跳转至

Chapter 6

作者

Jonathan E. Dawson — Engineering and Physics Department, Whitworth University, Spokane, WA, USA. Email: jdawson@whitworth.edu Abdul N. Malmi-Kakkada — Department of Physics and Biophysics, Augusta University, Augusta, GA, USA. Email: amalmikakkada@augusta.edu

本章是 Part II "Methods to Investigate Cell Migration" 的开篇,作者是物理学家背景(非生物学家),用计算物理和活性物质(soft active matter)视角建模细胞迁移。Springer Nature 2024,DOI: 10.1007/978-3-031-64532-7_6。

内容概述

本章为 Part II 奠定计算/物理方法基础。结构: (1) 细胞迁移的物理量度 — displacement (向量,Δx = x_f - x_0,带方向)/ distance traveled (标量,无方向)/ velocity (average v = Δx/Δt, instantaneous v = dx/dt)/ 各种细胞速度数据表 (fish keratocytes 10-50 μm/min, Dictyostelium 10 μm/min, human neutrophil 9 μm/min, glioma 50 μm/hr, mouse fibroblast 30 μm/hr, H69 SCLC 16 μm/hr)。(2) Mean Square Displacement (MSD) — 用于区分扩散 vs 定向运动: ⟨Δx²(δt)⟩ = 2Dδt (Brownian), 3D 时 = 6Dδt;Stokes-Einstein D = k_B T / (6πηa);细胞质 D ≈ 10 μm²/s → 20 μm 细胞穿越时间 ~6.7 s。(3) Self-Propelled Particle (SPP) Model — 把每个细胞当作"主动粒子"(active particle,消耗 ATP 自我推进),满足 Newton 方程 m a_i = F_drag + F_self-propelled。低 Reynolds 数 (Re ~ 10⁻⁴) → 黏性主导 → 惯性项可忽略 → 0 = -γ u_i + F_0 û(θ_i) → u_i = (F_0/γ) û(θ_i) = u_0 û(θ_i)。 (4) Alignment Interaction (Vicsek 模型) — 近邻方向平均 + 噪声:θ_i(t+1) = atan2(∑ sin θ_j, ∑ cos θ_j)|_{r_ij < r_a} + ξ_i(t);其中 ξ_i 是角向白噪声, ⟨ξ_i(t)⟩=0, ⟨ξ_i(t) ξ_j(t')⟩= D_r δ_ij δ(t-t')。短程相互作用 r_a 内,细胞-细胞黏附(cadherin 介导)使其方向与近邻对齐。(5) MATLAB 实现 — N=1000, u_0=0.05, L_x=L_y=25, D_r=0.05,周期性边界,完整可运行代码 (主循环 + 对齐交互 + 噪声)。(6) 生物化学基础 — 极化(actin 聚合)→ 突触(lamellipodia/filopodia, Arp2/3,WASP/WAVE)→ 黏附(focal adhesion, integrin)→ 力生成(actomyosin)→ 黏附解聚(FAK/Src, 尾部 myosin II 介导 turnover)。Take-Home: SPP 模型 + 噪声 + 对齐交互 + 群体密度 = 自组织集体迁移;从强噪声(无序)到弱噪声(对齐)涌现相变(emergent phase transition)。

核心方程与概念

  • 平均平方位移 (MSD) 的维度方程: $\(\langle \Delta x^2(\delta t)\rangle = 2D\delta t \quad \text{(1D Brownian)}\)$ $\(\langle \Delta r^2(\delta t)\rangle = 6D\delta t \quad \text{(3D Brownian)}\)$ $\(\langle \Delta x(\delta t)\rangle = v\delta t \quad \text{(directed motion)}\)$ MSD 与 δt 的指数关系决定运动模式:指数 1 = 扩散,指数 2 = 定向,指数 1-2 之间 = subdiffusion(亚扩散,常在受限迁移中)。

  • Stokes-Einstein 扩散方程: $\(D = \frac{k_B T}{6\pi\eta a}\)$ 对细胞质: a ≈ 1 nm, η ≈ 10⁻³ Pa·s, T = 300 K → D ≈ 10 μm²/s。

