玻尔百科虽然生物学是研究复杂生命系统的科学，而物理学支配着无生命的物质，但深入观察就会发现，生命本身是建立在物理基础之上的。仅仅通过进化和适应的视角来看待生物现象，我们可能会不禁要问，某些结构和功能最初为何会出现。本文旨在弥合这一差距，展示优雅而严谨的物理定律才是生命的真正构建师，它们提供了进化赖以运作的规则和限制。
这场进入生物物理学的旅程将分为两个关键章节展开。在“原理与机制”中，我们将探讨基本概念，从物理力如何决定生物形态，到DNA等分子的材料特性如何决定其功能。我们将看到，进化并非一个不受约束的设计师，而是一个聪明的修补匠，在物理定律的严格约束下工作。随后，“应用与跨学科联系”将展示这些原理的实际应用，考察细胞膜的物理学、神经元的电气工程，以及信息论在细胞通信中的作用。读完本文，您将深刻体会到物理学如何提供一种统一的语言来描述、理解并最终改造生命世界。
如果你想了解生命，不要只问生物学家，也问问物理学家。这听起来可能像一个奇怪的建议。毕竟，生物学是研究华丽、复杂且看似混乱的生命体的科学，而物理学是研究支配无生命物质的简单、普适定律的科学。然而，当我们揭开生物复杂性的层层面纱时，我们一次又一次地发现，优雅而严谨的物理定律才是生命的真正构建师。原理并无不同，只是舞台更加有趣。
一个多世纪前，杰出的苏格兰生物学家D'Arcy Wentworth Thompson用物理学家的眼光审视生命世界。在他的巨著《论生长与形态》（On Growth and Form）中，他认为当时的生物学家过于轻率地将每一种形状和结构都解释为进化适应的独特产物。他提出了更根本的观点。他说，看一看在水中搏动的水母，它难道不像一滴粘性液体滴落到另一种液体中吗？看一看蜂巢完美的六边形。这是蜜蜂本能的奇迹，还是仅仅因为这是分割一个平面的最有效方式，就像一堆肥皂泡为了最小化表面张力而自然形成六边形图案一样？
Thompson的革命性思想是，物理力——重力、张力、压力——和数学定律通常是生物形态的主要决定因素。生物体不需要“发明”这些形状；它只是被宇宙的操作系统强行塑造成这些形状。这一观点是我们今天思考生物学方式的直接前身。它告诉我们，复杂的生物形态可以从受普适物理定律支配的简单组件的相互作用中涌现出来，这是现代系统生物学的核心信条。在这种观点下，进化并非一个从白板开始的全能设计师，而是一个聪明的机会主义者，发现并利用物理世界中固有的模式。
当我们放大到分子尺度时，这种“物理学优先”的观点变得更加有力。以生命蓝图DNA为例。我们经常听到“DNA是生命的软件”这个比喻。这是一个有用但危险的不完整比喻。软件是纯粹的信息，是抽象的“1”和“0”序列。无论它存储在磁带、硅芯片还是穿孔卡上，代码都是一样的。但DNA并非抽象之物。它是一个物理对象，一种具有刚度、电荷和特定三维形状的聚合物。
想象一个合成生物学团队设计了一个复杂的基因线路来生产一种药物。他们完美地编写了“代码”并将其插入到细菌染色体的一个位置，结果非常理想。然后，他们将完全相同的代码插入到另一个不同的位置，结果……什么也没发生。线路沉默了。是软件出了问题吗？不。问题出在硬件上。生物物理分析揭示，第二个位置位于染色体中一个高度扭曲的区域，我们称之为负超螺旋状态。DNA分子的这种物理扭曲阻止了细胞机器访问遗传程序，从而有效地关闭了它。
这告诉我们一些深刻的道理：DNA的功能与其物理背景密不可分。信息不仅存在于序列中，也存在于形状、拓扑结构以及作用于分子上的力之中。要改造生物学，我们不能只当软件开发者；我们还必须是材料科学家，理解并改造基因组本身的物理“硬件”。
