癌症,作为目前危害人类健康的最大杀手,人们对此进行了大量的研究,但是癌症的死亡率仍在不断攀升,其中癌细胞的转移是癌症致死的一个非常重要的因素。在这篇文章中,我们基于实验细胞迁移数据,结合布朗运动和统计物理方法,深度分析了细胞迁移的轨迹。并使用一些新颖有效的方法,如通过功率谱拟合得到癌细胞迁移的运动参数。人们发现不同类型的细胞具有不同的运动行为。一些类型细胞的自关联函数是双指数衰减的,这与传统的持续随机行走模型(Persistent random walk)所产生的单指数衰减不一样。众所周知,传统的持续随机模型是各项同性的,然而细胞运动所处的微环境却是各向异性的,然而这种各向异性对癌细胞的迁移模式具有重要的影响,因此本文将引用各向异性的模型来分析其对癌细胞迁移的重要影响。为了深度挖掘时间序列数据中的信息,本文将奇异矢量分解(Singular vector decomposition)方法应用到细胞的轨迹中以得到任何一条迁移轨迹的主轴和副轴。基于这个方法,我们可以使用传统的分析方法来得到细胞在这两个轴上的迁移性质,进一步验证微环境的各向异性对细胞迁移的影响。通过最大似然估计方法拟合速度功率谱,我们可以得到细胞的运动参数(持续时间和扩散系数),从而了解一个细胞群体中细胞的结构。这种细胞结构可以有助于我们理解群体细胞迁移中领头细胞交换的现象,并为之后建模群体细胞的迁移提供参考。并且通过分析实验数据,我们可以粗略地得到癌细胞迁移的物理图像。