  • Reynolds 数的"低惯性" 含义: $\(Re = \frac{\rho u L}{\mu} \approx 10^{-4} \text{ (细胞)}\)$ $\(\text{Re}_{\text{fish}} \approx 10^5\)$ 细胞 Re << 1 → 黏性主导 → 惯性可忽略 → 停止推进力就立即停止(无滑行),这是"鞭毛/肌动蛋白必须持续工作"的物理基础。

  • SPP 模型的力平衡 (低 Re 极限): $\(0 = -\gamma \mathbf{u}_i(t) + F_0 \hat{\mathbf{u}}(\theta_i(t))\)$ $\(\Rightarrow \mathbf{u}_i = u_0 \hat{\mathbf{u}}_i, \quad u_0 = F_0/\gamma\)$ 细胞速度 = (主动推力 / 黏性阻力), u_0 是稳态速度。

  • 离散化的位置演化: $\(x_i(t+1) = x_i(t) + u_0 \cos(\theta_i(t))\)$ $\(y_i(t+1) = y_i(t) + u_0 \sin(\theta_i(t))\)$ 时间步 Δt = 1(无量纲),x_i 和 y_i 数值更新规则。

  • Vicsek 方向更新规则 (经典 1995 模型): $\(\theta_i(t+1) = \underbrace{\text{atan2}\left(\sum_{r_{ij}<r_a} \sin\theta_j, \sum_{r_{ij}<r_a} \cos\theta_j\right)}_{\Theta^{\text{alignment}}_i} + \underbrace{\xi_i(t)}_{\Theta^{\text{noise}}_i}\)$ 含义: 方向更新 = 近邻方向平均 (alignment) + 随机扰动 (noise),实现"鸟群效应"。

  • 角向白噪声的统计特征: $\(\xi_i(t) \sim \text{uniform}[-\pi, +\pi], \quad \langle \xi_i \rangle = 0\)$ $\(\langle \xi_i(t) \xi_j(t')\rangle = D_r \delta_{ij} \delta(t-t')\)$ D_r = 噪声强度, 决定"群体有序性":

  • D_r 小 → alignment 占主导 → 集体对齐(有序)

  • D_r 大 → noise 占主导 → 无序迁移

  • 群体有序参数 (Order Parameter): $\(\Phi = \frac{1}{N}\left|\sum_{i=1}^N \hat{\mathbf{u}}_i\right|\)$ Φ ≈ 1 → 完全对齐(有序相), Φ ≈ 0 → 随机(无序相)。Vicsek 模型的相变点是研究热点。

  • 细胞极化的分子分解 (4 步): $\(\text{极化} \to \text{Protrusion} \to \text{Adhesion} \to \text{力生成} \to \text{Adhesion disassembly} \to \text{recycle}\)$ 这与 Ch 1/2/3/5 描述的机制循环一致,但本章用更物理化的语言(力生成、黏附周转)。

  • 不同细胞速度的"模式指示":

  • Fish keratocytes 10-50 μm/min → 极快, amoeboid-like
  • Dictyostelium 10 μm/min → 模型生物, 经典 amoeboid
  • Human neutrophil 9 μm/min → 免疫 amoeboid
  • Glioma cells 50 μm/hr ≈ 0.83 μm/min → 慢, 可能 mesenchymal
  • Mouse fibroblast 30 μm/hr = 0.5 μm/min → 慢, mesenchymal

  • SCLC 16 μm/hr ≈ 0.27 μm/min → 极慢, 可能 collective 或 mesenchymal

  • Vicsek 相变的物理意义 (Vicsek 1995 [X1]): $\(\text{低密度/高噪声} \to \text{无序气相}\)$ $\(\text{高密度/低噪声} \to \text{有序迁移相}\)$ 这个活性物质相变与统计物理的 Ising/XY 模型同构,但活性粒子"自驱动"打破了细致平衡(detailed balance)。

  • 生物化学 4 步循环的分子方程: $\(\text{1. 极化} = \text{actin polymerization at front}\)$ $\(\text{2. Protrusion} = \text{Arp2/3 + WASP/WAVE + RhoGTPase}\)$ $\(\text{3. Adhesion} = \text{integrin} \cdot \text{ECM} \to \text{Focal adhesion}\)$ $\(\text{4. Force generation} = \text{actomyosin contraction}\)$ $\(\text{5. Adhesion disassembly (前 + 后)} = \text{FAK/Src + myosin II}\)$