一旦我们接受生物组件是物理对象，我们就可以开始用物理学强大的工具箱来分析它们。这个工具箱不仅仅是复杂的方程；它是一种基于能量、力和量纲等基本原则的思维方式。
物理学家武器库中最简单却最有效的工具之一是量纲分析。科学中的每一个方程都必须在量纲上保持一致；你不能在计算速度时得到一个以千克为单位的最终答案。这个简单的规则对我们的模型起到了强大的“合理性检查”作用。
考虑拉伸像DNA这样的聚合物所需的力。这种力源于分子的持续、随机的热抖动，这种抖动倾向于形成一种盘绕的、高熵的状态。我们称之为熵力。假设我们提出这个特征力取决于系统的热能（其中是玻尔兹曼常数，是温度）和聚合物的刚度，用其持久长度来衡量。一个学生可能会猜测关系是。
在进行任何复杂的理论推导之前，让我们检查一下量纲。力的量纲是质量 长度 / 时间。热能的量纲是力 长度。持久长度的量纲是长度。快速检查发现，表达式的量纲是力 / 长度，而不是力。唯一可行的简单组合是。仅用一行推理，无需任何复杂的推导，我们就找到了聚合物的基本力标度。它等于热能除以其刚度的特征长度标度。这个简单的检查不仅纠正了我们的公式，还给了我们深刻的直觉：一个更硬的聚合物（更大的）更难弯曲，但在被拉直时，在该长度标度上产生的熵力更小。
这种物理思维可以优美地扩展到更大的结构。你的神经系统以电脉冲的形式发送信号，这些脉冲沿着称为轴突的神经纤维传播。为了使这些信号快速高效地传播，许多轴突被一层称为髓鞘的绝缘层包裹着。从物理学家的角度来看，是什么让髓鞘成为如此出色的绝缘体？
让我们将细胞膜建模为一个平行板电容器。细胞内外的导电液体是电容器的两个极板，油性的脂质双分子层是中间的绝缘介电材料。电容器储存电荷的能力是其电容，对于给定的面积，它由给出，其中是介电层的厚度，是其介电常数（衡量其储存电能能力的指标）。为了成为一个好的绝缘体并防止电荷在膜上积聚（这会减慢信号），我们需要低电容。我们还需要高电阻来防止离子泄漏。
髓鞘由特化的细胞膜构成，这些细胞膜富含两种分子：胆固醇和长链鞘脂。鞘脂具有超长的碳氢尾链，直接增加了膜的厚度。胆固醇是一种刚性的平面分子，它插入脂质之间，使它们更紧密地堆积在一起。这种“凝聚效应”挤出了水分子。由于水具有非常高的介电常数而脂质的介电常数非常低，因此将水排除出去极大地降低了膜的整体介电常数。增加和减少这两种效应共同作用，显著降低了电容。
此外，这种紧密的堆积封堵了离子可能泄漏通过的、充满水的瞬时缺陷，从而极大地提高了膜的电阻。最后，髓鞘不仅仅是一层；它是几十层串联包裹而成的。对于串联的电容器，总电容会下降；对于串联的电阻器，总电阻会累加。这种分子工程的结果是一个具有极低电容和极高电阻的结构——一个近乎完美的生物电绝缘体，这一切都归功于对分子构建模块的巧妙选择。
同样的物理原理既能让我们的神经正常工作，也能保护我们免受入侵者的侵害。我们的免疫系统部署了称为抗菌肽 (AMPs) 的分子，其任务是在不伤害我们自身细胞的情况下摧毁细菌。它们是如何实现这种非凡的特异性的？答案再次在于膜的物理学。
策略是静电和力学的一记组合拳。
所以，AMP的特异性并非魔法；它是一种双管齐下的物理攻击。静电将武器引导到正确的靶标，而力学确保武器只在击中脆弱的“软”靶标时引爆。这是一个美丽的例子，说明了生命与死亡是如何由基本力和材料特性决定的。
