一条链、一个液滴和一幅图案
把蛋清加热，原本透明的液体会变白并凝固；把少量明胶加入温水再冷却，分散的链又能连接成含水的软网络。活细胞中的变化更精细：一条刚合成的蛋白质链形成能催化反应的结构，一群蛋白质和核酸在某个位置富集，膜上的蛋白质浓度还会像波一样移动。这些现象都涉及许多微小部分如何组织起来，却不能只用“分子会自动排列”解释。要理解材料最后为什么得到这种形状、这种位置和这种运动，需要知道哪些部分在相互作用，物质能否自由交换，以及系统有没有持续获得能量。
先把观察尺度分开。一条链的折叠，主要问同一分子的各段怎样接近和配合；液滴的形成，问许多分子怎样在空间中分配，为什么有的区域浓而有的区域稀；周期图案的形成，则问一个位置发生的反应怎样影响周围位置，为什么小差别会被放大为有间距的条纹或斑点。它们可以同时出现在一个细胞中。某条蛋白质先取得能结合伙伴的结构，随后参加凝聚，凝聚区又受到消耗能量的反应调节。把三个层次接起来，比给所有现象贴上同一个名称更有解释力。
“自组织”通常指系统内部的相互作用能够产生比初始状态更有结构的整体分布。这个词不意味着系统没有环境，也不意味着分子知道目标。想象人群在广场上移动：每个人只对附近的拥挤程度和通道作反应，整体就可能出现人流和空隙。分子没有人的决策，但局部规则和整体结果之间也存在这种关系。温度、容器形状、可用表面以及外界供给，都能改变局部规则发生作用的条件。解释自组织时，环境应当和分子一起进入图景。
材料设计也会遇到同样的问题。制备蛋白质载体时，希望链保留可用的结合部位，而不是形成难以分散的团块；设计凝聚体时，希望知道加入多少分子才会出现富集区，以及富集的是目标物还是杂质；构建有空间结构的软材料时，希望控制结构的间距、形成时间和位置。这里的共同任务，是把可操作的条件与可观察的结果联系起来。先理解平衡时偏爱什么，再理解走到那里要多久，最后理解持续流动的物质和能量怎样创造新的状态，便能逐步建立这种联系。
折叠的偏好从哪里来
蛋白质是一条由氨基酸残基相连的链。残基可以理解为氨基酸接入链后留下的结构单元，各种残基的侧基在大小、电荷和与水相处的方式上不同。链的骨架可以在允许的方向转动，侧基于是有机会靠近或远离。某些接触有利于稳定结构，某些接触会产生排斥；链与水之间的相互作用也随构象变化。折叠不是把一根没有特征的绳子随意盘紧，而是这些带有化学特征的部位在几何限制和热运动中重新安排。
安芬森及其合作者研究核糖核酸酶时，把这个问题转化成了可追踪的实验：破坏维持天然结构的条件，再恢复适合折叠的环境，结构和酶活性能否回来？他们在1961年的研究中分析了还原后的蛋白质重新形成二硫键和恢复结构的过程。二硫键是两个含硫侧基之间的共价连接，配对错误会把链固定在不合适的构型。实验的重要之处在于，链的顺序保持着信息，合适的环境使这份信息能够通过相互作用表达出来；结构恢复则可以通过功能测量来追踪，而不只凭外形判断。
为什么同一温度下有些构象比另一些更常出现？需要同时考虑相互作用带来的能量变化和可选择的微观安排数。后者与熵有关。展开的链通常有更多转动和排列方式，但水分子在链附近的安排也会改变，因此不能把“链更有序”直接等同于“整个系统的熵必然减少”。自由能把这些影响合在一起，在固定温度、压力和指定化学环境下比较状态的平衡偏好。自由能低的状态通常占据更高比例；一个状态内部包含多少相近构象，已经应当计入它的自由能。