关键结论

  • 细胞是"低 Reynolds 数" 的活性粒子:Re ~ 10⁻⁴ 意味着细胞永远处于"黏性摩擦"主导状态——停止推进力,细胞就立即停止。这与宏观物体(Re ~ 10⁵)完全不同,也意味着细胞的"运动策略"必须是持续的、主动的(不能像鱼靠惯性滑行)。

  • MSD 是判定运动模式的"金标准":指数 1 (Brownian) vs 2 (定向) vs 1-2 (亚扩散) 直接揭示细胞运动机制。实验测 MSD 是最基本的数据分析。

  • SPP 模型是细胞迁移建模的"最简框架":每个细胞 = 速度大小 u_0 + 方向 θ_i + 噪声 ξ_i + 近邻对齐,只 4 个参数就能再现单细胞随机行走 + 集体自组织。这个"奥卡姆剃刀"模型在统计物理和发育生物学都极成功。

  • Vicsek 模型 (1995) 是集体迁移"鸟群效应"的标准模型:近邻对齐 + 噪声 = 涌现的集体有序。这是统计物理 + 生物物理的经典融合,被引用于鸟群/鱼群/细菌群落/细胞迁移/机器人集群等。

  • 噪声强度是"集体有序的调节器":D_r 大 → 无序,D_r 小 → 集体对齐。这有直接生物对应: 细胞密度高 + 化学信号强 → 低 D_r → 集体迁移;细胞密度低 + 信号弱 → 高 D_r → 个体随机迁移。

  • MATLAB 仿真可重现"无序-有序"相变:D_r = 0.5 (强噪声)→ 5000 颗粒子各方向运动,D_r = 0.05 (弱噪声) → 群体对齐(Fig. 5)。这是可亲自重现的可视化模型。

  • 生物化学与生物物理的等价性:本章用 4 步循环(极化 → 突触 → 黏附 → 力生成 → 解聚)与 Ch 1/2/3/5 的机制叙述完全对应,但本章提供了"力的分解"和"数值实现",为后续章节的"计算建模"做铺垫。

  • 活性物质(Active Matter)框架是细胞迁移的新范式:与传统平衡态统计物理不同,SPP 模型中粒子"自驱动"打破细致平衡,产生集体涌现(emergent collective behavior)如 cluster、swarm、vortex。这是 21 世纪生物物理和软物质物理的前沿交叉。

  • Stokes-Einstein 方程的反推:细胞质蛋白扩散 D ≈ 10 μm²/s → 跨越 20 μm 细胞约 6.7 s。这给出"分子信号传递"的物理极限,解释了为什么细胞信号传导(分钟级)远比蛋白扩散(秒级)慢——后者的瓶颈是信号解码(受体结合 + 信号级联),而非扩散本身。

挑战和开放性问题

  1. SPP 模型的"细节忽略"问题:本章 SPP 模型把细胞简化为"无形状的圆盘",忽略了细胞形状变化、应力-应变耦合、ECM 重塑等。这些被忽略的细节在某些情况下可能是关键。
  2. Vicsek 模型的"对称性破缺"问题:Vicsek 1995 经典模型假设各向同性同质,但真实细胞迁移中,细胞有内禀极性、ECM 有方向性、信号场有梯度。如何把这些不对称性纳入 SPP 框架?
  3. 群体有序参数 Φ 的实验测取:理论预测 Φ 的相变,但实验中如何准确测量 Φ?常用的方法(orientation correlation function)是否足够?
  4. 细胞密度对群体行为的依赖:Vicsek 模型预测高密度对齐,但真实细胞迁移有"密度上限"(接触抑制),这种"上限饱和"如何建模?
  5. 噪声的生物化学起源:本章把 ξ_i 当作"白噪声"假设,但实际噪声可能来自肌动蛋白聚合速率波动、ATP 供应、ECM 重构、信号通路随机性。有色噪声 (colored noise) 或 Levy flight 替代是否更现实?
  6. MATLAB 仿真的实时可视化:本章代码生成静态/慢速可视化,无法实时分析群体动力学。是否有更高效的 GPU/并行实现?
  7. "alignment" 机制的真实物理基础:Vicsek 模型的对齐靠"信息传递"(看到邻居方向),但细胞间无法"看"——它通过什么机制实现?cadherin 机械耦合?旁分泌信号?这些都是开放问题。
  8. 从 SPP 到连续介质方程:Vicsek 模型是离散 agent-based,如何推导对应的连续 Navier-Stokes 方程?这在活性物质理论中是著名问题(Toner-Tu 方程)。
  9. 细胞迁移的"多尺度"建模:SPP 在细胞尺度,但分子-亚细胞尺度(actin 聚合、信号级联)如何影响 SPP 参数(u_0, D_r, r_a)?这是多尺度建模的挑战。
  10. 细胞-ECM 相互作用的反馈:SPP 模型中 ECM 是"被动的",但真实 ECM 会被细胞重塑(MMP 消化、collagen 沉积)。这种反馈如何纳入 SPP?

