（Computational Modelling of Cell Migration）

引言（Introduction）

本章由 Roman Bauer 撰写，定位为读者建立"计算建模与仿真（computational modelling and simulation）"作为研究工具的整体认知，并介绍其在生物学系统中的应用逻辑；目标是让读者了解主要的计算方法、其各自的优劣，以及细胞迁移在单细胞与集体细胞层面的众多模型中本章如何定位。Bauer 强调计算建模之所以重要，是因为细胞迁移参与众多生物学现象（胚胎发育、免疫系统功能、创伤愈合、癌症）且机制复杂，单凭直觉难以预测；本章将围绕五个应用场景（单细胞迁移、发育、组织工程、创伤愈合、癌症）展开，回顾代表性研究并解释其方法学。

正文从引言开始切入动机：细胞迁移是许多生物系统的核心过程，参与胚胎发育、免疫系统运行、创伤愈合与癌症等多种生物学过程 [1, 2]，因此需要底层生成机制来协调与引导运动；同时这也是一个高度复杂的多尺度现象——涉及不同空间与时间尺度上多种生物学与物理学过程的耦合。在这一背景中，细胞通过膜的突起（protrusions）探测局部物理环境；根据所感知到的输入触发不同生物通路，并产生相应的运动行为。由于细胞位置改变反过来又改变其所感受到的（分子或力学）输入，整个系统构成一个闭环的"动作—反应"过程——其高度非线性动力学使得许多现象难以靠直觉理解与预测 [1, 2]。鉴于这些困难，计算建模作为生物医学研究的工具受到了广泛关注：它能把通常模糊的心智模型加以扩展和精确化，提出可在湿实验中验证的定量假设；还能对那些因实践或伦理原因难以直接观察的系统（如哺乳动物大脑发育、严重皮肤创伤愈合）进行建模与假设检验。沿此路径，计算方法已成为与经典实验与纯理论方法并列的科学方法学组件，许多原本无法回答的科学问题因此获得新解；例如生物信息学已改变基因组学，并被用于囊性纤维化与癌症等疾病 [3, 4]。细胞迁移作为生物系统中一种关键行为，也顺理成章地成为众多计算模型的核心组件。本章聚焦的五个应用场景——单细胞迁移、发育、组织工程、创伤愈合与癌症生长——下文逐节展开。

细胞迁移的生物学（The Biology of Cell Migration）

本节在讨论建模方法之前，先把"被建模对象"的生物学事实铺清楚：包括迁移的类型学分类、运动执行的分子与细胞学组分、以及细胞如何感知并响应局部环境中的引导线索。

细胞迁移的类型（Types of Cell Migration）

细胞迁移是高度异质的过程，随上下文显著不同 [5]。研究最多的肌动蛋白依赖型细胞运动形式是趋化性（chemotaxis）与趋触性（haptotaxis）：趋化性通过感知细胞外线索（生长因子、化学梯度、ECM 组分等）发生；真核细胞和昆虫细胞通常使用板状/丝状伪足（lamellipodia/filopodia）作为执行机制；趋触性则指细胞对 ECM 中不可扩散的黏附分子浓度梯度做出的定向移动 [6]。与前两者不同，趋硬性（durotaxis）不需要任何细胞外基质分子来引导运动；起决定性作用的是基底刚度，Lo 等人 [7] 的研究表明，细胞与基底之间的纯物理相互作用即可启动单个细胞的运动。其他类型的细胞运动还包括趋温性 [8]、趋电性（galvanotaxis）[9]、趋拓扑性 [10]、趋光性 [11] 与趋地性 [12] 等，但这些类型相对研究较少，相关的计算工作也较少。整体而言，运动"机器"在不同趋性下差异显著，因为不同驱动力（趋化因子梯度、ECM 密度、基底刚度等）会激活不同的信号网络；计算建模的优势在于能在不同细节层次上纳入对应的生物学与物理学机制。

