《npj Systems Biology and Applications》：Simulation-based inference of cell migration dynamics in complex spatial environments
编辑推荐：
本研究针对复杂空间环境中细胞迁移动力学难以准确推断的问题，通过整合树突状细胞在几何约束微环境中的实验观测与细胞波特模型（Cellular Potts model），创新性地应用具有特征学习的神经后验估计技术。研究揭示了空间约束对细胞运动动力学（包括速度与方向变化）的调控作用，突破了传统统计量（如均方位移、转向角分布）的局限性，建立了数据驱动的模型校准框架，为结构化微环境中细胞迁移的定量分析提供了新范式。
在细胞生物学研究领域，理解细胞如何在复杂三维空间中迁移一直是重大挑战。微加工技术制造的迷宫结构和柱状森林等芯片，虽然能模拟体内复杂的空间环境，并通过高级成像技术追踪细胞轨迹，但如何从这些观测数据中解码细胞迁移的动力学机制仍存在瓶颈。传统计算方法虽能揭示物理几何对细胞内动力学的影响，但依赖经典统计量（如均方位移和转向角分布）往往只能捕捉基础特征，难以提取更丰富的时空模式，导致参数推断精度受限。
为突破这一局限，研究人员在《npj Systems Biology and Applications》发表的最新研究中，创新性地将树突状细胞（dendritic cells）在几何约束微环境中的实验观测数据整合到细胞波特模型（Cellular Potts model, CPM）中。通过系统分析，团队证实空间约束能显著调节细胞运动动力学，包括迁移速度和方向变化频率。更重要的是，研究发现传统统计量虽能解析关键机制特征，但对复杂时空模式的表征能力不足。为此，研究引入神经后验估计（neural posterior estimation）技术，结合摘要特征的在环学习（in-the-loop learning），构建了能够自适应学习数据特征表示的推断框架。该方法不仅实现了灵活稳健的参数估计，更为结构化微环境中细胞迁移的定量分析提供了数据驱动的模型校准新方案。
关键技术方法包括：1）基于微加工芯片（如迷宫、柱状森林）构建几何约束微环境；2）采用高级成像技术追踪树突状细胞运动轨迹；3）建立细胞波特模型模拟细胞内动力学；4）应用神经后验估计与摘要特征学习算法进行参数推断。
研究结果主要体现在三个层面：
- 1.
空间约束调控效应验证
通过对比自由迁移与受限环境中的细胞行为，发现几何约束会显著改变细胞运动速度分布和转向角特征，证实微环境物理特性对细胞迁移具有直接调制作用。
- 2.
传统统计量局限性分析
系统评估表明，均方位移（mean squared displacement）和转向角分布等经典指标虽能识别基本运动模式，但对瞬态动力学行为和局部交互作用的表征存在明显不足。
- 3.
神经网络推断优势论证
采用神经后验估计方法后，模型能够从原始轨迹数据中自动学习更具判别力的摘要特征，显著提升参数估计准确性，尤其在处理非线性、高维动力学数据时表现出更强适应性。
本研究通过建立实验观测与计算模型相结合的研究范式，成功揭示了复杂空间环境中细胞迁移的动力学规律。所开发的神经后验估计框架不仅解决了传统方法对丰富时空模式提取不足的痛点，更开创了数据驱动的模型校准新路径。这项研究为系统解析细胞在组织微环境中的迁移机制提供了重要工具，对组织工程、免疫治疗和癌症转移等研究领域具有广泛的应用价值。
