用于三角定位感知及揭示脑中细胞导航原理的计算方法与时标混合随机模拟

布朗模拟可用于生成与研究分子相互作用或转运相关的统计量。然而，同时模拟大量布朗轨迹可能变得在计算上难以处理。用速率模型替代详细的布朗模拟是 Gillespie 算法的基础，但这要求忽略空间信息。然而，该信息在分子与细胞生物学中至关重要。另一种方法是使用混合方法，仅在空间组织相关的微小区域内生成布朗路径，而在其余区域避免之。在此我们回顾在通过外部化学梯度进行细胞感知与导向背景下的混合方法与模拟的最新进展。具体而言，我们强调从到达位于细胞上窄窗口的扩散通量重建二维与三维中点源的位置。我们讨论了这些窗口位于二维或三维半空间边界、自由空间中圆盘、二维走廊内部或三维球体内的情况。所讨论的混合方法仅在感兴趣区域内执行布朗模拟。它利用上述几何形状的 Neumann-Green 函数，在轨迹离开区域时生成出口与入口点的精确映射，从而避免在无限域中显式计算布朗路径。匹配渐近展开用于计算到达小窗口的概率通量，我们回顾了此类方法如何用于重建点源位置并估计由于通量中存在的加性扰动而导致的源重建不确定性。我们还回顾了各种窗口配置对源位置恢复的影响。最后，我们讨论了在发育细胞生物学中的潜在应用及可能的计算原理。