这就把我们带到了这些物理戏剧上演的宏大舞台：进化。进化常常被拟人化为一位大师级的工程师，但更准确的说法是，它是一个不懈的修补匠。它不是从零开始设计；它修改已有的东西，并且只能在物理和化学定律的严格约束下工作。
以Wnt蛋白家族为例，它们是胚胎发育中至关重要的信号分子。在数亿年的脊椎动物进化过程中，这些蛋白质中的一个特定氨基酸——丝氨酸——几乎是完全保守的。为什么？这个位置有什么魔力吗？
答案在于一个关键的化学修饰。这个丝氨酸的羟基（）是一个长而油性的脂质分子在一个称为棕榈油酰化过程中的附着点。这个脂质“尾巴”由于两个生物物理原因至关重要。首先，Wnt蛋白在其他细胞上的受体有一个深而油腻的疏水凹槽。脂质尾巴就像一把完美的“钥匙”，滑入这个“锁”中，极大地增加了信号与其受体之间的结合亲和力。这是疏水效应的直接结果——油性物质倾向于避开水并与其他油性物质粘在一起的热力学趋势。
其次，Wnt蛋白是分泌信号，必须穿过水性环境才能到达其靶标。脂质尾巴充当“油腻的通行证”，允许蛋白质与脂蛋白颗粒结合，后者护送它穿过细胞外空间。没有这个脂质，Wnt蛋白就无法有效地结合其受体，甚至无法正常传播。因此，任何将该丝氨酸替换为不能被脂质化的氨基酸的突变都是灾难性的，并被纯化选择迅速清除。进化并非为了丝氨酸本身而保留它；它是在保留一种用于结合和运输的关键物理机制。
虽然进化在遵循物理定律方面表现出色，但它也受到这些定律——以及其自身历史——的限制。典型的例子是脊椎动物的眼睛。从工程角度看，我们的视网膜是“反向”构建的。感光的光感受器细胞位于最后面，光线必须先穿过一堆神经元和血管才能到达它们。这种设计还必然导致所有神经纤维捆绑在一起，并穿回视网膜到达大脑，从而产生一个盲点。独立进化而来的鱿鱼的眼睛，其设计则要“合乎逻辑”得多，光感受器在前面，布线则整齐地藏在后面。
为什么脊椎动物的设计次优？答案是历史偶然性。脊椎动物的眼睛并非凭空完整出现的。它是由大脑的一个外凸部分，一个祖先的光感斑块进化而来，这个斑块的层次结构已经是这种“倒置”的方式。然后，进化在这个现有方案的基础上进行优化，经过数百万年的演化，形成了我们今天拥有的宏伟的相机式眼睛。一次彻底的重新布线来“修复”这种倒置，很可能需要功能不全的中间步骤，而这些步骤将是进化的死胡同。进化是一个修补匠，而不是一个有权推倒一切从头再来的工程师。它受其自身历史的束缚，这是一个路径依赖的过程，其中历史本身就构成了一个强大的限制。
进化的这种修补特性意味着不同的谱系可以针对同一问题得出不同的物理解决方案。比较一下苍蝇的眼睛和人类的眼睛。两者都能捕捉光线，但它们的速度和灵敏度不同。苍蝇的光感受器可以在几十毫秒内激发并复位，使其能够以超高速慢动作感知世界。人类的光感受器则慢大约十倍。
这种性能差异并非任意的；它是每个谱系进化出的不同分子工具包的直接结果。苍蝇的光转导级联使用一种作用于细胞膜中脂质的酶（PLC），以一种高度局部化且极其快速的方式触发一个通道（TRP）的开放，并伴有一个快速的钙离子反馈回路。脊椎动物的级联则使用一种不同的酶（PDE），它作用于细胞质中的一种可扩散的小分子（cGMP）。这个过程更慢，空间上更平均，并依赖于一个慢得多的恢复机制。苍蝇的系统是为了速度而构建的；脊椎动物的系统是为了灵敏度而构建的，能够可靠地检测单个光子。没有哪个“更好”——它们只是不同的物理解决方案，为不同的生态需求而优化。
认识到生物学从根本上受物理学支配，这对我们如何进行科学研究具有深远的影响。我们的生物学模型，无论多么复杂或数据驱动，都必须与物理现实相符。