为了开始计算，可以把许多构象归成“折叠”和“展开”两组。这里的两组不是两张唯一的分子照片，而是两类不断运动的构象集合。摩尔是计数单位，一摩尔包含6.02214076×10²³个指定的基本单元，例如蛋白质分子。10²³表示23个10相乘，常把这一数量近似写为6.022×10²³；用每摩尔的自由能，便可以与气体常数和绝对温度配合计算。绝对温度用开尔文表示，约等于摄氏温度加273.15。下面的指数函数把自由能差变成两组状态的相对权重，再用归一化让两组概率加起来等于一。
| 符号 | 含义 | 单位 |
|---|---|---|
| GF, GU | 折叠和展开构象集合的摩尔自由能 | kJ mol⁻¹ |
| ΔG | 折叠相对于展开的自由能差 | kJ mol⁻¹ |
| pF | 折叠集合的概率或分子比例 | 1 |
| R | 气体常数，此处取0.008314 | kJ mol⁻¹ K⁻¹ |
| T | 绝对温度 | K |
| exp(x) | 以自然常数e≈2.718为底的指数函数，x为无量纲输入 | 1 |
怎样理解两组权重之比为exp(−ΔG/RT)。把折叠权重除以两组权重之和，即得到所示归一化概率。负的ΔG让折叠比例超过一半。
算一个例子ΔG=−5 kJ/mol，T=300 K时，ΔG/RT=−2.005，p_F约0.881，即88.1%。ΔG=0时比例为50%。
使用条件平衡、两组状态足够描述体系；各组内部构象和溶剂贡献已经包含在自由能中。
当折叠态的自由能较低时，折叠比例较高，却仍可能有少数分子展开；当两组自由能相等时，两组比例各为一半。这个结果很有用，因为实验往往测到一群分子的平均信号，而不是每条链的固定身份。温度、酸碱度、盐浓度或结合伙伴改变后，群体比例会重新分配。对于有多个稳定中间态、多个结构域或明显聚集的体系，应把相应状态加入描述。两组模型的价值，在于先清楚地分开“某个结构是否存在”和“它在人群中有多少”这两个问题。
喜欢某个结构，为什么还需要等待
自由能告诉我们平衡时倾向在哪里，形成速度还取决于途中要经过什么。折叠时，一段链可能必须先松开已有接触，另一段才能绕到合适位置；两个容易相遇的部位也可能先形成暂时的错误配对。把这些状态画成能量景观时，低谷代表较稳定的构象集合，谷间的高处代表转换所需经过的不利状态。横轴只是描述结构变化的坐标，例如某些接触形成的程度，并不是链在房间里移动的距离。图上的路线也不是一条分子的唯一规定行程。
Bryngelson和Wolynes在1987年的理论研究把蛋白质折叠中的稳定偏好、相互竞争的接触和动力学联系起来，帮助人们理解为什么一条链可以受到总体偏向天然结构的驱动，同时仍会被局部陷阱拖慢。常见的漏斗图表达的是大量可能路径逐渐偏向某些结构，而不是链依次试遍全部可能构象。如果一个模型要求每一种排列都先试一次，再比较哪一种最好，那么即使很短的链也会产生庞大的搜索数。真实相互作用在运动过程中持续改变各条路径的机会，折叠由此具有选择性。
跨过一个局部自由能障碍，可以先用热激活的图景理解。分子始终受热运动扰动，大多数尝试没有达到所需的集体安排，少数尝试能够成功。障碍越高，成功比例通常越低。指数关系意味着，障碍高度的小幅变化就可能带来明显的时间变化。式中的速率前因子概括了尝试频率以及局部摩擦等影响，它也可能随环境改变；因此，不能把所有速度变化都归给障碍高度。对一个主导的、近似单步的随机转换，等待时间的平均值与速率互为倒数。
| 符号 | 含义 | 单位 |
|---|---|---|
| k | 指定转换的速率常数 | s⁻¹ |
| k₀ | 速率前因子 | s⁻¹ |
| ΔG‡ | 从起始状态到转换障碍的摩尔自由能差 | kJ mol⁻¹ |
| R | 气体常数0.008314 | kJ mol⁻¹ K⁻¹ |