细胞运动的组分（Constituents of Cell Motility）

细胞迁移需要在细胞前端形成膜突起 [13]，其实现方式主要有三种：真核细胞运动的肌动蛋白依赖型迁移 [14]；使用"囊泡状突起（blebs）"的变形虫样迁移（amoeboid migration）[15]；以及通过细长螺旋附肢（鞭毛）旋转游泳的鞭毛依赖型迁移。其中第一种与第二种是大多数计算建模所关注的对象；鞭毛依赖型主要用于在液体环境中游动的细菌等细胞。肌动蛋白依赖型细胞迁移由"肌动蛋白—肌球蛋白系统（actin-myosin system）"实现：前端通过"踏车（treadmilling）"过程产生肌动蛋白丝 [16]，后端的肌球蛋白与前端束状肌动蛋白丝结合产生收缩应力，整体充当驱动运动的"马达"。板状伪足（lamellipodia）是位于细胞前导缘的宽而扁平的膜突起 [17]，前导缘处从已有肌动蛋白丝组装新丝，从而大体上控制驱动板状伪足伸长的肌动蛋白聚合速率；但板状伪足并非 3D 环境中细胞运动的唯一机制 [18]。丝状伪足（filopodia）是位于前导缘、富含肌动蛋白的短指状突起，作用是感知局部微环境，可单独或与其他突起类型协同工作，能感知局部的化学与力学性质，但不负责细胞体的运动。囊泡状突起（blebs）则代表另一种迁移方式（常称变形虫样细胞迁移）[15, 19]，它们与板状伪足类似，都是细胞膜的突起并参与多种细胞类型的运动，但并非由肌动蛋白—肌球蛋白系统驱动，而是由静水压力与胞质流动驱动。总体而言，细胞运动是异质过程，可在不同情境下调用不同机制；因此理解细胞迁移既需要在小尺度上考虑运动的具体物理实现，也需要在大尺度上对群体行为进行简化。

细胞运动的引导与局部环境的相互作用（Guidance of Cell Movement and Interactions with Local Environment）

多种物理因素可以影响细胞运动，而细胞也拥有大量感知局部物理邻域的方式 [20]。生物系统（尤其在发育阶段）的一个普遍特征是细胞外空间中存在引导细胞迁移的物质；细胞外的引导线索能在迁移细胞内触发信号级联，继而聚合并协同扩展突起，形成可施加机械力的小型黏着复合体，推动细胞体前进。细胞外线索的空间分布有多种建立方式，其中之一是细胞差异性地表达基因标志 [21]，由此引出细胞对细胞外或膜结合物质的空间模式化分泌；多种物质常以组织良好的方式相互作用，一个可能的机制是 1952 年 Turing 提出的反应—扩散系统 [22]，文献 [23] 给出了一个能通过细胞产生与分泌相互作用成形素而产生空间与生物学上真实模式的计算模型。除细胞外物质外，基底与 ECM 的物理/材料性质也可作为引导线索影响细胞运动；Zhao 等人 [24] 的计算模型同时探测了生化与力学线索对细胞迁移的影响，发现生化线索更利于方向性与持续性，而力学线索更利于集体细胞迁移的协调。模拟这些定向运动所用的计算技术需要与对应引导线索的特征相匹配——不存在"一刀切"的方法，因此建模者需要根据上下文、可用的计算资源与研究目标来选择并恰当设计模型。

计算模型的类型（Types of Computational Models）

本节总览可用于细胞迁移建模的三类主流计算范式：连续介质模型（含有限元方法与相场方法）、离散/基于智能体的模型（ABM）、以及前两者的混合范式。Bauer 强调每一类范式各有取舍——细节、多尺度能力、计算成本与生物学贴合度之间存在权衡。

