细胞迁移的随机和确定性建模
摘要：利用数学模型来解释和预测细胞迁移是重要的工具。通常有两种模拟细胞迁移的方法：微观尺度的离散方法和宏观尺度的连续方法。离散方法使用基于智能体的模型，通常是随机的，并考虑细胞尺度的特征。相反，连续方法中，细胞密度通常被建模成确定性的偏微分方程系统，提供了在群体水平上对迁移的整体描述。确定性模型的优点是它们通常更容易进行数学分析。对于包含大量细胞的系统，确定性模型可以获得重要的洞察力，在这种情况下，模拟随机智能体模型会变得计算代价很高。然而，找到一个适合描述个体细胞群体行为的连续模型是一项困难的任务。确定性模型通常基于现象学基础指定，这降低了它们的预测能力。随机智能体模型相对于确定性的连续模型有一些优势。特别是，智能体模型可以适当地表示个体层面的行为（如细胞增殖和细胞间相互作用），并且可以使用实验数据进行直接参数化。因此，至关重要的是建立随机微观行为和确定性宏观动力学之间的直接联系。在本章中，我们描述了在某些情况下，这两种不同的建模方法可以统一到一个离散-连续等价框架中。我们概述了该领域的一些较新的进展，并指出一些尚未解答的相关问题。
作者：Enrico Gavagnin and Christian A. Yates
论文ID：1806.06724
分类：Cell Behavior
分类简称：q-bio.CB
提交时间：2018-08-16