| T | 绝对温度 | K |
| τ | 近似单步转换的平均等待时间 | s |
| exp | 自然指数函数 | 1 |
怎样理解热涨落成功跨越障碍的权重随障碍升高而指数下降。对一个恒定速率的单步随机转换，平均等待时间等于速率的倒数。
算一个例子在300 K取k₀=10⁶ s⁻¹、ΔG‡=17.23 kJ/mol，指数权重约10⁻³，k约10³ s⁻¹，平均等待约1 ms。障碍再提高约5.74 kJ/mol，速率约下降十倍。
使用条件热激活近似和指定主导步骤；前因子也能随环境改变，多路径折叠可出现多个时间尺度。
这就解释了稳定性与速度为何是不同的指标。两种条件可以具有相同的折叠态和展开态自由能差，却因为中间障碍不同而表现出不同的折叠时间。反过来，提高形成速度，也不一定提高最后的折叠比例。材料加工经常利用这种差别：快速冷却可能把体系留在还来不及继续变化的结构中；慢慢改变条件，则可能让链有时间重排。判断最终样品时，温度和组成之外还要保留时间与路径，因为样品可能仍在向另一种状态演化。
细胞中的折叠还发生在拥挤而不断变化的环境里。链往往在合成尚未完成时就开始局部折叠，分子伴侣可以暂时结合暴露的片段，减少不合适的分子间接触，并帮助某些链获得重新尝试的机会。有些伴侣过程与ATP的消耗相联系，这会把系统带出简单的封闭平衡图景。与此同时，多条部分展开的链可能相互结合，进入聚集通道。折叠、错误接触、解离和聚集在时间上竞争，因此一次功能恢复实验应同时关注可溶性、结构信号和活性，才能看清“形成了什么”。
许多链在一起：液滴怎样出现
一条链内部的接触决定折叠，多条链之间的接触则可能改变整个溶液的空间分布。可以把溶液想成不断移动的分子群体：有时均匀分散最有利，有时把一部分分子集中起来，所获得的相互作用优势能够补偿混合方式减少的代价，于是出现一个富集相和一个稀释相。相是具有相对一致组成和性质的区域。油和水是熟悉的两相例子；生物大分子的凝聚体通常仍含有大量水，富集相也不是由纯蛋白质堆成的实体。
Brangwynne等人在2009年观察线虫胚胎中的P颗粒时，把融合、变形以及溶解和凝聚过程联系起来，提出了理解细胞内液态富集区的重要图景。颗粒的位置变化可以通过某些区域更易溶解、另一些区域更易凝聚来实现，不必把全部变化都归为完整颗粒被运输到终点。这个区别像水汽在冷表面凝结：局部条件能决定物质在哪里聚集。细胞中的实际分子作用更复杂，但“位置可以由形成与消失共同决定”是一个可以直接检验的机制。
形成两相后，平均浓度并不等于每个位置的浓度。浓度表示单位体积内有多少物质；微摩尔每升是一种常用单位。若总容积的一小部分属于富集相，其余属于稀释相，总分子数必须等于两部分分子数之和。把各相浓度乘以各自体积，再除以总容积，便得到体积分数加权的平均浓度。这是一条物质守恒关系，不依赖分子是否看起来像液滴；它也解释了为什么体积很小的富集区仍能容纳相当大比例的目标分子。
| 符号 | 含义 | 单位 |
|---|---|---|
| c₀ | 总体平均浓度 | µmol L⁻¹ |
| cdil | 稀释相浓度 | µmol L⁻¹ |
| cden | 富集相浓度 | µmol L⁻¹ |
| φ | 富集相占总体积的比例 | 1 |
怎样理解两相物质量相加等于总物质量。把浓度乘以体积比例相加，再解出未知比例，得到杠杆规则。
算一个例子平均浓度10 µmol/L，两相分别2和100 µmol/L，φ=8/98≈0.0816。富集相占8.16%体积，却含有约0.0816×100/10=81.6%的目标分子。
