做细胞生物学研究的人,多多少少都会遇到一个尴尬:实验做到一半,想验证某个猜想,但没法在体外或者体内做足够的重复,成本高、周期长、变量还难控制。我大概从六年前开始用 CompuCell3D 做细胞群体动力学仿真,零几年就在 GitHub 和论文里见过这个项目,但真正上手之后才发现,它远比想象中能打。无论是肿瘤球生长、免疫细胞趋化、还是组织形态建成,都能用一套统一的格子自动机框架搭起来。
这篇是这个系列里的第十二篇,前几篇我陆续讲过软件安装、核心 XML 语法、Python 组件封装和 2D/3D 建模差异,这一篇重点落在生物学应用案例分析。简单说,就是抛开空泛的术语,把几个真实能做、能复现、能出文章的案例拆开揉碎,让你看完就知道怎么把实验问题翻译成仿真模型,也让大家避开我当年踩过的坑。
1. 内容整体设计与思路拆解
1.1 为什么是格子框架而不是连续方程
很多人第一次接触 CompuCell3D 会困惑,为什么不是用偏微分方程模拟细胞密度,偏偏要用格子。实话说,连续模型在处理大尺度、平均化的群体行为时效率很高,但它的短板也很明显:拿它描述单个细胞的形变、极化、分裂方向几乎不可能做细。而格子自动机,尤其是 Cellular Potts Model(CPM),是直接在离散格子上模拟“每一个细胞”,细胞占据一组格子,细胞膜接触、黏附、骨架张力都可以量化成能量项。
这个本质差别决定了你能问出什么样的生物学问题。举个例子,你想模拟肿瘤细胞在基质中迁移时如何根据基质刚度改变自身形态,用连续模型你把细胞当成点,没有任何形态可言;但在 CPM 里,细胞是一块会变形的“像素团”,前端扩张、后端收缩都是自然涌现的行为。正是这种“自下而上”的构建逻辑,让 CompuCell3D 特别适合研究那些依赖局部相互作用、细胞形态变化的群体动力学问题。
1.2 配置层、计算层、分析层三段式结构
CompuCell3D 的架构其实很清晰:XML 文件负责定义模型结构和参数,Python 脚本负责控制模拟流程和保存数据,输出数据再用外部工具(比如 Paraview、Matplotlib、自建脚本)做可视化分析。我习惯把这种设计称为三段式结构。
用 XML 定义“格子空间多大、有哪些细胞类型、细胞之间的黏附系数是多少”,用 Python 写“在什么时间点让某个细胞分裂、什么时候加入化学信号物质”。这两层职责分明。仿真本身只负责跑模型,不做任何生物学解释,而分析层则把所有输出数据转成可讲故事的证据。
这套结构非常友好的一点是,模型参数和计算逻辑分离,换个参数不需要改代码,改 XML 标签就行,跑一批参数扫描也能方便地自动化执行。
1.3 案例选择的三条标准
在开始做应用案例之前,需要先明确选择标准。我个人的经验是,一个好的 CompuCell3D 生物学案例至少要满足三条:第一,生物学机制相对清晰,能对应到具体的能量项或者调度事件;第二,实验数据可用于定性与定量对比,也就是仿真的结果要和真实显微镜观测或者定量实验有可比性;第三,模型复杂度适中,在笔记本电脑上能跑得动。
基于这三点,结合 CompuCell3D 官方教程和我自己的复现经验,这一篇我选了三个经典且差异化的案例:肿瘤球生长中的增殖与营养限制、免疫细胞在趋化场中的定向迁移、以及棋盘格图案形成背后的细胞黏附分化。这三个案例覆盖了细胞生长、细胞移动、细胞分选三大类问题,也是组学研究和药物开发里最常见的仿真场景。
2. 核心细节解析与实操要点
2.1 细胞类型与能量项之间的对应关系
Cellular Potts Model 的仿真循环里,系统会不断尝试把某个格子的像素复制到相邻位置,然后用能量差来判断这次尝试是否接受。能量函数写得好不好,直接决定仿真结果的“生物合理性”。但很多新手最容易忽略的是:每个能量项都应该对应一个明确的生物学因素。
拿肿瘤球生长模型举例。你在模型里设置了 ContactEnergy,其实就是细胞膜上黏附分子(比如钙黏蛋白)带来的效应。VolumeEnergy 和 SurfaceEnergy 则相当于细胞体积可压缩性和膜张力
