Resultados en Física 7 (2017) 3346–3348

Listas de contenidos disponibles en ScienceDirect

Resultados en física

página de inicio de la revista: www. revista s .el sevier. com / result ts- in-phys i cs

Cálculo simplificado de la difusividad para una caminata aleatoria basada en celosía con un solo obstáculo

Matthew J. Simpson una , ⇑ , Michael J. Plank segundo , C

una Facultad de Ciencias Matemáticas, Universidad Tecnológica de Queensland, Brisbane, Australia
segundo Escuela de Matemáticas y Estadística, Universidad de Canterbury, Christchurch 8140, Nueva Zelanda
C Te Punaha Matatini, un Centro de Excelencia en Investigación de Nueva Zelanda, Nueva Zelanda

información del artículo resumen

Historia del artículo: El movimiento de las células en los tejidos vivos se ve obstaculizado por obstáculos, que pueden estar estacionarios o también moverse. Presentamos un método
Recibido el 9 de mayo de 2017
simplificado para calcular la difusividad de Fickian exacta para una partícula trazadora en una caminata aleatoria con un obstáculo.
Recibido en forma revisada el 11 de agosto de 2017 Aceptado el 29

de agosto de 2017
2017 Los Autores. Publicado por Elsevier BV Este es un artículo de acceso abierto bajo la licencia CCBY ( http: //
On-line el 4 de septiembre de 2017
creativecommons.org/licenses/by/4.0/ ).

Palabras clave:

Caminata aleatoria

Obstáculos
Difusividad
Desplazamiento cuadrático medio

En vivo El movimiento celular implica efectos de apiñamiento que se pueden modelar mediante
paseos aleatorios basados en celosías. [1–5] . Los obstáculos estacionarios tienen un gran impacto
en el transporte de partículas trazadoras. [6–8] . Mercier y Slater introdujeron un método exacto para
calcular la difusividad Fickian reducida de una partícula trazadora en una red con obstáculos
estacionarios. [9,10] . El método tiene varias aplicaciones
[11-18] . Aquí presentamos un enfoque simplificado para realizar estos cálculos para un solo agente y
un solo obstáculo, prestando especial atención a las diferencias entre el caso donde el obstáculo
está estacionario y el caso donde el obstáculo es móvil.
cuando el obstáculo es móvil, donde re 0 es la difusividad en ausencia del obstáculo.
Describimos el modelo como un proceso de Markov de tiempo continuo.
[19,20] F X re t Þ 2 S t PAG 0 gramo con norte ¼ METRO 1 estados, donde METRO es el número de
sitios de celosía. Estos estados corresponden al desplazamiento relativo del agente etiquetado
(agente 1) del obstáculo (agente
2). Por ejemplo, en una celosía 3 3, norte ¼ 8, como se muestra en Figura 1 (segundo). Cualquier
transición puede lograrse mediante el movimiento del agente 1 en una dirección particular, o mediante el
movimiento del agente 2 en la dirección opuesta.
dirección. La probabilidad pag yo re t Þ de estar en estado yo en el momento t satisface

re p = re t ¼ pag Q [19] , dónde pag re t Þ ¼ ð pag 1 re t Þ; . . . ; pag norte re t ÞÞ, y Q es la matriz de transición
Considere una caminata aleatoria imparcial para dos agentes, un agente trazador y un obstáculo con elementos q ij ¼ lim re t! 0 ½ PAG re X re t þ re t Þ ¼
PAG
con una motilidad determinada, en una red con límites periódicos. Los agentes se colocan j j X re t Þ ¼ yo Þ = re t Si yo - j, y q ij ¼ k - yo q ik Si yo ¼ j.
inicialmente de forma aleatoria y el agente yo intenta someterse a un vecino más cercano de acuerdo La difusividad del agente 1, RE, es dada por Nernst-Einstein
con un
ecuación [9,10] , D = D 0 ¼ lim! 0 re l ð Þ = l 0 Þ, dónde l ð Þ es la movilidad del agente 1 en presencia de
proceso de Poisson independiente de tasa PAG yo ( yo ¼ 1; 2). Los eventos de motilidad que
un sesgo direccional de fuerza,
colocarían a un agente en un sitio ocupado se abortan. Simula
y l 0 ¼ PAG 1 = 2 es la movilidad del agente 1 en presencia del mismo sesgo sin obstáculos [9,10] . Se
ciones Material suplementario ) se utilizan para registrar el componente horizontal del trac mi r
aplica la ecuación de Nernst-Einstein
desplazamiento al cuadrado del agente, X 2 re t Þ, y la difusividad de Fickian, RE, del trazador se puede a la difusividad del agente 1 en el X y y direcciones por separado. Sin embargo, para una celosía
estimar examinando el comportamiento a largo plazo del desplazamiento cuadrático medio, cuadrada, estas difusividades son iguales para nuestro modelo, por lo que solo tratamos con X dirección.
Un sesgo horizontal de fuerza significa que el agente 1 se mueve hacia la derecha / izquierda con
h X 2 re t Þi ( Suplementario Material ). Higo. 1 (una) s h ows ese probabilidades re 1