使用条件两相浓度已知，体积可相加，所计算物质无额外损失；平均浓度处于两相浓度之间。
这个计算还提醒我们区分几个经常混用的观察。图像里亮点变多，可能是液滴数目增加，也可能是液滴变大、内部浓度提高，或者标记物进入液滴的倾向改变。比较荧光强度时，还需要考虑标记、背景和探测条件。将一个局部区域的荧光漂白，再观察信号恢复，能够揭示分子交换和运动的时间尺度；恢复本身却没有测出材料的全部力学性质。液态行为的解释可以结合融合后的形状松弛、内部移动、界面行为和外力响应，逐项回答不同的问题。
凝聚也可能随时间转为更缓慢的网络或有序纤维。一种材料早期容易融合，放置后却难以重排，说明相互作用的寿命或内部连接方式发生了变化。蛋白质的结构、链上可结合部位的数目、RNA的加入以及盐条件，都可能改变这段过程。设计富集反应物的微环境时，既要看进入富集区的比例，也要看分子在其中能否移动、反应后能否离开，以及富集区在需要的时间内是否保持合适的状态。空间浓缩和功能提升之间，需要这些具体过程来连接。
扩散怎样把局部变化传给周围
把一滴颜色加入静止的水，颜色会逐渐铺开。即使没有可见的整体流动，分子也会因热运动改变位置。单个分子的步子并不朝着“应该去的方向”，但在浓的一侧，能够走向另一侧的分子更多，因此整体上出现从高浓度到低浓度的净通量。通量指单位时间穿过单位面积的物质量。这个群体结果与每个粒子的随机运动相容：没有任何一个分子需要先测量整杯水的浓度地图。
扩散的典型距离随时间的平方根增长。平方根是一个数自乘后能回到原数的运算，所以要让距离变成原来的两倍，时间通常要变成四倍。在微米尺度上，某些小分子很快就能跨过一个局部区域；同样的机制扩展到更大的尺度，等待会显著增加。扩散系数概括了粒子在给定环境中扩散的快慢，它受到大小、温度、溶剂黏度和相互作用影响。膜上的运动近似二维，细胞内部自由空间中的运动近似三维，狭长通道则可能适合用一维模型。
| 符号 | 含义 | 单位 |
|---|---|---|
| ℓ_rms | 位移平方先平均再开方得到的距离 | µm |
| d | 自由扩散的空间维数1、2或3 | 1 |
| D | 扩散系数 | µm² s⁻¹ |
| t | 经过时间 | s |
| √ | 非负平方根，先对位移平方取平均再开方 | — |
怎样理解独立随机位移的平方平均随时间累加，每个空间方向贡献2Dt，合并d个方向后开方得到典型距离。
算一个例子三维、D=10 µm²/s、t=1 s时，距离为√60≈7.75 µm。达到两倍典型距离需4 s。
使用条件均匀环境中的普通自由扩散、恒定D；强束缚、定向流动或异常扩散需要另外描述。
要把扩散与反应写在一起，可以先沿一条线把空间分成许多小格。某格的浓度高于左右邻居时，走出的粒子通常多于走入的粒子，浓度倾向下降；低于邻居时则相反。左右邻居的浓度相加，再减去本格浓度的两倍，就是衡量这一局部弯曲程度的离散方式。格子越来越小时，对应数学中的二阶空间导数。导数描述变化率，二阶导数在这里比较“斜率如何继续变化”；它让浓度曲线的凸起被抹平，让凹陷被填补。
| 符号 | 含义 | 单位 |
|---|---|---|
| c, ci | 连续位置的浓度与第i个格子的浓度 | mol m⁻³ |
| t | 时间 | s |
| x, h | 空间坐标与相邻格子的间距 | m |
| D | 扩散系数 | m² s⁻¹ |
| ℛ | 本地反应的净生成速率 | mol m⁻³ s⁻¹ |
| i, i−1, i+1 | 本格及左右邻格的编号 | 1 |
| ∂c/∂t | 固定位置观察的浓度变化率 | mol m⁻³ s⁻¹ |
