---
title: "怎样用一次干预分辨图案机制"
description: "用带噪声的合成干预记录比较主动皮层与被动扩散：先校准，再预测未参与拟合的条件，检查噪声怎样削弱分辨力。"
canonical_url: "https://sandboxphysics.com/zh/stories/morphogenesis/testing-mechanisms/"
language: "zh-CN"
page_type: "story"
alternate_languages:
  en: "https://sandboxphysics.com/stories/morphogenesis/testing-mechanisms/"
last_modified: "2026-10-28"
---

[形态发生与反应扩散](https://sandboxphysics.com/zh/stories/morphogenesis/)

L4 · 第 7 章

# 怎样用一次干预分辨图案机制

Sandbox Physics · 2026-10-28

相似的花纹可能来自不同机制。更有用的比较是先规定一种干预，预测各个模型怎样响应，再用没有参与拟合的条件检验预测。本章用一份可以重算的合成记录，把这套判断做完。

## 开始前需要什么

第六章的主动应力、密度通量与局部抑制。平均误差、噪声和参数拟合会在本章解释；本例只比较两套明确指定的模型。

- 定义对照差值，把干预响应与自然演化分开。
- 在校准之外的条件比较预测误差，并指出同模型合成数据能检验什么。

## 先规定要分辨的两个答案

候选一是上一章的主动皮层模型，未知参数只有收缩系数 $\zeta$。候选二关闭主动应力，只保留相同的扩散和周转。两者都知道完整初始密度及其他参数。干预只乘在主动应力上，不直接改变扩散、周转或密度。

在这个假设下，被动候选的预测很明确：有干预与无干预的密度演化完全相同，配对差值为零。主动候选则会改变流动，给出随位置和时间变化的差值。真正实验若同时损伤材料或改变周转，必须把这些作用也纳入候选。

对每个位置 $x_j$ 和时间 $t_r$，观测量取抑制组减对照组的密度。这里的两组由同一初始场启动，避免把本来不同的峰误当成干预效果。

$$
y_{jr}=c_{\mathrm{inhibited}}(x_j,t_r)-c_{\mathrm{control}}(x_j,t_r)+\epsilon_{jr}
$$

噪声直接加在配对密度差上。本例不是两次分别带噪观测再相减；若采用后者，差值噪声方差也要重新计算。

## 把空间差别和观测噪声写清楚

每个阻力条件都从默认余弦密度出发，另加振幅为 $0.04$ 的正弦起伏，在各自阻力下预演化四个时间单位。两个条件各有一份保存初态；同一条件下的所有候选共享它，材料参数也保持相同。

每个条件在 $0.25,0.5,0.75,1$ 四个时刻、16 个等距位置取样，共 64 个数。噪声 $\epsilon_{jr}$ 独立、零均值、服从标准差 $\sigma$ 的正态分布：误差多数靠近零，正负两侧对称，较大的偏差更少见。没有加入过程噪声或未知的空间阻力。

先在阻力 $\xi=1$ 的条件，用最小二乘从 $\zeta=1,1.25,\ldots,5$ 中选出误差最小者。然后冻结这个参数，预测阻力 $\xi=2$ 的另一个条件。后者就是留出条件：它的观测没有参与选择参数。

已知初态的空间起伏、未知材料的空间异质性和随机噪声是三件不同的事。本例只处理第一种与观测噪声。要研究未知异质性，应另外规定它的空间尺度和幅度，再估计这些参数，或把它们的不同可能性加权纳入预测。

## 看留出误差怎样随噪声上升

下面的数来自保存记录中的第一个噪声种子 510210，取三位有效数字。均方根误差把每个位置与时刻的预测差平方、求平均、再开方，单位仍是无量纲密度差。生成数据的真实收缩系数是三。

噪声较小时，主动候选恢复了真实参数，并在留出条件中给出更小误差。噪声加大后，估计参数偏离，两个候选的误差也更接近。此时这份记录对收缩系数的限制已经变弱。

每个噪声水平另有八个固定种子。标准差为 0.02 和 0.08 时，这八次的主动留出误差都更小；标准差为 0.3 时只有七次。八个例子展示了波动，不能据此报告一个普遍的识别成功率。

$$
\operatorname{RMSE}=\sqrt{\frac1{64}\sum_{j,r}\bigl(y_{jr}-\widehat y_{jr}\bigr)^2}
$$

留出误差在参数冻结后计算。不能看到留出结果后再调参，却继续把它叫作独立预测。

同模型生成的合成观测；种子 510210，留出阻力为二。完整噪声样本、初态和预测可下载重算。

| 噪声 $\sigma$ | 校准 $\widehat\zeta$ | 主动留出误差 | 被动留出误差 |
| --- | --- | --- | --- |
| $0.02$ | $3$ | $0.0215$ | $0.0741$ |
| $0.08$ | $2.75$ | $0.0870$ | $0.119$ |
| $0.3$ | $1.75$ | $0.328$ | $0.343$ |

## 把这个练习带到真实材料前

数据来自主动模型，又用同一家族去拟合，模型形式天然占了优势。这种同模型合成练习适合检查采样、拟合和留出流程，也能量出指定噪声如何影响结果；它没有独立验证生物机制。

走向真实组织时，先测干预是否只影响预定过程，再检查初态、边界与成像误差。增加候选时，要让它们共享同一套观测定义。一个响应能排除某个被动候选，也可能仍同时兼容几个不同的主动调控网络。

这也给前沿阅读一个方向：优先寻找同时记录浓度、流速与干预的工作。密度变化告诉你材料在哪里，流速帮助分开搬运与反应，留出条件则考验解释能否走出拟合用过的那一帧。

阅读来源：M. Nishikawa

完整例题

## 主动误差更小，应该写出多强的结论

取噪声标准差 $0.08$ 的首个记录。校准得到 $\widehat\zeta=2.75$，留出均方根误差约 $0.0870$，被动候选约 $0.119$。可以说：在这套已知初态、指定干预与噪声的合成比较里，主动候选的留出预测更准。