个人反思与批判性分析

1. 章节是"教科书式的物理建模入门" — Dawson & Malmi-Kakkada 的章节结构非常清晰: - 基础物理量(位移、速度、向量) - MSD 与扩散 - SPP 模型推导 - Vicsek 对齐交互 - MATLAB 完整代码 - 生物化学速览

这是物理专业学生友好的,但对生物专业学生仍有难度——向量分析、Newton 方程、Reynolds 数等概念在生物课程中不一定有。章节对数学不熟悉的读者门槛较高。

2. 章节有"物理学沙文主义"倾向 — 把所有细胞迁移简化为"活性粒子"+ 噪声 + 对齐,过度简化了: - 极化过程(RhoGTPase 级联、PI3K-PTEN 梯度)被简化为"主动推进" - ECM 力学(刚度、拓扑、应变)被忽略 - 分子-亚细胞动力学被简化为"力" - 黏附动力学(integrin turnover, focal adhesion 成熟)被简化为"阻力" 这种"自上而下"的物理学视角,优点是易于建模,缺点是与生物实体的对应不够紧密。

3. Vicsek 模型的"对细胞迁移的适用性"值得反思: - Vicsek 模型是 1995 年从鸟群/鱼群抽象出来的速度对齐模型, - 它的核心假设是"agent 可看到邻居并对齐"——细胞间不存在这种"看"的机制! - 真实的细胞间对齐通过 (a) cadherin 机械耦合 (短程), (b) 旁分泌信号 (中程), (c) ECM 拓扑(长程) - 因此 SPP/Vicsek 是唯象模型(phenomenological),不是机制模型(mechanistic)

4. MATLAB 代码的"教学意义大于实用": - 优点: 学生可直接运行,可视化群体迁移 - 局限: N=1000 + Tmax=100000 + 周期性边界 + 无 cell-cell 物理相互作用(只是方向对齐) - 工业级 cell migration 仿真 (如 PhysiCell, BioDynaMo) 处理百万细胞 + 真实 ECM + 物理相互作用,代码量是 1000× 的差别

5. Reynolds 数的计算是"经典但过度简化": - Re = ρuL/μ 计算对球形细胞有效 - 但细胞是变形体且周围是多孔介质(ECM),不是纯流体 - 多孔介质流有 Darcy 定律和 Brinkman 方程,不是 Stokes 流 - "Re ~ 10⁻⁴" 应该是细胞在自由流体中的值,在 ECM 中 黏性更高,Re 更低

6. 与本人血管生物力学研究的具体连接: - Vicsek 集体对齐模型在血管生物学中有直接对应:血流动力学对齐(endothelial cells 在血流剪切下沿流向排列),这本质是细胞-底物对齐,可视为广义 SPP - 黏附动力学(FAK/Src + myosin II turnover)是 VSMC 表型转换的分子基础,本人研究的 SMC G&R 可整合到 SPP 框架 - Re ~ 10⁻⁴ 对应血管中红细胞(RBC)的流动,血流剪切力-内皮响应的微观机制也涉及低 Re 流体动力学 - Vicsek 相变与血管生成时的内皮细胞集体迁移有结构同源性——血管出芽是"内皮 leader-follower + 群体对齐"的范例 - MATLAB SPP 仿真可作为本人血管 G&R 多细胞模型的"概念验证工具",但需用 PhysiCell 或 Chaste 等工业级平台进行实际研究