| ∂²c/∂x² | 浓度曲线的局部空间曲率 | mol m⁻⁵ |
怎样理解左右交换的净结果由局部曲率决定，反应再加入本地生成和消耗。第二行用邻居与中心值近似曲率。
算一个例子若格距为1 µm，D=1 µm²/s，本格浓度2 mol/m³、左右均为1 mol/m³，则扩散项为−2 mol/(m³·s)。没有反应时，这一瞬间本格浓度下降。
使用条件一维、恒定扩散系数；格点式是小间距近似，边界条件需另行指定。
反应项表示本地生成和消耗的净结果。假如一种分子在某处生成得比消耗快，即使扩散在把它带走，该处浓度仍可能上升；如果反应刚好补上扩散损失，局部高浓度可以保持。偏导数的记号表示我们只考察某一个变量方向的变化：时间变化时固定位置，空间变化时固定时刻。写出这些项，不是为了用符号取代机制，而是为了保证每一种机制都对应一个可以单独分析的贡献，且各项的单位能够相加。
边界也属于模型。封闭端点不允许物质穿出，周期边界则把右端和左端连接成一圈；开放边界可以与外界交换。三者的总量变化和允许出现的空间形状不同。真实细胞还有膜结合、局部障碍和体积变化，因此选择扩散维数和边界条件时，需要先看分子在哪里运动。把一个膜上的浓度波直接放进均匀三维溶液模型，会改变分子相遇的机会，也会改变图案的尺度。
扩散为什么也能帮助形成图案
扩散通常使分布平滑，因此“扩散参与产生条纹”最初听起来有些矛盾。图灵在1952年研究形态发生的化学基础时，指出多个反应组分可以共同产生另一种结果：没有空间差别时，均匀状态对局部的整体扰动是稳定的；允许不同组分在空间中移动后，某些有间距的微小差别反而会增长。关键不是扩散单独创造浓度，而是扩散改变了相互促进和相互限制的反馈在不同位置发生作用的方式。
一种容易理解的机制是局部的自我增强与范围更广的抑制。某处的激活物略多，会促进更多激活物产生；与此同时，限制增长的影响向周围传播，使附近另一处难以同时增长。这样，小高点可以继续抬高，周围则形成低区。Gierer和Meinhardt在1972年系统讨论了这类机制，也讨论了通过消耗底物实现限制的方式：局部增强的反应耗掉所需物质，快速移动的底物把周围区域联系起来。这里的底物不是专门攻击激活物的抑制分子，缺少原料本身就能限制反应。
可以用树木争夺水分作一个结构类比：局部增长需要资源，同时改变周围资源分布，于是邻近位置的增长机会发生变化。这个类比只帮助理解“促进与资源限制在不同范围作用”，不能替代植物真实的生理过程。数学上，必须同时检查反应反馈的强度、各组分的移动速度、系统大小以及边界。仅仅让一个组分扩散得更快，并不能保证图案出现；若局部增强太弱，初始差别仍会消失，若体系本身随时间振荡，则可能出现另一类时空行为。
图案的间距来自不同过程的竞争。过细的空间起伏容易被扩散抹平，过宽的起伏又可能得不到合适的局部反馈支持，某一段空间尺度便更容易增长。有限容器只能容纳某些形状，所以同一套反应放进长条、圆环和小液滴，结果可以不同。初始差别决定最早从哪里开始增长，边界和几何形状则可以偏向某些位置或方向。自发产生结构与环境参与选择结构，常常同时发生。
静止条纹、来回振荡、向前移动的波和随机团块，是不同的观察结果。要判断一种生物图案是否属于图灵型失稳，需要分析其均匀状态、组分耦合和空间扰动的增长，而不只是比较照片是否像斑马纹。这个要求也带来清楚的实验方向：改变一个组分的移动范围，检查波长是否变化；改变供给条件，观察均匀状态是否恢复；改变边界大小，看允许的图案数怎样调整。机制应当帮助提出这些有区别的预测。
让一个反应—扩散系统在眼前展开