想象一下，使用一种名为“祖先序列重建”的复杂计算方法来推断一种古老、已灭绝蛋白质的氨基酸序列。该算法基于一种统计进化模型，得出了一个惊人的结果：蛋白质的核心，本应是紧密堆积且疏水的部分，却充满了亲水的残基。这就好比发现一艘用盐做的船。这样的蛋白质将完全不稳定，永远无法正确折叠。
我们该得出什么结论？是说十亿年前的蛋白质折叠定律不同吗？还是说我们的模型错了？答案几乎肯定是后者。这样的结果是一个巨大的警示信号，表明统计模型过于简单——也许它平均了所有位点的属性，未能认识到埋藏在核心的位点与暴露在溶剂中的表面位点在完全不同的物理约束下进化。或者也许输入数据有缺陷。结果在生物物理上的不可能性并非新物理学的证据；它是一个至关重要的诊断工具，告诉我们要构建更好的模型。
这或许是生物物理学最重要的教训。物理定律不仅是对生命的一系列限制；它们是使生命的语言成为可能的语法本身。它们提供了框架、稳定性以及丰富的可能性，进化可以从中构建其无穷无尽的最美丽的形式。要真正理解生物学，我们必须学会说这种物理语言，将世界不仅看作是生物的集合，更看作是根据一个普适乐谱演奏的力、能量和涌现形式的交响曲。
既然我们已经探索了赋予生物物质以生命的基本物理原理，现在让我们踏上一段旅程。我们将从细胞熙攘的边界出发，进入大脑错综复杂的布线，最后到达生物信息本身的抽象领域。在每一个地方，我们都将看到物理学的视角如何不仅揭示了生命系统中发生了什么，更揭示了为什么它能以如此优雅和强大的方式发生。这不仅仅是一系列已解决问题的集合；它让我们得以一窥自然世界美妙的统一性，在这里，支配恒星和石头的相同物理定律，也同样在编排着生命的舞蹈。
你可能会倾向于认为细胞膜只是一个简单的袋子，一个容纳细胞内含物的被动容器。这大错特错。细胞膜是一种动态的、智能的材料，一种二维液晶，其物理特性对生命的重要性不亚于其内的DNA。进化将这一边界塑造成一台精密的机器，当其物理特性出现问题时，后果可能是毁灭性的。
以X-连锁肾上腺脑白质失养症（X-ALD）这个悲剧性疾病为例，它攻击神经系统。其根本原因在于无法分解极长链脂肪酸。这些过大的、饱和的脂质尾巴被整合到神经胶质细胞的膜中，这些支持细胞包裹着神经元，形成一层称为髓鞘的绝缘层。从物理学家的角度来看，这是一个材料科学问题。这些脂肪的长而直的碳氢尾巴像完美堆叠的原木一样紧密堆积，增加了它们之间的范德华吸引力。细胞膜本应是流动的、动态的海洋，却变成了一种僵硬的、半固态的凝胶。嵌入在这个刚性基质中的必需蛋白质再也无法正常移动和改变形状。膜本身也无法保持包裹轴突所需的紧密曲线。结果是髓鞘的灾难性崩溃，一个分子水平的物理变化导致了严重的神经功能衰竭。
膜物理学的这种相互作用也支配着我们细胞与入侵病毒之间的持续战斗。像流感这样的包膜病毒要感染一个细胞，它必须将其自身的膜与细胞的膜融合，这个过程需要将膜强行弯曲成一种能量成本很高的形状，称为“半融合柄”。这就像试图弯曲一块硬纸板——需要能量。我们的细胞巧妙地利用了这种能量成本。当细胞感知到病毒威胁时，会产生一类称为IFITMs的先天免疫蛋白，它们作用于病毒试图进入的内体膜上。它们改变了膜的物理状态，增加了其刚度（弯曲模量，）并诱导了一种相反的曲率。实质上，IFITMs极大地提高了融合的“能量税”。病毒试图将膜强行弯曲成负曲率的柄，现在却发现自己正在对抗一个既更硬又倾向于向相反方向弯曲的表面。能量壁垒变得高不可攀，病毒的入侵被当场阻止——这是免疫学的胜利，由弹性物理学解释。
