具有随机输入的相场模型模拟细胞梯度感知、形态动力学与趋触性保真度

《PLOS Computational Biology》：A phase field model with stochastic input simulates cellular gradient sensing, morphodynamics, and fidelity of haptotaxis

　　

趋触性（haptotaxis）是一种研究不足的定向细胞迁移形式，其运动受固定化配体梯度的引导。例如，成纤维细胞和其他间充质细胞能感知并对细胞外基质（extracellular matrix, ECM）组分的梯度作出反应，这与组织形态发生和修复密切相关。为理解趋触性梯度如何在空间上偏向细胞粘附、细胞内信号转导和细胞骨架动力学，研究人员构建了一个全细胞迁移的相场模型（phase field model），其中潜在粘附位点的占据率随时间随机变化。通过仔细分配参数值，该模型预测：当跨细胞的粘附位点梯度陡度仅为几个百分点时，即可产生显著的趋触性偏向。随后，研究人员利用该模型预测细胞对表面结合ECM配体的清除（如实验中所观察到的）和/或竞争性趋化梯度（chemotactic gradient）的存在如何影响趋触性保真度（haptotactic fidelity）。一个涌现原则是：方向持久性（directional persistence）的增加会自然抵消方向偏向的损失，但代价是细胞间反应异质性增大。在正交梯度的情况下，这种抵消表现为多线索反应（multi-cue response）显著稳健。

**研究背景与问题**
定向细胞迁移在胚胎发育、组织再生和免疫反应中至关重要。与已被广泛研究的趋化性（chemotaxis，由可溶性配体梯度引导的迁移）相比，趋触性（haptotaxis，由固定化配体梯度引导的迁移）受到的关注较少。成纤维细胞等间充质细胞迁移缓慢，其天然微环境是细胞外基质（ECM），它们通过整合素介导的粘附感知ECM组分梯度。然而，目前对趋触性信号转导及其与细胞形态动力学（morphodynamics，细胞形态改变与运动的动态过程）之间关系的机制理解仍很缺乏。现有模型多针对趋化信号或粘附信号，未将随机的新生粘附事件与整细胞迁移的相场描述耦合起来。因此，研究人员构建了一个将随机粘附动力学与确定性相场模型相结合的混合模型，以填补这一空白。该研究发表于《PLOS Computational Biology》。

**研究内容与结论**
研究人员提出了一个两尺度混合模型：随机粘附亚模型产生新生粘附位点的时空模式，相场亚模型将这种输入转化为细胞形态改变和迁移。通过参数化，模型成功模拟了成纤维细胞中粘附与信号共定位等经验特征。模拟显示，模型能感知低至2%陡度的浅趋触梯度，并在5%陡度下产生稳健趋触性。进一步，模型预测了ECM清除和竞争性趋化梯度对趋触保真度的影响，揭示出“持久性增加抵消方向偏向损失”的涌现原则，并预言正交梯度下多线索响应的稳健性。

**主要技术方法**
模型核心包括：①随机粘附亚模型：在平面网格上按预设概率占据/清空粘附位点，平均寿命τ=60 s，梯度通过指数概率实现，使用预生成随机数矩阵控制；②相场模型：以连续相场变量φ区分细胞内外区域，用双阱势维持界面，通过激活子a（代表Rac/PI3K等粘附相关信号）与新生粘附共同驱动突起速度向量p，满足力/动量平衡方程；③求解采用有限体积法（FiPy包），在8x8嵌套域内求解偏微分方程，并以20x20域跟踪粘附占用。实验验证采用JR20成纤维细胞系，表达Paxillin-EGFP与mScarlet-AktPH，通过全内反射荧光（TIRF）显微镜观察粘附与信号动态。

**研究结果**
**1. 具有随机粘附动力学的ECM上间充质趋触性新模型**。通过将随机粘附亚模型与相场模型耦合，模拟出与迁移成纤维细胞一致的形态动力学；TIRF实验显示paxillin标记的粘附结构与AktPH标记的PI3K信号在突起区域共定位，与模型预测相符。

**2. 模拟趋触性对ECM密度和梯度陡度敏感**。通过在三种初始粘附占据率（2.5%、5%、7.5%）和三种相对陡度（2%、5%、10%）以及无梯度条件下各运行18次模拟，以前向迁移指数（FMI）量化趋触性。结果发现FMI随初始粘附密度和梯度陡度增加而升高；在5%陡度时趋触性显著，而2%陡度在较高密度下也有效。

**3. 细胞清除ECM通过增加持久性增强趋触性保真度**。模型中细胞占用表面会降低局部粘附位点形成概率。与无清除相比，低清除率增加了FMI的均值和变异性，主要机制是提高细胞迁移的持久性比（Persistence ratio），使细胞能感知更浅（2%）梯度；高清除率进一步增加持久性，但扩大了结果范围。

**4. 对向反平行趋触和趋化梯度揭示其相对吸引力强度**。在模型中加入确定性趋化梯度，与趋触梯度方向相反。结果显示，5%趋化梯度可中和基础条件下显著的趋触迁移，而10%趋化梯度占据主导；在低ECM清除和低粘附密度下，趋化信号促进总体激活子生成，反而增强趋触性。

**5. 细胞对正交趋触和趋化梯度表现出稳健的双向保真度**。当趋化梯度与趋触梯度正交时，无论竞争梯度是否更陡，趋触指数（HI）和趋化指数（CI）均不受显著影响，两种感知几乎独立；低清除条件下，均匀趋化物反而提升HI。这种稳健性通过增加迁移持久性来维持。

**讨论与结论**
讨论部分指出，该模型的新颖之处在于随机粘附输入反映粘附结构近乎静止的本质，与趋化感知模型中的噪声输入形成对比。模型预测浅梯度感知能力与实验一致，而高陡度时可能优于已有观测。ECM清除导致持久性增加，是可实验检验的预测。对于双线索，模型表面看似独立，实际通过共享激活子a产生耦合，但正交情况下保真度稳健。研究人员也承认模型简单，可从信号转导和细胞力学两方面扩展，未来的建模需更多参数。

研究结论：从不同角度看，本模型的简洁性既可以被视为优势，也可以被视为主要局限。研究人员认为，简单的模型允许分析基础而新颖的概念，可能更适合生成定性预测；但从信号转导和细胞力学的角度看，模型受其简单性限制，可以扩展。随着考虑已知的信号和细胞骨架动力学，必须制定和指定相关模型参数。优化简单模型的过程是谦逊的，并自然揭示所需内容。研究人员认为这是一项值得的努力。