下面用两个组分的模型，把上述推理变成可以比较的曲线。它采用与Schnakenberg在1979年研究的自催化反应系统相联系的动力学，并加入空间扩散。变量u表示一种可自我促进的组分，v表示被该过程消耗的底物。自催化是指反应产物参与促进自身的进一步生成。这里的u平方乘v表示增强过程需要u与底物共同参与，u增多会提高这项反应的速率，底物不足则会限制它。
模型把浓度、长度和时间分别除以选定的参考量，因此下面所有变量和系数都是无量纲数。这样可以先比较机制，而不把一组任意参数误认成某种细胞的实测浓度。常数a和b分别表示外界持续供给，负的u项表示第一种组分的损失。反应增强项在u方程中为正，在v方程中为负，表现了一个组分增加时另一个被消耗的耦合。持续供给和损失使这个系统具有开放性；它的空间结构由反应与运输共同维持。
| 符号 | 含义 | 单位 |
|---|---|---|
| u, v | 缩放后的激活组分和底物浓度 | 1 |
| τ, ξ | 缩放后的时间与位置 | 1 |
| a, b | 两种组分的恒定供给参数 | 1 |
| Du, Dv | 缩放后的两种扩散系数 | 1 |
| u*, v* | 空间均匀且不随时间改变的定态值 | 1 |
| ∂/∂τ | 固定位置的时间变化率运算 | 1 |
| ∂²/∂ξ² | 空间曲率运算 | 1 |
| u²v | 增强过程的反应项，u自乘后再乘v | 1 |
怎样理解供给a和b加入物质，−u移除第一组分，u²v增加u并消耗v。均匀定态时扩散项为零，两反应项相加得到u*=a+b，再代回第二式求v*。
算一个例子a=0.1、b=0.9时，u*=1、v*=0.9。代入得0.1−1+0.9=0，0.9−0.9=0。交互固定D_u=1，比较D_v=1至20。
使用条件无量纲自催化模型加一维扩散；交互使用长度64的周期空间，持续供给、相同初始小扰动。
取a为0.1、b为0.9时，均匀的u为1、v为0.9，生成与消耗正好相抵。现在给u加上一点很小的空间起伏，观察它会消失还是增长。交互中的环形空间有固定长度，左端与右端相连；第一种组分的扩散系数固定为1，只改变底物的相对扩散系数。每次计算都从同一份小起伏开始，便于把结果的差别与所改参数联系起来。时间滑块用于查看同一次演化的不同阶段，曲线显示当时各处的浓度，色图则保存从开始到结束的变化。
周期空间中的Schnakenberg反应—扩散模型。改变底物扩散系数重新计算整段演化，时间滑块选择当前曲线；色图上的虚线标出所选时刻。
先把底物扩散系数设为1，观察较晚时刻。起伏衰减后，两种组分接近各自的均匀值。再改为10，等待相同的无量纲时间，u的局部高低差会明显增大，并形成一串有间距的峰。反应参数和初始扰动都没有改变，变化来自两种组分在空间中传播的差异。在这个参数范围内，快速补充和重新分配的底物与较慢移动的激活组分共同支持了空间分化。若只查看最后一张图，就会错过小起伏经历增长的过程；时间色图让这个区别更容易辨认。
再比较10与20时的峰高、谷深和时间变化。图案的幅度不必与扩散系数成正比，形成速度也不由一个参数单独决定。读图时应同时查看坐标、数值范围和时间；同一种颜色在整段演化中使用同一套浓度尺度，因此接近均匀的结果不会被自动拉伸成醒目的假条纹。这个模型展示的是一个明确机制的后果。把它用于具体生物体系时，还需要把实际反应、扩散路径、供能方式和测量量对应到模型变量，才能进一步比较实验。
细胞中的动态结构怎样获得能量