连续介质模型与有限元方法（Continuum Models and the Finite Element Method）

生物系统模拟的主流方法之一是所谓的连续介质模型（continuum model），它在现代工程技术中扮演关键角色：本质上是把系统表述为相互交织片段构成的空间连续体，跨越这一连续支架的运动由特定的微分方程支配——例如牛顿运动定律或质量守恒定律；相互作用可基于多种机制，包括机械力与生化反应等。有限元方法（FEM）是这类连续介质模型中最常用的一种：将系统离散为大量相互作用的子区域（即单元）以构成网格，可处理的问题多样，包括结构分析 [25]、热传导 [26] 与电磁系统 [27]；在细胞迁移背景下，FEM 特别适合用于组织力学与细胞运动的生物物理学问题。从计算视角看，FEM 高度适配并行化与高效仿真：整个域的行为可建模为相邻单元的叠加，对应可由单元矩阵（element matrix）数学地表达；所有矩阵可组装成代表整体结构的单一矩阵，形成线性方程组求取未知量 [28]；由于通常相互作用的单元数量有限，矩阵运算可在大量处理器上较高效地完成。另一种强大的连续介质建模技术是相场建模（phase-field modelling），其主要优势之一是能自然地把细胞膜建模为界面，便于表达细胞与细胞外环境的相互作用 [29]；在计算效能上也有额外优势，最初应用于细胞迁移以外的领域，但最近被引入细胞运动的建模。基于连续介质的数值仿真非常适合详细模拟迁移过程中的细胞形态——因为它们允许建模细胞力学与膜变形，这些正是细胞运动的关键角色；可以说最精细的细胞运动计算模型采用的就是连续介质方法，因为该方法天然适合对膜的形状与动力学进行数学表述与仿真。然而其反面是，连续介质模型倾向于"过度简化"，无法支持细胞系统动力学的多尺度本质——遗传、信号、膜结合以及多种物理相互作用构成的复杂网络难以被纳入统一的连续介质模型；这削弱了它们的解释力，并使它们在向新情境外推（不同于已有实验数据的情境）时尤其容易出问题。

离散/基于智能体的建模（Discrete/Agent-Based Modelling）

在离散模型中，元素在共享的物理环境中自主且独立地行动；该方法存在不同子类，有些情况下元素位于 2D 或 3D 中规则间隔的网格上，更先进的软件允许元素的位置取连续值（仅受空间坐标分辨率限制）。离散建模与基于智能体的建模（ABM）从根本上不同于连续介质建模：被仿真的元素天然地与其所栖身空间相分离。由于 ABM 坚守"自主性"与"局部信息交换"的原则，它已成为许多科学领域中应用广泛的建模方法；与连续介质建模相比，其主要优势之一是更契合生物学系统——因为细胞可以被建模为基本元素；ABM 是一种多尺度方法，支持将细胞行为建模为受基因调控动力学和细胞通路控制；并能在统一的、多尺度的计算框架中纳入物理过程，如细胞间力学与物质扩散。ABM 的一个缺点是从计算角度看它可以迅速变得非常苛刻，因此越来越需要高度优化的代码以仿真真实系统 [30]；最近发表的 BioDynaMo 软件 [31] 就是一种高性能软件，能够以高效方式仿真数十亿级别的相互作用的智能体。

混合计算建模（Hybrid Computational Modelling）

除 FEM 与 ABM 外，二者的组合常被用以发挥各自长处、规避弱点。例如 ABM 可以便捷地建模多种细胞行为（迁移、增殖、生长、分化、死亡以及细胞分泌物），同时考虑生物力学动力学；而借助计算上相对不那么密集的连续介质建模，混合方法能够扩展到相对较大的系统规模。连续介质与基于智能体模型的组合已成为一种富有吸引力的方法：文献 [32] 将 FEM 与 ABM 个体细胞建模相接口，用于仿真上皮层中的细胞动力学，并在集体细胞迁移的两种不同情境下演示了其模型；文献 [33] 也采用了这种混合方法来建模实际大小的胶质母细胞瘤（GBM）的生长动力学，包括进展过程中的细胞运动，作者确认了实验观察，包括肿瘤与宿主细胞的不同分布。

细胞迁移建模软件（Software for the Modelling of Cell Migration）

目前有多种软件与软件包可用于建模生物组织中的细胞迁移；表 1 给出了一份经过挑选的流行软件列表，这些软件在不同的生物医学相关情境中得到积极维护与使用。值得注意的是，大量计算框架与软件已被用于建模细胞迁移，自然地各有其特性，因此在开始建模实施之前理解每种软件的优缺点非常重要。表 1 所列软件包括：BioDynaMo（ABM，基于 C++，支持并行化，免费）[31]；COMSOL（连续介质模型，基于 Java，支持并行化，商业）[34]；Cx3D（ABM，基于 Java，不支持并行化，免费）[35]；MecaGen（ABM，基于 C++，免费）[36]；NetLogo（ABM，基于 Scala 与 Java，不支持并行化，免费）[37, 38]；PhysiCell（ABM，基于 C++，免费）[39]。值得说明的是，BioDynaMo 与 COMSOL 强调并行计算能力，而 Cx3D 与 NetLogo 则是面向教学或较小规模仿真的经典框架；PhysiCell 与 MecaGen 在 3D 多细胞系统仿真中各有侧重；这些软件分别支持从单细胞、集体细胞到肿瘤微环境等多种情境的建模。