不能把这个误差差值写成组织里某个分子通路已经被确认，也不能把估计参数直接配上真实单位。若同一比较在更强噪声下反转，先检查观测是否有足够信息，再考虑增加采样时刻、重复记录或换一个更有区分力的干预。

## 下载本课程计算记录

[合成干预观测与预测（JSON）](https://sandboxphysics.com/data/morphogenesis/mechanism-comparison.json)

## 把推理带进实验

### [设计一个没有参与调参的比较](https://sandboxphysics.com/zh/labs/mechanochemical-cortex/)

1. 先固定一次初态与干预位置，记录抑制组和对照组的差值。
2. 只用一个阻力条件选择收缩系数，随后冻结参数。
3. 切换阻力预设后重新设回拟合出的收缩系数，再比较响应。精确的留出复算使用下载记录与配套脚本；把参数误差、观测噪声和模型形式差别分别列出。

## 练习与解释性答案

1. 为什么不能用同一份留出记录反复挑选参数，再报告它的预测误差？

   展开解释

   挑参数已经使用了其中的信息，它不再是未见过的条件。应保留新的条件或记录用于最后一次评价，并说明选择步骤。

2. 被动候选在这个干预下预测零响应，是否说明所有被动物理机制都只能给出零响应？

   展开解释

   不是。零响应来自本例“只改变主动应力”的干预定义。若干预同时改变扩散、材料连接或周转，被动候选也可能响应，必须重新建模。

3. 同模型生成与拟合的数据，哪一步还能用独立方法检查？

   展开解释

   可用解析守恒关系、被动极限、线性谱和不同求解器检查数值计算；要检验生物模型本身，还需要独立观测、干预与预测条件。

[上一章：收缩怎样把更多材料拉到一起](https://sandboxphysics.com/zh/stories/morphogenesis/contractile-cortex/) [下一章：重算图灵论文里的两细胞例子](https://sandboxphysics.com/zh/stories/morphogenesis/turing-paper-guide/)

## 课程来源与计算范围

推导、示意图与数值例由本课程编写。下面分别注明采用的方程、教学扩展和实际重算的已发表例子。交互场与带噪观测均来自所列模型。

1. [A. M. Turing, The Chemical Basis of Morphogenesis (1952), Philosophical Transactions B 237, 37–72](https://www.damtp.cam.ac.uk/user/gold/pdfs/teaching/turing1952.pdf)

   核读第 4 节第 42–43 页的两细胞数值例与第 6 节的模态分析。本课程复算第 4 节早期线性增长；没有复现原文图，也没有把 Schnakenberg 实验称为原文模型。

2. [J. Schnakenberg, Simple Chemical Reaction Systems with Limit Cycle Behaviour (1979), Journal of Theoretical Biology 81, 389–400](https://doi.org/10.1016/0022-5193(79%2990042-0)

   原始反应模型的文献入口。这里明确写出采用的无量纲、不可逆教学形式，稳态、Jacobian 与数值参数均在课程中重新推导；没有声称使用生物标定参数。

3. [D. Barkley, A Model for Fast Computer Simulation of Waves in Excitable Media (1991), Physica D 49, 61–70](https://warwick.ac.uk/fac/sci/maths/people/staff/dwight_barkley/home_page/papers/barkley_-_1991_-_phys_d_nonlinear_phenom.pdf)

   核读第 2 节的两变量方程与文末模型适用性说明。本实验使用所列连续方程及自己的离散求解器，初态和预设由本课程设计，没有复现原文图像或转动频率。

4. [E. J. Crampin, E. A. Gaffney and P. K. Maini, Reaction and Diffusion on Growing Domains (1999), Bulletin of Mathematical Biology 61, 1093–1120](https://people.maths.ox.ac.uk/maini/PKM%20publications/109.pdf)

   核读第 3 节方程 9–20 的守恒、输运与域增长推导。原文主要讨论一维生长；本课程另推导二维均匀膨胀方域的稀释项，作为教学扩展，不复现原文倍频图。

5. [M. Nishikawa, S. R. Naganathan, F. Jülicher and S. W. Grill, Controlling Contractile Instabilities in the Actomyosin Cortex (2017), eLife 6, e19595](https://pmc.ncbi.nlm.nih.gov/articles/PMC5354522/)

   核读 Appendix 方程 4–9 的密度通量、活性黏性应力、饱和函数与力平衡。这里把原文两组分调控简化成单密度与线性周转，另加局部应力抑制；没有拟合真实胚胎数据或复现原文图 2。原论文采用 CC BY 许可。

6. [A. L. Krause, M. A. Ellis and R. A. Van Gorder, Influence of Curvature, Growth, and Anisotropy on the Evolution of Turing Patterns on Growing Manifolds (online 2018; issue 2019)](https://pmc.ncbi.nlm.nih.gov/articles/PMC6373535/)

   核读方程 4–6 的移动域守恒、14–15 的材料坐标及 44–45 的 Schnakenberg 反应与 Jacobian。这里的周期方域和参数是教学选择，没有复现原文椭圆几何或图 1–4。

7. [L. Giomi, Geometry and Topology of Turbulence in Active Nematics, arXiv:1409.1555v2 (2015); Physical Review X 5, 031003](https://arxiv.org/abs/1409.1555v2)

   只作前沿分支阅读：二维不可压缩活性向列流、涡旋统计与拓扑缺陷。它需要取向场和流体方程，归入 FR22；这里的一维标量皮层模型没有复现这些结果。