生物系统的空间结构往往不是静止终点。细菌中的Min蛋白体系帮助组织细胞分裂相关的空间信息，其分布可以随时间变化。Loose等人在2008年把相关蛋白与人工膜结合，在体外观察到需要ATP的表面波。这个实验把复杂细胞中的一部分过程重新放到可控环境里，表明蛋白质与膜之间的结合、释放以及相互调节，足以支持有组织的时空变化。图案可以通过分子循环不断更新，而不是每个蛋白质都固定在同一条纹上。
ATP的全称是三磷酸腺苷，由腺嘌呤、核糖和三个磷酸基团组成，是一种能参与能量转换的核苷酸。讨论供能时，完整过程包括ATP与水反应、产物形成以及这些化学变化如何耦合到蛋白质状态转换，不能只把某根化学键描绘成一拉开就释放能量的弹簧。细胞持续维持反应物和产物之间的化学差别，使某些循环具有方向性。若供给停止，体系可能逐渐耗尽可用的驱动，原有波形随之改变或消失。因此，长期维持的动态结构需要把燃料、产物和交换条件一起说明。
膜在这里也不是被动的背景板。蛋白质在水中的三维扩散与在膜上的二维移动不同，膜结合会提高某些分子局部相遇的机会，并引入驻留时间。细胞的长度、曲率和表面积与体积之比会改变可供结合的位置和交换效率。即使分子的化学性质保持不变，几何条件变化也可能改变振荡的方式或图案的位置。把这些因素拆开研究，就能理解为什么“试管里能出现波”与“细胞里出现特定空间规律”之间还需要几何和反应条件的衔接。
结构还可能反过来改变运动。一个收缩的网络会推动周围液体，流动又把分子带到新的位置；膜弯曲会改变某些蛋白质的结合倾向，而蛋白质聚集又会进一步弯曲膜。这类机械反馈把化学变化、形状变化和物质运输连接起来。此时，单纯的扩散模型需要增加流动或受力的描述。选择模型的依据是观察到的运动方式：随机铺开、整体搬运和沿表面传播，对应的物理过程不同，也会产生不同的尺寸和时间关系。
把漂亮图案变成可以解释的实验
面对一个新体系，最有帮助的起点往往是一组具体问题：改变了哪些条件，哪一种量先发生变化，这个变化能否恢复，以及总量是否保持。研究单链折叠时，可以同时测量结构信号与功能，比较温度跳变后的响应；研究凝聚时，可以测量两相浓度、富集区体积分数以及分子交换；研究空间图案时，则应记录整个时间过程和不同位置的变化。三类实验所需的证据不同，因为它们分别在回答构象、分配和时空耦合的问题。
一种有效的比较是把“最终状态”和“到达过程”分开。若两种条件最终得到相似的折叠比例，但恢复时间相差很大，重点应转向动力学通道；若总体浓度增加后液滴体积增加，而两相浓度近似保持，则可以用相共存和物质守恒组织解释；若只有持续供给燃料时才有稳定的波，供能循环就是机制的重要组成。把观察结果放进对应关系中，可以减少由一张终态照片引出的过多猜测，也能指出下一次实验最该改变的变量。
尺寸变化是另一种特别有辨别力的工具。把通道加长，若主要等待时间近似随长度平方增加，扩散很可能参与了限制过程；改变容器宽度后图案数出现离散调整，则说明边界选择了允许的空间模式。对于液滴，观察融合后形状恢复的速度，可以研究界面驱动与内部阻力的竞争。每一种比较都应保持其他关键条件尽量一致，并记录测量定义，例如“恢复”指信号达到什么比例，“图案间距”如何从多个峰的位置计算。清楚的量比含糊的形容词更容易连接理论和实验。
这些思路也能指导软材料的设计。希望在某个区域富集反应物，可以调节局部相互作用与溶解条件；希望材料在加工后保留结构，需要同时控制形成速度和后续重排；希望出现可调的条纹或波，则要设计促进、限制与运输之间的关系，并为持续过程提供合适的供给。生物大分子的优势在于，它们把特定识别、可变化的结构和多种相互作用放在同一条链上。理解这些能力怎样在不同尺度上组合，便能从“看到了一个有趣结构”走向“知道改变什么会让结构按需要改变”。