当然，我们自己的身体有时也需要融合细胞，例如，当从单个成肌细胞构建肌肉时。在这里，进化的目标恰恰相反：降低融合能量壁垒，使其发生。成肌细胞融合是一出精彩的生物物理工程两幕剧。首先，为了形成最初的半融合柄，细胞部署了促进必要负曲率的蛋白质和脂质，预先弯曲材料以使最终形状更容易实现。其次，为了打开最终的融合孔，细胞必须克服两种相反的力：孔边缘的线张力（），它试图像肥皂泡一样封闭孔洞；以及膜张力（），它试图将其拉开。打开一个孔的能量壁垒与成正比。成肌细胞同时攻击这两个变量。它们部署了专门的融合蛋白，如myomaker和myomerger，这些蛋白被认为像“分子表面活性剂”一样，大幅削减线张力。同时，细胞内部的肌动蛋白细胞骨架从内部推动膜，极大地增加了局部膜张力。通过用一个小数字除以一个大数字，细胞将能量壁垒降低了几个数量级，将一个几乎不可能的事件转变为构建我们身体的常规步骤。
甚至我们免疫系统识别威胁的方式也适应了抗原的物理性质。我们熟悉MHC蛋白如何通过特定的氢键网络将肽片段呈递给T细胞，并将其固定在凹槽中。但是对于脂质抗原，即构成细菌细胞壁的油腻分子，情况又如何呢？对此，免疫系统部署了不同的工具：CD1d分子。CD1d没有一个充满氢键供体和受体的亲水凹槽，而是具有一个深邃的、非极性的、疏水口袋。结合的主要驱动力不是一组特定的化学键，而是强大的疏水效应。脂质的长非极性尾巴被隔离在这个“疏水手套”中，远离周围的水，这提供了巨大的熵增益。脂质的极性头基则暴露在表面，供T细胞检查。这个分子进化的美丽例子展示了配体的物理性质——水溶性肽与油溶性脂质——如何决定受体的物理性质。
在将细胞膜视为一种动态材料之后，我们现在转向更大的细胞和组织，将其视为一台利用机械力和电流的机器。
在上皮组织片中，例如你的肠道内壁，细胞形成一个紧密的屏障以分隔“外部”和“内部”。这个屏障由称为紧密连接的结构密封。这些连接如何调节物质通过？答案是机械的。细胞由一圈连接周边的肌动球蛋白环连接，这是一种分子马达复合物，就像每个细胞顶部的束带。当细胞激活其肌球蛋白马达时，这个环收缩，产生张力。由于所有细胞都连接在一起，这种张力会传递到整个组织。这种拉力不会破坏紧密连接的链条，但会稍微拉伸弹性连接，从而扩大它们之间的纳米级孔隙。这允许更多的水和小分子通过。通过简单地调节其内部肌肉张力，组织可以精细地调节自身的通透性——一个活生生的机械阀门。
生物学中最著名的电机当然是神经元。在这里，物理学的视角同样带来了惊人的见解。一种快放电中间神经元，一种对协调大脑节律至关重要的细胞，通常被一个称为神经元周围网（PNN）的致密细胞外基质包裹。人们可能猜测这个网是为了结构支持，但它具有深远的电学后果。从电路理论的角度来看，细胞膜是一个电容器。PNN形成了另一层，一个介电材料，与膜相邻。这使得第二个电容器与膜电容串联。串联电容器的规则是，总有效电容总是小于最小的单个电容：。因此，PNN降低了神经元的有效电容。细胞的膜时间常数决定了它对输入响应的速度，因此被缩短了。带有PNN的神经元是一个“更快”的电气设备，能更好地以高精度跟随高频输入。这是一个美丽而反直觉的例子，说明了细胞外部的物理环境如何调节细胞内部发生的计算。
