[论文解读] Analytical And Numerical Approximation of Effective Diffusivities in The Cytoplasm of Biological Cells

Michael Hanke, Marry-Chriz Cabauatan-Villanueva|arXiv (Cornell University)|Feb 26, 2010

Monoclonal and Polyclonal Antibodies Research参考文献 2被引用 3

一句话总结

本文提出一种两步均质化方法，用于近似哺乳动物细胞复杂细胞质中的有效扩散系数，结合微尺度的解析均质化与宏尺度的数值随机均质化。该方法在与真实细胞几何结构对比验证时，有效扩散系数估计的准确度达到5%–20%，实现了计算上可行的胞内代谢建模。

ABSTRACT

The simulation of the metabolism in mammalian cells becomes a severe problem if spatial distributions must be taken into account. Especially the cytoplasm has a very complex geometric structure which cannot be handled by standard discretization techniques. In the present paper we propose a homogenization technique for computing effective diffusion constants. This is accomplished by using a two-step strategy. The first step consists of an analytic homogenization from the smallest to an intermediate scale. The homogenization error is estimated by comparing the analytic diffusion constant with a numerical estimate obtained by using real cell geometries. The second step consists of a random homogenization. Since no analytical solution is known to this homogenization problem, a numerical approximation algorithm is proposed. Although rather expensive this algorithm provides a reasonable estimate of the homogenized diffusion constant.

研究动机与目标

• 为解决在生物上真实、异质的细胞质几何结构中模拟胞内扩散的计算不可行性。
• 开发一种均质化策略，以降低哺乳动物细胞中反应-扩散模型的复杂性，同时保留关键的生化行为。
• 将解析均质化结果与基于真实细胞显微照片提取的几何结构的数值模拟进行对比验证。
• 提出并测试一种三维随机均质化的数值算法，该问题在无解析解的情况下仍可求解。
• 为多尺度细胞环境中有效扩散系数的估算提供一个实用框架。

提出的方法

• 对从最小（微观）尺度到中间尺度的过渡应用解析均质化，假设膜结构具有周期性。
• 通过将解析得到的有效扩散系数与从显微照片中提取的真实细胞几何结构导出的数值估计值进行比较，评估均质化误差。
• 在从中间尺度到大尺度的过渡中实施随机均质化技术，假设膜取向为各向同性且均匀分布。
• 在Comsol Multiphysics中使用基于蒙特卡洛的数值模拟，近似二维和三维随机介质中的有效扩散张量。
• 通过改变样本大小和区域实现次数，重复进行数值实验，以评估收敛性与统计可靠性。
• 使用分配系数来模拟膜边界处的快速吸收/解吸过程，简化相间质量传递。

实验结果

研究问题

• RQ1 与基于真实细胞几何结构的数值模拟相比，解析均质化在周期性细胞质结构中估算有效扩散系数的准确性如何？
• RQ2 在二维和三维随机介质中，估算有效扩散系数的数值蒙特卡洛模拟的收敛行为与统计可靠性如何？
• RQ3 样本大小和实现次数的选择如何影响估算的有效扩散系数的准确度与精确度？
• RQ4 当无解析解存在时，数值随机均质化是否能为三维空间中的有效扩散张量提供可靠估计？
• RQ5 在细胞质中建模有效扩散时，假设膜取向为随机且均匀分布的合理性如何？

主要发现

• 与基于真实细胞几何结构的数值模拟相比，解析均质化方法估算的有效扩散系数误差在5%–20%之间，考虑到输入扩散系数的实验不确定性，该误差范围可接受。
• 在二维模拟中，实验平均有效扩散系数始终高估精确值，且随着样本量增加，标准差减小，表明呈现线性收敛性。
• 对于二维情形下 $d_{11}=1$，$d_{22}=10$，理论有效扩散系数为 $3.1623$，当 $N=20$ 且进行150次试验时，数值实验的均值为 $3.1708$，标准差为 $0.1516$。
• 在三维模拟中，当 $d_{11}=9$，$d_{22}=25$，$d_{33}=1$ 时，经过充分采样后，数值平均有效扩散系数稳定在约 $8.7$，且当 $N=20$ 时，标准差在 0.05 至 0.15 之间。
• 在Comsol Multiphysics中，当 $N>20$ 的三维模拟计算时间变得极为漫长（在2GHz AMD Opteron处理器上长达一周），凸显了对更高效数值求解器的需求。
• 可靠估算的最优样本量似乎与 $N$ 无关，建议至少采用15次试验，以避免因样本过小导致标准差被误导性地低估。