7. 章节缺乏"实验数据 vs 模型预测"的对比验证: - 整章没有把 SPP 仿真与实际细胞迁移实验数据(如 zebrafish 神经�细胞迁移、斑马鱼侧线原基迁移、果蝇巨噬)对比 - 缺少模型验证(model validation) 是计算建模的常见问题 - 真正的"模型可信度"应包括: (a) 参数估计 from 实验, (b) 预测与实验的定量对比, (c) 失败模式的诊断

8. 章节对"3D 迁移"未充分展开: - SPP 模型天然是 2D 简化 - 实际细胞迁移是 3D,在不同 Z 平面有不同约束 - 3D SPP 是当前研究前沿,但增加了 6 维相空间(位置 + 速度 + 角动量) + 多层相互作用 - 本章未深入 3D 案例

9. 章节引用与文献覆盖: - 主要文献覆盖至 2022 年(部分 2023) - 关键 reference 出现频繁: Vicsek 1995 X1, Méhes & Vicsek 2014(细胞 SPP), Camley & Rappel 2017 X2 - 缺少对多细胞物理建模新近综述(如 Alert & Trepat 2020 Annu Rev Condens Matter Phys)的引用

重要参考文献

[X1] Vicsek T, Czirók A, Ben-Jacob E, Cohen I, Shochet O. Novel type of phase transition in a system of self-driven particles. Phys Rev Lett 1995;75(6):1226-9. doi:10.1103/PhysRevLett.75.1226 [X2] Camley BA, Rappel WJ. Physical models of collective cell motility: from cell to tissue. J Phys D: Appl Phys 2017;50(11):113002. doi:10.1088/1361-6463/aa54fe [X3] Méhes E, Vicsek T. Collective motion of cells: from experiments to models. Integr Biol (Camb) 2014;6(9):831-54. doi:10.1039/c4ib00115j. PMID: 25058637 [X4] Malmi-Kakkada AN, Li X, Samanta HS, Sinha S, Thirumalai D. Highly charged proteins and repulsive forces drive chromatin organization. Phys Rev X 2018;8(2):021025. (Author's own work on collective dynamics) [X5] Marchant CL, Malmi-Kakkada AN, Espina JA, Barriga EH. Cell clusters softening triggers collective cell migration in vivo. Nat Mater 2022;21(11):1314-23. doi:10.1038/s41563-022-01323-0. PMID: 35896641 [X6] Cai D, Dai W, Prasad M, Luo J, Gov NS, Montell DJ. Modeling and analysis of collective cell migration in an in vivo three-dimensional environment. Proc Natl Acad Sci USA 2016;113(15):E2134-41. doi:10.1073/pnas.1522656113. PMID: 27001849 [X7] Trepat X, Wasserman MR, Angelini TE, Millet E, Weitz DA, Butler JP, Fredberg JJ. Physical forces during collective cell migration. Nat Phys 2009;5(6):426-30. doi:10.1038/nphys1269 [X8] Alert R, Trepat X. Physical models of collective cell migration. Annu Rev Condens Matter Phys 2020;11:77-101. doi:10.1146/annurev-conmatphys-031218-013516 [X9] Szabó A, Ünnep R, Méhes E, Twal WO, Argraves WS, Cao Y, Czirók A. Collective cell motion in endothelial monolayers. Phys Biol 2010;7(4):046007. doi:10.1088/1478-3975/7/4/046007 [X10] Deforet M, Hakim V, Yevick HG, Duclos G, Silberzan P. Emergence of collective modes and tri-dimensional structures from epithelial confinement. Nat Commun 2014;5:3747. doi:10.1038/ncomms4747 [X11] Malmi-Kakkada AN, Sinha S, Li X, Thirumalai D. Highly charged proteins and their repulsive interactions are drivers of chromatin domain formation. Biophys J 2022;121(19):3719-29. (Cell migration modeling extension) [X12] Alberts B, Johnson A, Lewis J, Raff M, Roberts K, Walter P. Molecular Biology of the Cell. 4th ed. New York: Garland Science; 2002. p. 906-911. [X13] Mayor R, Carmona-Fontaine C. Keeping in touch with contact inhibition of locomotion. Trends Cell Biol 2010;20(6):319-28. doi:10.1016/j.tcb.2010.03.005. PMID: 20399659