《PLOS Computational Biology》：Diversity in emergent cell locomotion from the coupling cytosolic and cortical Marangoni flows with reaction–diffusion dynamics
编辑推荐：
本研究针对细胞在无外界信号引导下如何自发产生多样运动模式这一生物学难题，结合Level-Set方法与Navier-Stokes方程，构建了耦合反应-扩散（RD）信号、胞质流体力学及皮层Marangoni流的跨尺度模型。研究揭示了细胞可通过自组织极限环实现稳态迁移、转向及圆周运动，为理解amoeboid细胞运动的物理化学基础提供了理论框架。
细胞如何“自己决定”往哪走？——当生化信号遇见流体力学
在生命世界中，细胞迁移（Cell Migration）是生存的基石。无论是免疫细胞追捕病原体，还是伤口愈合时成纤维细胞的爬行，细胞都需要在复杂环境中精准“导航”。但一个更基础的问题是：在没有外部信号（如化学梯度）指引时，细胞如何自发地产生运动，甚至表现出丰富的运动模式（如直线爬行、转圈、间歇性转向）？
长期以来，科学家们知道这背后是细胞骨架（Cytoskeleton）的周期性伸缩在驱动。而控制这一过程的“指挥官”，是Rho家族GTP酶（Rho GTPases）——它们在细胞膜（皮层）和胞质之间通过反应-扩散（Reaction–Diffusion, RD）动力学自我组织，形成空间图案（如前端高活性、后端低活性），从而建立细胞极性（Polarity）。
然而，传统的计算模型存在明显短板：它们往往只关注生化信号或简单的形状变化，忽略了细胞内部如同“液态”的物理现实——胞质流动（Cytosolic Flow）和皮层流动（Cortical Flow）。这些流动与生化信号耦合，可能才是细胞涌现出复杂运动行为的关键。为了填补这一空白，研究人员在《PLOS Computational Biology》上发表了这项研究，构建了一个全新的跨尺度模型，揭示了细胞 locomotion（运动）的物理化学统一原理。
关键技术方法
本研究构建了一个Level-Set (LS) / 扩散界面与Navier–Stokes流体力学耦合的计算框架。通过引入Marangoni力（由皮层张力梯度驱动）和肌动蛋白聚合推力，模型将反应-扩散-平流（RDA）信号网络与细胞形状、内部流场动态耦合。利用相空间分析，研究揭示了不同运动模式对应于自组织极限环，并证实了胞质流与皮层流在产生运动多样性中的必要性。
研究结果
1. 构建“流体化”的细胞模型：从静态到动态
为了克服传统模型（如Parametrized FEM、Cellular Potts Model）无法真实模拟内部流动的缺陷，本研究采用了Level-Set (LS) 方法来追踪细胞边界。但与经典LS不同，作者采用了扩散界面（Diffuse Interface）变体，使用双曲正切（tanh）轮廓平滑地定义细胞内外区域。这不仅允许模拟大变形，还通过引入Dirac delta函数的数值近似，精准地将膜上的生化反应（RD系统）锚定在界面区域。
最关键的是，模型将细胞质视为不可压缩的粘性流体，通过求解Navier–Stokes方程（忽略惯性项，即低雷诺数流）来模拟胞质流动。这是首次将Marangoni流（由皮层表面张力梯度驱动的流动）系统地整合进细胞运动模型中。
2. 力的博弈：是什么在推着细胞走？
模型中的驱动力是一个精妙的组合（Eq 5）：
- •
表面张力与Marangoni效应：表面张力（γ）不再是常数，而是随激活剂（Activator）浓度线性变化（γ = γ? + γ?a）。这种空间不均一性产生了Marangoni应力，驱动皮层物质从低张力区流向高张力区。
- •
肌动蛋白推力：在激活剂高浓度区域（即“前端”），模型施加了法向的肌动蛋白聚合（Actin Polymerization）推力。
- •
面积约束与阻力：模型通过弹性项约束细胞投影面积（Area Conservation），并引入线性阻力项模拟细胞与基底的摩擦。
3. 涌现的“舞蹈”：小参数改变，大行为差异
通过调节关键耦合参数（如激活剂对张力的影响系数γ?、推力系数等），模型成功复现了实验中所见的多种运动表型：
- •
稳态滑行（Steady Gliding）：细胞稳定地朝一个方向移动。
- •
间歇性转向（Turning）：细胞周期性地改变运动方向。
- •
圆周运动（Circling）：细胞进行持续的旋转运动。
相空间分析表明，这些行为并非随机噪声，而是系统内在的自组织极限环（Limit Cycles）。这意味着，细胞运动模式的多样性源于动力学系统内在的稳定性，而非外部扰动。
4. 耦合是关键：没有流动，就没有多样性
通过对比分析，研究得出了一个核心结论：仅靠反应-扩散（RD）系统或仅靠机械力反馈都不足以产生完整的运动谱系。
- •
如果只耦合胞质流，细胞可以运动，但模式单一。
- •
如果只耦合皮层张力（Marangoni效应），细胞形态变化受限。
- •
只有当RD系统同时与胞质流和皮层Marangoni流耦合时，模型才能重现从稳态迁移到振荡、转向的完整动力学行为。这表明，皮层流动与胞质流动的协同作用是细胞实现amoeboid（阿米巴样）探索性运动的核心物理机制。
结论与意义
这项研究通过一个“信号-流动-形状”全耦合的跨尺度模型，证明了细胞迁移的多样性可以从简单的物理化学原理中涌现（Emergent）出来。研究的主要贡献在于：
- 1.
理论突破：将Marangoni效应正式引入细胞运动框架，强调了皮层流（Cortical Flow）作为关键力学反馈机制的重要性，而不仅仅是生化信号的被动响应。
- 2.
模型创新：开发的LS-Navier-Stokes-RD框架是一个最小化但功能强大的平台，它不仅能模拟自发运动，稍加扩展即可用于研究趋化性（Chemotaxis）等引导运动。
- 3.
生物学启示：它解释了自由生活的阿米巴细胞（如Dictyostelium）如何在没有外部指令的情况下，通过内部自组织主动探索（Exploration）周围环境。这对于理解免疫应答、癌细胞浸润等生理病理过程提供了新的物理视角。
总之，这项工作告诉我们，细胞的“舞蹈”并非由外部音乐指挥，而是其内部生化信号与流体力学共同演奏的一曲自组织交响乐。