细胞迁移的计算模型（Computational Models of Cell Migration）

本节给出六类应用场景中已被发表的代表性计算建模工作：从单细胞力学、发育、组织工程、免疫系统、创伤愈合到癌症——按应用领域给出实例。

应用（Applications）

单细胞迁移力学（Single-Cell Migration Mechanics）

单细胞或细胞群体的迁移都已被建模与仿真；能捕捉迁移过程中单细胞详细动力学与形态变化的数值模型有助于更好地理解内部控制过程以及不同情境下观察到的行为。Marée 等 [40] 给出一个二维模型，包含细胞内信号与形态动力学；Cao 等 [41] 也提出一个二维模型，整合生化信号、细胞力学与形变，展示了它能解释细胞运动模式的转变，并用实验数据验证了模型预测；文献 [42] 提出一种混合 ABM/FEM 模型，包含膜突起、膜张力、静水压力、基质黏附等多种细胞特征，并将变形虫样迁移与肌动蛋白依赖型迁移结合起来。许多研究考察了不同类型的细胞运动：例如 Tan 与 Chaim [43] 计算建模了趋化性中两种不同类型的感知方式，把细胞膜建模为一维圆环，考察噪声与细胞速度等参数的影响；文献 [44] 提出一个二维 FEM 模型用于化学趋向场中的细胞迁移，作者展示了一组反应—扩散方程可以重现单细胞沿细胞外物质浓度梯度运动并按既定动力学周期性地改变其形态，还预测了细胞通过自身产生局部化学引诱物浓度梯度来增强持续性与极性的机制。更近的研究中，任意形状与地形结构环境内基于板状伪足的 3D 细胞迁移已被计算建模 [45]；文献 [46] 提出的另一个 FEM 模型具备处理力学与化学引导的能力；Heck 等 [47] 的混合模型捕获了肌动蛋白突起与细胞外基质相互作用的动力学；文献 [48] 提出一个连续介质模型，在 3D 中仿真单细胞迁移，并考虑细胞力学与细胞信号之间的相互作用，结果显示与其实验数据在不同迁移模式之间切换的观察上吻合；文献 [49] 提出一个三维相场模型，可仿真单细胞的趋化性，同时考虑刚性障碍物与纤维（图 2 给出了从该模型获得的一组图像序列）。计算模型也被用于研究迁移细胞之间的相互作用：文献 [50] 在二维 ECM 中建模单细胞迁移，然后用其模型复现多细胞流（multicellular streaming），即细胞沿个体"领头细胞"的轨迹与管道迁移；这是一项特别值得关注的工作，因为它展示了计算建模的一项主要优势——为一种由简单行为的集体作用涌现出的非平凡现象提供了机制性解释。

发育（Development）

生物学中最基本的研究问题之一是复杂多细胞结构如何从单一前体细胞自组织而成；然而该主题的实验工作常常困难重重，因为在体外复制体内自然发育的条件颇具挑战。因此，数学与数值方法为发育生物学研究提供了极具吸引力的互补方法——计算建模已在发育生物学领域变得普遍 [52]；现有众多计算研究聚焦于特定的发育现象。代表性领域包括：

胚胎发生（Embryogenesis）：细胞迁移是胚胎发育的主要组分，细胞遵循基因编码的规则并利用局部环境中的信息来引导其运动，由此细胞以自组织方式到达最终位置，以稳健且一致的方式生成生物结构；胚胎发育的早期阶段构成生物发育的关键时期，著名发育生物学家 Lewis Wolpert 曾有名言"生命中真正最重要的时刻不是出生、结婚或死亡，而是原肠胚形成（gastrulation）"，指的就是早期胚胎发育的关键阶段之一。文献 [53] 用 NetLogo 实现了 ABM，模拟斑马鱼发育中的自组织与细胞迁移；最近的一个早期胚胎发生的计算模型见文献 [36]，作者使用基于智能体的软件 MecaGen 模拟上包（epiboly）的第一阶段，为此将细胞行为建模为由抽象基因调控网络（GRN）与相关力学相互作用共同控制。