那么神经冲动本身呢？为什么动作电位是一个“全或无”的事件，具有如此尖锐、明确的阈值？答案在于动力学系统和电稳定性的语言。动作电位诞生于一个称为轴突起始段（AIS）的特殊区域，这里密集地分布着快速作用的电压门控钠离子通道。当膜轻微去极化时，这些通道开始打开，让正电流进入，使膜进一步去极化。这是一个强大的正反馈循环。用电学术语来说，这种再生电流产生了一个“负微分电阻”——即电压增加实际上导致了更大的内向电流。AIS与巨大的、被动的细胞体相连，后者充当稳定的电负载。当钠离子通道的失稳负电阻变得足够强大，足以压倒来自细胞其余部分的稳定负载时，一个脉冲就被触发了。在这个临界点或分岔点，系统失去稳定性，电压爆炸性地“跃迁”到去极化状态。这种不稳定性物理原理如此基本，以至于现在被用于设计低功耗、受大脑启发的神经形态计算机芯片，这些芯片可以像真实神经元一样发出尖锐的“脉冲”。
在我们旅程的最后一站，我们进入一个更高的抽象层次。生命不仅仅是物质和能量；它也是信息。物理学和数学的工具为我们理解生命如何存储、传输和计算提供了一种严谨的方法。
细胞是一个拥挤的地方，为了让信号通路高效工作，正确的组件必须在正确的时间找到彼此。细胞是如何解决这个后勤问题的？一种方法是通过物理相分离。在抗病毒反应期间，信号蛋白MAVS必须在线粒体表面寡聚化，形成一个信号平台。线粒体外膜并非均匀的流体；它包含微区，即筏状区域，具有不同的脂质组成，更有序，类似于油从水中分离出来的斑块。这些液序畴充当组织中心。MAVS蛋白优先分配到这些区域，极大地增加了它们的局部浓度。尽管在这些更粘稠的筏中扩散可能更慢，但有效相遇的速率（与浓度的平方成正比）可以被极大地加速。此外，畴之间的物理边界创造了一个“围栏”来捕获蛋白质，而畴的不同厚度可以有利于蛋白质聚集，以最小化疏水不匹配带来的弹性势能。细胞利用相分离的物理学来创建纳米级反应中心，确保快速而稳健的免疫反应。
这种信号传导的思想可以变得更加精确。考虑生物膜中的细菌通过群体感应进行交流。它们释放小分子，这些分子的局部浓度告知细胞种群密度，从而触发基因表达的变化。我们可以问：实际上正在传输多少信息？这是一个高保真信号还是一个嘈杂的耳语？由Claude Shannon发展的信息论为我们提供了回答这个问题的工具。我们可以将该通路建模为一个通信信道，并计算信号浓度（）和基因表达输出（）之间的互信息。这个以比特为单位的量告诉我们，通过观察细胞的响应，我们对信号的不确定性减少了多少。一个信道能够携带的最大可能信息是其容量。这个容量从根本上受到噪声的限制——即生化反应中固有的分子数量的随机波动。每一个噪声源，无论是内在的（转录的随机性）还是外在的（细胞间的变异性），都会拓宽给定输入下可能输出的分布，使信号更难解码，从而降低信道容量。这个框架使我们能够将信号通路不仅仅看作一系列箭头，而是一个其性能受统计物理定律支配的信息处理设备。
这让我们回到了起点。我们开始于看到像链长和疏水性这样的基本物理特性如何决定生物的形态和功能。我们现在可以看到这些知识如何推动科学最前沿的发展。在计算生物学领域，科学家们正在构建机器学习模型，仅从蛋白质的氨基酸序列来预测其三维结构。这些模型使用什么特征？它们正是我们讨论过的生物物理特性：每个残基的疏水性、大小、电荷，以及形成转角或螺旋的倾向。通过向深度学习模型输入这些基于物理、受进化启发的特征，我们可以训练它识别将序列映射到结构的复杂模式。理解生物物理学使我们能够设计出更好的算法来对生物学进行计算。从病变膜的刚性到细菌通信信道的容量，再到预测生命分子机器的算法，物理学原理提供了一种统一的语言来描述、理解并最终改造生命世界。