D = D0 0:81 cuando el obstáculo está parado, y D = D 0 0:84 Þ = 4, y arriba / abajo con probabilidad 1 = 4 cada uno. los
el movimiento del agente 2 es imparcial.
Las tasas de transición se calculan incluyendo un sesgo horizontal,. Si

⇑ Autor correspondiente. yo ! j corresponde al agente 1 moviéndose hacia la derecha luego

Dirección de correo electrónico: matthew.simpson@qut.edu.au (MJ Simpson). q ij ¼ PAG 1 re 1 þ Þ = 4 þ PAG 2 = 4. Si yo ! j corresponde al agente 1 moviéndose a

http://dx.doi.org/10.1016/j.rinp.2017.08.063
2211-3797 / 2017 Los autores. Publicado por Elsevier BV Este es un artículo de acceso abierto bajo la licencia CC BY ( http://creativecommons.org/licenses/by/4.0/
).
 MJ Simpson, MJ Plank / Results in Physics 7 (2017) 3346–3348 3347

Figura 1. ( a) Datos de simulación estocástica en una red de 3 3 para un agente trazador con un estacionario (rojo, PAG 1 ¼ 1; PAG 2 ¼ 0) y en movimiento (verde, PAG 1 ¼ PAG 2 ¼ 1) obstáculo. (b) Espacio de estado para el proceso de Markov en el caso 3 3
que muestra el norte ¼ 8 estados y el estado prohibido (azul). (C) D = D 0 en función del número de sitios de celosía y PAG 2, exacto (sólido) y
resultados estocásticos (círculos). (re) D = D 0 en función de la densidad de obstáculos en una red de 5 5: simulaciones de obstáculos en movimiento con PAG 2 ¼ 1 (círculos), método exacto para obstáculos estacionarios, promediado sobre 10 5 con fi
guraciones de obstáculos aleatorias (línea roja) y límite superior (línea negra). (Para la interpretación de las referencias al color en este pie de figura, el
Se remite al lector a la versión web de este artículo).

Þ=4
la izquierda entonces q ij ¼ PAG 1 re 1 moviéndose hacia þ PAG
arriba / abajo 4. Si
2 =luego q ijyo
¼ ð! PAG
j corresponde alTodas
1 þ PAG 2 Þ = 4. agente 1
las demás tasas de Resultados en Figura 1 (c) mostrar D = D 0 para el agente 1. Para este modelo D = D 0

transición aumenta con norte y PAG 2, con buena concordancia entre los cálculos exactos y estocásticos. Figura

son cero. Mediante una elección adecuada de la escala de tiempo, establecemos PAG 1 ¼ 1, y PAG 2 1 (c) confirma que D = D 0

representa la tasa de movimiento del agente 2 en relación con la del agente se acerca 1 1 = norte, como PAG 2 aumenta. Cuando PAG 2 es pequeña, la distribución estacionaria es

1. Un ejemplo que muestra la estructura de Q se da en Material suplementario . cercana a la de un obstáculo estacionario. En esto
En este caso, el movimiento sesgado del agente 1 significa que es más probable que esté ubicado a la