神经发育（Neural Development）：神经发育是生物发育的关键组分并与胚胎发生重叠，但神经发育会持续到胚胎阶段之后——人类约长达二十年——负责高阶认知、自控与规划的大脑神经网络才达到完全成熟状态。神经发育的一个关键组分是前体细胞的迁移，它们迁移到最终位置以建立大脑的解剖结构 [54]；理解这一过程对洞察脑组织与功能以及解决神经发育障碍都至关重要。文献 [51] 用 ABM 在 3D 中仿真皮质发育过程中的细胞分化、细胞间相互作用与迁移，揭示了健康大脑的若干观察以及自闭症谱系障碍与多小脑回（polymicrogyria）的某些特征（图 3）。大多数脑发育计算模型聚焦于阐明基本脑解剖现象的形成；人脑形态的一个显著特征是其折叠结构，虽然目前尚不完全清楚脑沟与脑回是否有功能含义，但已开展大量计算工作以解释脑折叠的结构发育。神经元迁移是皮层折叠的核心发育过程，"发散性径向迁移"被认为与皮层折叠相关 [55]；多数神经发育中的细胞迁移计算模型采用 FEM 方法 [56]，例如研究脑折叠的多项生物力学方面——颅骨约束 [57]、皮层之间的差异性生长 [58]、白质神经结构 [59, 60] 与组织刚度 [61]。直接在 ABM 中表达轴突束与个体细胞行为是未来基于智能体脑发育模型的一个令人激动的前景；其中 Zubler 等 [62] 与 Bauer 等 [51] 使用 ABM 模拟脑发育过程中皮层层的形成，与前述脑发育研究不同，这里仿真的是基于基因编码行为的自主细胞迁移；该方法还考虑了细胞间的多种相互作用，包括机械力以及可扩散物质的分泌或检测。

组织工程（Tissue Engineering）

生物组织的人工生长是一个极具前景的生物医学研究领域，目前已能在实验室环境中培养出多种重现自然生长的组织，使那些难以在体内观察的过程（如人脑发育）变得可研究。除主要出于科学动机的研究外，工程化组织有望用于移植目的，以实现病变或受损组织的再生或改善；还可用于候选药物测试与毒性测试。虽然要将这些工程化组织真正应用于临床与医学场景还需要更多研究，但近年来该领域已取得显著进展——已有可能使用人干细胞在体外将其合成培养为高度复杂的系统，例如视网膜类器官、关节、骨与心血管组织等。生物组织的工程化通常涉及细胞迁移，因为干细胞先分化、再迁移以使组织自组织；这一迁移过程已在若干组织工程情境中被计算建模，例如心血管组织 [63, 64]、骨组织 [65] 与肌肉构建体 [66]。值得指出的是，计算建模特别契合组织工程应用，原因是该领域高度跨学科，融合了实验生物学、医学、工程学、计算机科学与数学建模的技术。

免疫系统（Immune System）

免疫系统对机体正常生理至关重要，是一个高度复杂的系统，持续搜索并摧毁病原体、适应、学习与进化；以简化的视角看，免疫系统可被理解为由多种高度专门化的细胞构成的多组件相互作用系统。树突状细胞与 T 细胞负责在其周围环境中探测病原体；尽管 T 细胞完成此任务的许多机制尚未完全理解，但研究已对调控 T 细胞迁移的动力学与分子机制有了显著洞见；值得注意的是，免疫系统的某些疾病已被关联到 T 细胞的异常迁移能力 [67]，因此阐明 T 细胞与其他免疫细胞的迁移机制对许多疾病的治疗具有重要意义。免疫系统的功能依赖于不同细胞之间的通信以及免疫细胞移动以清除微生物与病原体，这一特性使其特别适合计算建模：例如文献 [68] 建模了中性粒细胞在多种化学引诱物影响下的运动，并提出一种"赢家通吃（winner-take-all）"机制，使细胞在模糊环境中更高效地迁移；这一假说很有吸引力，尤其是它与 Sakumura 等 [69] 提出的生长锥导航的类似机制相一致。与脑发育相比，免疫系统仿真更常采用 ABM；其中最广泛使用的框架是 NetLogo [37]，文献 [70] 综述了多种免疫系统计算模型，其中数个纳入了细胞迁移。然而由于 NetLogo 在灵活性、可扩展性以及仿真真实物理环境能力方面的局限，免疫系统中细胞迁移的建模也采用了若干其他方法；例如 Niculescu 等 [71] 仿真了 T 细胞在密集表皮环境中的迁移，由于炎症在创伤愈合中的重要作用，该研究既与免疫系统相关，也与创伤愈合相关。

