On Growth and Form, and Function: Reusable Regulatory Handles Control Phenotypic Variation
受达西·汤普森《生长与形态》的启发，本研究表明，神经细胞自动机中连贯的大尺度形态转变可以通过可重用的低维调节适应进行编码和控制，从而实现缩放及其他表型变异在不同目标形态间的零样本迁移。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
一个多世纪以来，生物学家一直在努力解决一个基本问题：一个受精卵是如何知道如何构建一个复杂的动物的？以及微小的指令变化是如何导致我们在自然界中看到的如此多样化的形态的？这一领域被称为进化发育生物学（evolutionary developmental biology），旨在理解微观层面的细胞规则与宏观层面的形态构建之间的联系。这一探索中的一个核心观点是，身体的构建并非像静态蓝图那样进行，而是从一个动态过程中涌现出来的——在这个过程中，细胞不断地进行通信、感知邻居，并调整自身行为以达到目标形状。如果我们能够理解控制这一过程的“旋钮”和“开关”，我们或许就能解释进化是如何重塑生物体的，甚至如何引导受损组织的愈合。挑战在于，如何描述这些复杂的、分布式变化的机制，而不至于迷失在数以万亿计的个体分子相互作用之中。
在一项新的研究中，研究人员创建了一个简化的数字模型，用以测试大规模的身体形状变化是否可以通过调整极少数的高层设置来控制。他们使用了一种被称为神经细胞自动机（neural cellular automaton）的系统，这本质上是一个人工细胞网格。该网格中的每个细胞都是一台微型计算机，它观察其紧邻的邻居，并根据一套共享的规则决定下一步的操作，这非常类似于真实生物体中的基因调节网络。通过训练这些人工细胞生长成特定的形状（例如鱼或蜥蜴的表情符号），研究人员建立了一个基准，使细胞能够可靠地构建出目标形态。核心问题在于，他们能否在保持这套已训练系统的基础上，通过对细胞遵循的规则进行微小且协调的调整，使其生长出不同的尺寸或形状，而不是为每一种新形状都重写整套规则手册。
团队发现，他们确实可以通过对底层规则进行极小幅度的调整来控制这些数字生物的大小和形状。他们并没有为每种新尺寸重新训练整个系统，而是对共享规则应用了微小的、低秩（low-rank）的调整。这就像是在一台复杂的机器上转动几个特定的旋钮，而不是从头开始重建机器。他们发现，对规则进行一次单一且简单的调整就足以让数字生物水平拉伸，而另一种简单的调整则能使其垂直拉伸。值得注意的是，这些调整不仅仅是在记忆如何让某一条特定的鱼变大；它们代表了一种通用的缩放原则。当研究人员将这些相同的规则调整应用于看起来完全不同的数字生物（如蜥蜴或灭火器）时，新形状在大小和比例上都能正确生长，在改变整体尺寸的同时保留了其独特的内部特征。这表明，该系统已经学习到了一种可以跨越多种不同形态工作的通用缩放控制方法。
为了验证这些发现是否只是针对某一类形状的偶然巧合，研究人员在包含约25,000个不同表情符号目标的庞大库中，对数千个数字生物进行了训练。随后，他们分析了所有规则调整所处的数学空间。在这一空间中，他们发现了与特定生物特征相对应的清晰、有组织的维度方向。向一个方向移动会使生物体变宽，而向另一个方向移动则会使其变高。他们甚至发现了一个可以改变形状艺术风格的方向，使形状呈现出带有粗黑轮廓的特定卡通风格；还有一个方向可以让单个形状分裂成两个对称的部分，就像孪生出生一样。这些方向并非随机，而是具有一致性和可重复性。研究人员展示了通过组合这些不同的调整，他们可以创造复杂的改变，例如在拉伸形状的同时改变其风格，且不会丢失生物体的核心特征。
这项研究表明，构建身体的复杂过程可能受控于少数几个强大的、高层级的控制参数，通过调节这些参数即可产生多种多样的结果。虽然这项工作是在计算机模拟中完成的，尚未证明真实的生物细胞是否完全使用相同的机制，但它提供了一个引人注目的概念验证。它证明了连贯的、大规模的形态变化可以被编码为对共享调节系统的简单、低维度的调制。这为我们思考进化如何重塑生物体提供了新的视角：或许是通过微调发育规则中的几个关键参数，而不是为每一种新形状都发明全新的指令。研究结果也为未来开启了可能性，即科学家未来可能会在真实的生物系统中识别出类似的“把手”，以引导再生或纠正发育错误，从而将这个关于生长与形态如何关联的百年谜题，转化为一个可解决的工程问题。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。