La movilidad es l ð Þ ¼ v p =, dónde pag es la distribución estacionaria obtenida resolviendo pag izquierda del agente 2 que a la derecha del agente 2, por lo que el segundo término en la Ec. (1) relativamente

Q ¼ 0, y v es un vector que contiene la velocidad de deriva en cada estado. La velocidad de deriva grande y negativo. Sin embargo,

es = 2 en todos los estados, excepto en los dos estados en los que el agente y el obstáculo son cuando PAG 2 es grande, el agente 2 se mueve con mucha frecuencia. Debido a que el movimiento del

adyacentes horizontalmente (estados 4 y 5 en Figura 1 (segundo)). La velocidad de deriva es agente 2 es imparcial, sus movimientos actúan para devolver el pro-
cese hacia una distribución uniforme. Por tanto, el agente 1 es casi

re 1 Þ = 4 en el estado 4 y re 1 þ Þ = 4 en el estado 5 ( Material suplementario ). Por arbitrario norte, igualmente probable que esté ubicado a la izquierda o derecha del agente 2, y pag ; r pag ; l.

los denotamos como estados como l y r, para izquierda y Mientras que Eq. (1) aplica para un solo obstáculo, el límite superior para

Correcto. Simplificamos el problema expresando Q, pag y v como independiente D = D 0 se extiende a 1 k = n En el caso de k obstáculos que se mueven sobre una celosía con norte þ 1

y - dependiente componentes [11,13] , es decir sitios [18] . Si hay k obstáculos en una celosía con

Q ¼ Q 0 þ Q, llevando a D = D 0 ¼ 2 re v: pag 0 þ v 0: pag Þ para el agente 1. En el caso insesgado, la norte þ 1 sitios, 1 k = n es un límite superior para D = D 0. Para ilustrar, realizamos simulaciones con k obstáculos,

distribución estacionaria es uniforme, todos moviéndose al ritmo PAG 2 ¼ 1, en una celosía de 5 5. Figura 1 (d) muestra que D = D 0 para el

v 0 es cero para todos los estados, excepto los

pag 0 ¼ ð 1 = norte Þ½ 1; . . . ; 1, y la velocidad de deriva agente etiquetado

estados r y l dónde v 0 es 1 = 4. El componente dependiente v es 1 = 2 para todos los estados, cae entre D = D 0 para el mismo número de obstáculos estacionarios y el límite superior. Esto es

excepto los estados r y l dónde v es 1 = 4 ( Material suplementario ). El cálculo de los dos productos consistente con nuestra observación de que

escalares da: D = D 0 aumenta con PAG 2, y enfoques 1 k = n como PAG 2 es suficientemente grande.

En resumen, presentamos un método exacto simplificado para calcular la difusividad de Fickian