创伤愈合（Wound Healing）

在创伤愈合过程中，特异性的细胞被伤口处分泌的生长因子所吸引；这些因子使它们能迁移、增殖并以良好协调的方式产生细胞外基质，从而闭合伤口并避免感染。更好地理解这些过程及其相互作用对加速或改善创伤愈合具有重要价值，例如可帮助设计新型伤口敷料 [72]。创伤愈合与前述免疫系统主题紧密相关——炎症在创伤愈合中可能成为主要并发症；文献 [73] 给出了一个关于炎症与创伤愈合的 ABM，但并未对细胞在空间中的迁移建模；与之对照，Boon 等 [74] 给出一个用于伤口收缩的 ABM，伤口收缩在创伤愈合过程中起重要作用，作者用其模型预测了若干与已确立的创伤愈合阶段相符的行为；该模型未基于实验数据做定量评估，但它是首个把免疫应答系统与伤口收缩联系起来的基于细胞的模型；它同时具有生物医学相关性，可作为基线模型探测各类创伤愈合参数的影响。文献 [75] 采用一种复杂的混合建模方法——将 ABM 与 FEM 结合——在 2D 中仿真创伤愈合，他们仿真了多种力学性质并表明耦合模型的分辨率对这些性质具有显著影响，这凸显了所采用框架参数化的重要性，以及与实验信息进行充分验证是计算建模的关键组成部分；与此工作相关的还有文献 [76]，作者以实验与计算（FEM）相结合的方式对早期鸡胚的创伤愈合建模，基于这一跨学科方法，作者推导出一种生物学上合理的机制，用以解释胚胎能够快速愈合且不留疤痕的卓越能力。

癌症（Cancer）

癌症被定义为细胞的失控增殖，最终导致宿主死亡；然而细胞侵袭与转移的形成对高级别肿瘤至关重要，因此更好地理解癌症的进展需要纳入细胞迁移的考量。癌症是一个高度复杂的过程，涵盖大量细胞内、细胞间与细胞外机制；值得注意的是，癌细胞是异质的——有些是坏死的，有些是增殖性的，还有些是侵袭性的（因而具有迁移能力）；ABM 不仅能建模不同类型的癌细胞，还能建模它们与肿瘤微环境及免疫系统的相互作用，这在癌症进展过程中扮演重要角色。计算分析与建模已在肿瘤学中得到广泛使用 [77]。实验与计算工作都聚焦于癌症中的细胞迁移 [78]；鉴于细胞侵袭在癌症进展中的重要性，涉及空间信息的多数癌症计算模型都纳入了细胞运动行为；如第 2.1 节所述，细胞迁移模式繁多，但由于体内癌症进展仍需更多实验数据，癌细胞计算模型通常只聚焦少数策略，例如趋化性与趋触性的组合 [6]。

未来展望（Future Outlook）

计算模型已为理解细胞迁移的工作机制提供了许多洞见。要验证这些模型，重要的是应在大量不同数据集上进行评估，特别是来自不同来源、不同情境的数据。事实上，由于计算框架、理论概念与计算机软件可用性的提升，已经能够提出并评估不同的假设、相互比较、并用各种实验数据加以验证。值得注意的是，计算机硬件的高效使用 [30, 31] 方面的进展允许模型包含越来越多的细节，并涵盖许多空间与时间尺度；由于持续的技术进步，计算仿真正稳步变得更强大，能够建模更大系统规模并提高对真实世界应用的相关性，例如组织工程与组织再生中的应用有潜力变革生物医学。然而上文描述的主要应用场景（单细胞迁移、发育、组织工程、免疫系统、创伤愈合与癌症）目前在很大程度上仍处于实验生物学领域。计算建模、仿真与优化的应用机会日益增多，可用以加速研究——这些模型与仿真能识别可能失败的实验，从而提高其他成本高昂实验的效率；因此在与实验研究交互时，计算模型可以显著降低对研究资源的需求、促成新的且更真实假设的生成，并最终帮助我们获得对细胞迁移的洞见。值得指出的是，生物信息学许多领域经历了巨大增长，尤其得益于公开可用数据库与数据集的创建；例如英国生物样本库（UK Biobank）倡议创造了海量信息，正从人群层面改变各种生物医学主题的研究方式 [79, 80]；一个充满前景的未来研究方向是利用类似平台在不同情境下开展细胞迁移的计算建模；纳入来自不同实验室的数据集以及与实验者的持续精炼与互动将帮助计算模型获得更高精度与更强解释力。除数据集的可获得性外，分析、建模与仿真的计算工具与软件需要被改进、精细化并向广大研究社区开放——这是一项极具挑战性的任务，因为此类软件的开发与维护在计算与人力资源上代价高昂且需求密集；因此未来的研究软件开发应承认可持续、长期努力的需要 [81]；为此建议与相似研究社区中的软件开发者合作、改造或扩展现有方案而非重新造轮子，并生成与采用共同的标准格式；还应鼓励使用促进协作与学术应用的开源许可。细胞迁移的计算建模存在大量未来研究机会：首先，可用于进一步增进我们对许多生物学现象的理解；其次，对临床应用具有高度相关性——以上描述的组织工程、免疫系统、创伤愈合与癌症等场景即为佐证，能够以更好、更高效方式影响癌细胞侵袭或加速创伤愈合过程将具有重要价值；第三，计算组件与新兴的精准医学（precision medicine）领域非常契合 [3, 82]，预期未来的计算模型将变得日益精确并具有显著更强的预测能力——这正是临床应用的关键前提。

