跳到主要内容
Sandbox Physics

生物物理 · 异速缩放 · 分支网络

WBE · 生命的几何学

左侧把血管、气管与植物维管抽象成一棵空间填充网络；右侧把体重与代谢率放进双对数坐标。切换物种、缩放指数和终端单元假设，亲手检查 WBE 理论为什么得到四分之三，以及它与三分之二假说究竟差在哪里。

交互模型WBE · 生命的几何学
体重 MM70.0 kg70.0\,\mathrm{kg}
整体验代谢 B/B1B/B_124.2 ×24.2\,\times
单位体重代谢 (B/M)/(B/M)1(B/M)/(B/M)_10.35 ×0.35\,\times
特征时间 τ/τ1\tau/\tau_12.89 ×2.89\,\times
估计终端单元数 NcN_c2.01×10102.01\times10^{10}
分支层数N=21.6N=21.6

物理教程

一只鼩鼱和一头蓝鲸，为什么活在不同的节拍里？

背景许多生物量并不与体重 MM 成正比，而近似服从幂律。WBE 理论把血管、呼吸道、植物维管等看作从一个入口反复分叉、最终服务整个体积的资源输送网络。

为什么值得理解如果总代谢只取决于表面积，几何直觉会给出三分之二；但大量经典数据常被概括为四分之三。WBE 的野心，是用同一组网络约束同时解释总代谢、心率、循环时间、主动脉半径和毛细血管数量。

先抓重点

核心问题
空间填充、终端单元不变与输送能耗最小化，怎样共同把三维身体变成四分之三幂？如果放松其中一个假设，哪些预测会先改变？
一句话直觉
WBE 的关键不是“分形看起来像树”，而是整张网络必须以自相似方式服务整个体积，同时让末端交换单元保持尺度不变。分支比改变网络有多少层，却在理想推导中不改变最终的四分之三指数。

核心数学模型

异速缩放的共同语言

Y=Y0MbY=Y_0M^b

任何性状 YY 都用指数 bb 描述它随体重改变的速度。双对数图上，指数就是直线斜率。

WBE 的几何压缩

γ=n−1/3,β=n−1/2,α=−ln⁡nln⁡(γβ2)=34\gamma=n^{-1/3},\qquad \beta=n^{-1/2},\qquad \alpha=-\frac{\ln n}{\ln(\gamma\beta^2)}=\frac34

空间填充要求分支长度比 γ\gamma 随子分支数 nn 缩小；大血管的面积保持分叉给出半径比 β\beta。两条约束代入网络体积关系后，nn 被消去，留下四分之三。

同一指数改变整套生命节拍

B∝M3/4,BM∝M−1/4,τ∝M1/4,Nc∝M3/4B\propto M^{3/4},\qquad \frac{B}{M}\propto M^{-1/4},\qquad \tau\propto M^{1/4},\qquad N_c\propto M^{3/4}

大型生物的总代谢更高，但单位体重代谢更低；特征时间更长；若每个毛细血管等终端单元的能力不变，终端数量就与总代谢以同样的指数增加。

常见难点

“分形状”不等于无限精确的数学分形

容易误解血管必须在每一级都完全自相似，而且可以无限分叉，WBE 才成立。

正确理解WBE 使用的是有限层级、近似自相似的输送网络。真实血管会渐缩、存在不对称分叉，也会从脉动流过渡到黏性流；理论主张这些细节在跨越许多体重数量级时不是主导项。

四分之三不是没有争议的自然常数

容易误解既然 WBE 推导出了四分之三，所有动物和植物的数据都必须精确落在这条线上。

正确理解理论预测与经验拟合是两件事。后续研究在某些严格筛选的哺乳动物数据中支持三分之二，也发现不同脊椎动物类群的指数并不相同。这个 Lab 因而保留可调斜率与两条对照线。

动手实验

  1. 01

    先比较生命的大小

    恢复 WBE 假设，依次选择鼩鼱、人、象与蓝鲸，观察总代谢、单位体重代谢和特征时间。

    应该观察到： 总代谢沿四分之三幂快速增加，但跟不上体重本身；因此单位体重代谢下降，而生物时间按四分之一幂拉长。
  2. 02

    把争议变成一段可见距离

    保持蓝鲸体重，把代谢指数从 23\frac23 缓慢调到 34\frac34。

    应该观察到： 在一千克附近两种预测几乎重合；跨越七到八个体重数量级后，小小的斜率差已经变成显著的纵向距离。这正是数据范围为何决定统计结论。
  3. 03

    故意破坏终端不变性

    把终端尺寸反事实指数 δ\delta 从零调高，再在鼩鼱和蓝鲸之间切换。

    应该观察到： 大型生物的终端点开始变大，达到同一总输送率所需的终端数与分支层数下降。你改变的不是装饰，而是 WBE 三个核心假设之一。
  4. 04

    改变每次分叉的子支数

    把 nn 从二调到四，比较网络外观、半径比与实际分支层数。

    应该观察到： 更高分支比用更少层数抵达大量终端，但双对数图的理想 WBE 斜率不动，因为推导中的分支比最终被消去。

理论、预测与证据

这个 Lab 在主张什么，又没有主张什么

WBE 理想模型

γ=n−1/3,β=n−1/2\gamma=n^{-1/3},\quad \beta=n^{-1/2}

三个假设生成一整套预测

服务整个体积的分形状网络、尺度不变的终端单元、以及最小化的输送成本共同给出四分之一幂。动画里的树是代表性切片，不是对某个物种血管系统的重建。

机制预测

B∝M3/4B\propto M^{3/4}

一个指数把多个性状锁在一起

关键主张不只是代谢率拟合得好。整体验代谢、单位体重代谢、生物时间、血管半径和终端数量都应带有彼此关联的指数。

经验证据边界

α≈23  or  34  or a varying slope\alpha\approx\frac23\;\text{or}\;\frac34\;\text{or a varying slope}

拟合斜率仍有争议，并依赖研究情境

后续重分析在部分哺乳动物数据中支持三分之二，而更广泛的脊椎动物比较则报告不同类群具有不同斜率。因此两条对照线代表竞争假说，而不是“正确答案与误差”。

原始与代表性文献