Cell：虚拟“全细胞模型”，首次在电脑中模拟全细胞线粒体动态

撰文丨王聪

编辑丨王多鱼

排版丨水成文

全细胞模型（Whole-cell Model，WCM）旨在通过将多样的分子、结构和生物物理数据整合到计算模拟中，构建一个可预测的计算机仿真框架，以帮助理解细胞过程。WCM 连接了分子与细胞尺度，有助于阐明基因调控、代谢以及细胞水平上的表型变异等复杂生物学过程。由于其独特的洞察力，WCM 的应用范围广泛，从药物发现和个性化医疗——可用于模拟疾病状态并预测药物反应，到合成生物学和代谢工程——可促进遗传回路的理性设计，并提升工业生物技术的效率。

然而，尽管全细胞模型（WCM）已取得了诸多进展，但目前的方法仍存在局限性——要么忽略了细胞的空间结构，要么无法还原秒级变化的细胞器动态。

2026 年 6 月 30 日，加州大学圣地亚哥分校的研究人员在国际顶尖学术期刊Cell上发表了题为：Whole-cell particle-based digital twin simulations from 4D lattice light-sheet microscopy data 的研究论文。

该研究把 4D晶格光片显微镜（LLSM）拍到的活细胞动态和粒子反应-扩散模拟结合，构建了首个包含线粒体网络、微管网络、分子马达的全细胞数字孪生模型。不用反复做实验，只要在电脑里“拨动参数”，就能预测细胞在药物、应激压力下的变化，甚至发现了调控线粒体分布的隐藏规律。

该模型为研究全细胞动力学提供了强大的平台，通过弥合介观尺度的差距，实现了在生物学相关背景下对细胞行为的模拟与预测。

为什么要给细胞做“数字孪生”？

所谓“数字孪生”（digital twin），就是给真实物体做一个虚拟的“双胞胎”，实时映射它的状态，还能提前预测变化。但对于细胞来说，这可不是件容易的事：

过去的全细胞模型（Whole-cell Model，WCM）要么是“代谢计算器”——只算基因、蛋白、代谢物的变化，忽略了空间结构；要么是“静态 3D 模型”——用冷冻电镜拍摄的静态图像搭建空间，没法还原秒级变化的细胞器动态。

而细胞内很多关键过程，比如线粒体怎么移动、怎么融合分裂，恰恰受空间约束和时间动态影响：线粒体作为细胞的“能量工厂”，它的分布异常和癌症、神经退行性疾病密切相关，但它的运动既靠自身扩散，也靠沿着细胞骨架“轨道”运动，过去一直没法在模拟里完整还原。

这项研究的目标，旨在填补上述空白：构建一个介观尺度（介于微观与宏观之间）的全细胞数字孪生模型，既能体现空间结构，又能模拟秒级的动态变化，还能预测细胞对外界干扰的反应。

核心技术：4D 显微镜+粒子模拟

研究团队选择了人类口腔鳞癌细胞 Cal27 作为模型，整个数字孪生的搭建流程可以分成三步——

第一步：用 4D 晶格光片显微镜（LLSM）拍摄“活细胞电影”

普通的共聚焦显微镜拍活细胞，光毒性太强，细胞很容易被照伤，没法长时间拍摄。研究团队用的是晶格光片显微镜（LLSM），这是一种“温柔又高清”的成像技术：用一层超薄的结构光照射样品，横向分辨率 250nm，轴向分辨率 500nm，每 11 秒就能拍完整个细胞的 3D 体积，连续拍 11 分钟也不会伤害细胞。

他们给细胞做了两种荧光标记：用 MitoTracker 标记线粒体，用 Tubulin Tracker 标记微管（就是线粒体移动的“轨道”），同时拍下了三种状态的细胞：正常对照组、用诺考达唑处理 30 分钟（微管被部分破坏）、处理 60 分钟（微管被几乎完全破坏）。

第二步：把显微图像“翻译”成粒子模型

拿到 4D 图像后，研究团队开发了自动化流程，把图像里的结构转换成模拟用的粒子——

• 线粒体和微管：先用 MitoGraph 算法分割图像，把线粒体网络和微管网络转换成“节点+连线”的图结构，每个节点对应一个半径 0.15μm 的粒子，连线对应粒子间的弹性连接，还原它们的管状结构和连接关系。

• 细胞核膜和细胞膜：通过图像里的空间排它性（线粒体和微管不会穿进细胞核、不会跑到细胞膜外）分割出边界，在边界上放置固定位置的粒子，作为模拟的“围墙”，把线粒体、微管等可移动粒子限制在细胞质里。

• 分子马达：虽然显微镜看不到单个动力蛋白，但研究团队在模拟里加入了两种关键马达：驱动线粒体向细胞外围移动的驱动蛋白（kinesin），和驱动线粒体向细胞核移动的动力蛋白（dynein），它们会动态结合、脱离微管，沿着微管“行走”。