本章个人批注

Bauer 这章的结构非常教科书化：先讲为什么需要计算建模（多尺度、闭环动作—反应难以直觉预测），再铺生物学的"被建模对象"（迁移类型、运动组分、引导机制），然后给出三类模型（连续介质/FEM、离散/ABM、混合），最后用六类应用（单细胞、发育、组织工程、免疫系统、创伤愈合、癌症）做"前菜—主菜"对照。对我个人而言最有启发的两条：第一是连续介质与 ABM 的取舍——FEM 适合详细形态与膜变形、ABM 适合把细胞当成"有自主行为的基本元素"，而混合范式正是当下发育生物学（皮层折叠）和肿瘤（GBM）建模的主流；第二是"开源软件矩阵"那张表（BioDynaMo / COMSOL / Cx3D / MecaGen / NetLogo / PhysiCell）——这些工具的差异不仅是技术细节，更代表了"建模的本体论选择"（如何看待细胞：是连续介质的一部分、是网格上的智能体、还是 3D 物理体）。另一个值得记住的小细节是 Wolpert 那句"生命中真正最重要的时刻不是出生、结婚或死亡，而是原肠胚形成"——它点出了为什么胚胎发育阶段是计算建模的天然目标：难以直接观察、又是结构形成的奠基阶段。同时作者反复强调"images are data"风格的延伸在这里变成了"model predictions are data"——计算模型产出的不只是图表，而是可以证伪的定量假设，这种心态与我读 Ch07/Ch09 时感受到的"实验设计即数据设计"完全同源。略有遗憾的一处是参考文献的组织——例如介绍 N 沟回相关性的 [55] 后续到具体建模 [57–61] 之间，文献跳跃较快，跟读时需要反复回查；不过这不影响把这一章作为方法学导论来读。

与上下章的衔接（一段话）

承接上一章 Ch09（Using High-Resolution Imaging to Investigate Cell Migration In Vitro）从高质量成像数据出发的方法论，本章进入"如何把这些数据组织为可计算、可预测的数学与计算结构"——Ch09 强调"图像是数据"以及 ROI、Z-stack、帧率等采集参数对后续定量的影响，本章 Bauer 则在引言中明确呼应了这一点：计算建模能把模糊心智模型精确化、提出可在湿实验中验证的定量假设、并能对难以直接观察的系统（哺乳动物大脑发育、严重皮肤创伤愈合）建模——这三者正好对应 Ch09 中"高质量数据 → 高质量模型预测"的工作链。本章也与 Ch07（Methods to Investigate Cell Migration）形成互补：Ch07 列出多种实验方法大类，而本章把它们纳入"计算建模"的语境，特别在第 4.2 节按六个应用场景给出代表文献，使读者看到模型与实验如何在不同生物学问题中相互验证。从章节位置看，下一章 Ch11（Software Applications for the Analysis of Cell Migration）将进一步聚焦分析端的软件工具，而本章已经埋下"软件可用性提升 → 模型更详细"的伏笔；Take-Home Message 中"开源与商业工具并存、未来需要可持续的长期开发投入"也将与 Ch11 中具体的软件应用清单自然衔接。