D = D 0 ¼ ð 1 1 = norte Þ þ ð pag ; r pag ; l Þ = 2; re 1 Þ de un agente marcado que realiza una caminata aleatoria en presencia de un obstáculo. La
simplificación se basa en formular el paseo aleatorio como un proceso de Markov. [20] cuyo espacio
dónde pag se encuentra resolviendo el sistema lineal pag Q 0 ¼ pag 0 Q. A de estados representa el desplazamiento relativo entre el agente y el obstáculo. Si bien es estándar
PAG norte
satisfacer la restricción yo ¼ 1 pag yo ¼ 1, una columna de Q debe ser reemplazado representar un paseo aleatorio como un proceso de Markov [20] , nuestro enfoque proporciona una
por una columna de unos. Los dos términos entre paréntesis a la derecha en la Ec. visión física al reformular el enfoque de Mercier y Slater [9,10] como un proceso de Markov y
(1) proporcionar una interpretación física significativa: 1 1 = norte es la proporción de sitios desocupados. aprovechando la simplificación del espacio de estados cuando hay un solo agente y un solo
Debido a que el agente 1 está sesgado hacia la derecha, es más probable que el agente 1 esté ubicado obstáculo. En principio,
a la izquierda del agente 2, por lo tanto
pag ; r < pag ; yo y 1 1 = norte, es un límite superior para D = D 0.
3348 MJ Simpson, MJ Plank / Results in Physics 7 (2017) 3346–3348
Nuestro enfoque se aplica a sistemas con muchos obstáculos arbitrarios, pero solo es manejable
para un obstáculo. Sin embargo, la estructura de Eq. (1) proporciona una visión física del papel de la
motilidad del obstáculo ya que el resultado exacto se interpola entre el caso en el que el obstáculo
está estacionario y el límite superior cuando el obstáculo se mueve lo suficientemente rápido.
Nuestros resultados se relacionan con observaciones previas sobre modelos libres de celosía de
movimiento browniano. [21] . La difusividad de un agente etiquetado que se mueve sobre una celosía
aumenta con la velocidad de movimiento de los obstáculos, lo cual es consistente con los resultados
de una descripción sin celosía. [5,22] . Cuando una partícula infinitesimalmente pequeña se difunde en
un modelo sin celosía, el efecto de los obstáculos desaparece en el límite donde su velocidad de
movimiento se vuelve arbitrariamente grande. [22] . Sin embargo, en un modelo basado en celosía, el
agente etiquetado siempre tiene un tamaño finito, igual a un espaciado de celosía. En este caso,
nuestros resultados muestran que los obstáculos siempre reducen la diferencia del agente etiquetado
fusividad incluso en el límite PAG 2! 1.
Expresiones de gratitud
Agradecemos el apoyo del Australian Research Council (DP170100474) y las sugerencias de
dos árbitros.
Apéndice A. Datos complementarios
Los datos complementarios asociados con este artículo se pueden encontrar, en la versión en
línea, en http://dx.doi.org/10.1016/j.rinp.2017.08.063 .
Referencias
[1] Codling EA, Plank MJ, Benhamou S. JR Soc Interface 2008; 5: 813–34 . [2] Saxton MJ. Biophys J 1994; 66:
394–401 . [3] Ellery AJ, Simpson MJ, McCue SW, Baker RE. J Chem Phys 2014; 140: 054108 . [4] Wedemeier A,
Zhang T, Merlitz H, Wu CX, Langowski J. J Chem Phys
2008; 128: 155101 .
[5] Bruna M, Chapman SJ. J Chem Phys 2012; 137: 204116 . [6] Soula H, Care B, Belson G, Berry H. Biophys J 2013;
105: 2064–73 . [7] Berry H, Chate H. Phys Rev E 2014; 89: 022708 . [8] Smith S, Grima R. J Chem Phys 2017; 146:
024105 . [9] Mercier JF, Slater GW, Guo HL. J Chem Phys 1999; 110: 6050–6 . [10] Mercier JF, Slater GW. J Chem
Phys 1999; 110: 6057–65. . [11] Ellery AJ, Baker RE, Simpson MJ. Phys Biol 2015; 12: 066010 . [12] Ellery AJ, Baker
RE, McCue SW, Simpson MJ. Physica A 2016; 449: 74–84 . [13] Ellery AJ, Baker RE, Simpson MJ. J Chem Phys
2016; 144: 171104 . [14] Ellery AJ, Baker RE, Simpson MJ. Phys Biol 2016; 13: 05LT02 . [15] Slater GW, Guo HL.
Electroforesis 1996; 17: 977–88 . [dieciséis] Boileau J, Slater GW. Electroforesis 2001; 22: 673–83 . [17] Gauthier MG,
Slater GW. Electroforesis 2003; 24: 441–51 . [18] Kingsburry C. Tesis de maestría, http://web5.uottawa.ca/www5/p2uo/website/
Slater-Theses / 2008-ChristineKingsburry-MSc.pdf (Agosto de 2017). [19] Grimmett G, Stirzaker D. Probabilidad
y procesos aleatorios. Oxford: Oxford
Prensa Universitaria; 2001 .
[20] Hughes BD. Paseos aleatorios y entornos aleatorios, vol. 1. Oxford: Oxford
Prensa Universitaria; 1995 .
[21] Hashin Z, Shtrikman S. J Appl Phys 1962; 33: 3125–31 . [22] Bruna M, Chapman SJ.
SIAM J Appl Math 2015; 75: 1648–74 .