第三步：用 ReaDDy 引擎跑粒子模拟

所有粒子都放进模拟后，研究团队用开源的粒子反应扩散模拟框架 ReaDDy 做动力学计算：

• 粒子的基础运动是 37℃ 温度下的布朗运动，符合过阻尼朗之万动力学；

• 线粒体可以发生融合（两个片段连到一起）和分裂（一个片段断开成两个），这两种事件被建模为拓扑反应，速率直接从实验数据里读取；

• 分子马达的运动遵循两步马尔可夫过程：随机激活/失活，激活时会以固定速度沿微管定向移动，遇到阻力过大或者走到微管末端就会脱落。

三个关键验证：这个数字孪生真的“像”活细胞吗？

光搭出模型不够，还得验证它能不能还原真实细胞的行为。研究团队做了三组测试——

验证 1：模拟被动扩散的线粒体，和实验结果严丝合缝

研究团队先用微管完全被破坏的细胞做测试：用诺考达唑处理 60 分钟后，线粒体没法主动运输，只能靠扩散移动。模拟只调了一个参数——线粒体的扩散系数，结果跑出来的线粒体平均平方位移（MSD，衡量运动能力的指标）、分裂速率、融合速率，和实验测到的数据几乎完全重合（误差都在标准差范围内）。这说明模型的基础动力学是对的。

验证 2：加入主动运输，不用重新调参就能预测微管部分破坏的效果

接下来他们模拟正常细胞的线粒体运动：加入微管、分子马达，参数全部来自对照组的数据，没有额外调整。然后他们挑战了一个更有难度的任务：预测微管部分破坏（诺考达唑处理 30 分钟）后的线粒体行为。30 分钟诺考达唑处理后的微管密度只有对照组的一半，但结构还在。模拟直接用对照组的参数跑，结果出来的线粒体 马上到！、分裂速率、融合速率，和实验实测值高度一致：运动能力比对照组弱，但比 60 分钟处理组强。这意味着这个数字孪生模型不需要每次都重新校准参数，就能预测不同程度的扰动效果。

验证 3：揭示线粒体核周聚集的隐藏调控规律

线粒体核周聚集是一个经典的应激表型：缺氧、病毒感染、癌症耐药时，线粒体都会扎堆聚集在细胞核周围，过去大家普遍认为这是因为驱动线粒体向细胞核移动的动力蛋白（dynein）活性上调，而驱动线粒体向细胞外围移动的驱动蛋白（kinesin）活性下调。

研究团队用数字孪生模型做了个“思想实验”：把文献里报道的应激参数直接搬进模拟——把 dynein 和 kinesin 的结合比例调到 10:1，dynein 激活速率提高 10 倍，kinesin 激活速率降低10倍。果然，模拟中的线粒体快速向核周聚集，和实验现象一致。

但他们接着做了一个关键扰动：保持所有分子马达参数不变，把每条微管从中间切断，总长度减半，但总微管质量不变。结果神奇的事情发生了：线粒体不再聚集，大部分被困在细胞外围，离核的距离和对照组几乎没有差别。

这个发现推翻了过去的认知：微管的拓扑结构才是线粒体分布的“守门人”——就算分子马达的运输能力再强，如果微管太短、连通性不够，线粒体也没法长距离运输到核周。换句话说，靶向分子马达的药物如果用在微管结构已经受损的细胞里，可能根本起不到调控线粒体分布的作用。

这个模型有什么用？

这项研究的意义不止于线粒体：

首先，它提供了一个通用的全细胞数字孪生框架：未来可以把内质网、溶酶体等其他细胞器加进去，也可以加入微管的聚合/解聚动态，甚至把胞质里的信号分子浓度梯度也纳入模拟，让模型更接近真实细胞。

其次，它为药物研发提供了新工具：例如测试化疗药物对细胞器动力学的影响，不用每次都做大量细胞实验，先在数字孪生里筛选参数，再针对性做验证，能大幅缩短研发周期。

更重要的是，它展示了介观尺度模拟的价值：不需要原子级别的精细度，只要抓住关键的物理化学规律，就能做出有预测能力的模型，填补了分子尺度和细胞尺度之间的空白。

从显微镜下的二维图像，到电脑中的三维动态模型，人类对生命的观察尺度正在不断深入。这项研究让我们看到，数字孪生不再是工业领域的专属，它正在成为生命科学研究的强大工具。或许有一天，我们可以在电脑中完整模拟一个细胞的所有生命活动，甚至模拟整个组织的响应——到那时，我们对生命的理解，将会进入一个全新阶段。

论文链接：

https://www.cell.com/cell/fulltext/S0092-8674(26)00697-5