擴散與對流的精確處理涉及流體力學、統計力學、生物物理多個領域。現代生理學模型整合兩者，描述複雜的多尺度運輸現象。
Navier-Stokes 方程式
描述流體對流：
ρ(∂v/∂t + v·∇v) = −∇P + μ∇²v + f
含對流、壓力、黏滯、外力。Reynolds 數區分層流 vs 湍流：
Re = ρvL/μ
微血管 Re ~ 0.001（極層流）；主動脈 Re ~3000（湍流臨界）。
對流-擴散方程式
∂C/∂t + v·∇C = D∇²C + S
左側對流項、右側擴散項與來源項。Péclet 數 Pe = vL/D 為對流項相對擴散項的無量綱比。
Stokes-Einstein 推導
結合：
- Einstein 關係：⟨x²⟩ = 2Dt
- Stokes 摩擦：F = 6πηrv
- 漲落-耗散定理：D = kBT/ξ
得 D = kBT/(6πηr)。對非球形分子需修正。
異常擴散
⟨x²⟩ ∝ t^α：
- α = 1：正常擴散（布朗）
- α < 1：sub-diffusion（受困、擁擠）
- α > 1：super-diffusion（流動、主動運輸）
生物常見 sub-diffusion 機制：
- 障礙物（crowding）
- 結合-解離（receptor）
- 連續時間隨機行走（CTRW）
- 分形介質
Metzler-Klafter 理論：分數 Fick 方程式描述異常擴散。
Macromolecular Crowding
Minton 等量化：
- 細胞質蛋白質 30-40% v/v
- 排除體積效應放大結合 K（~10-100×）
- D_eff = D/μ，μ ~ 3-5
影響：
Generalized Hydrodynamic Theory
非牛頓流體（如血液在小血管）需 Carreau、power-law 等模型。Fahraeus-Lindqvist 效應：小血管中血液黏度降低（紅血球軸向遷移）。
Lattice Boltzmann 與多尺度模擬
計算流體力學（CFD）多尺度方法：
- 微觀：MD 模擬擴散
- 中觀：Lattice Boltzmann
- 宏觀：Navier-Stokes
應用於：人工血管設計、血腦屏障建模、藥物遞送預測。
單分子追蹤（SPT）
螢光標記單個分子，毫秒解析：
- 揭示 D 分布（不只平均）
- 識別 sub/super-diffusion
- 偵測限制區域（confinement）
FLEXTorR、TrackMate 等軟體分析。
體外微流體（Microfluidics）
μm 尺度通道中：
- Re < 1（層流）
- Pe 中等
- 設計藥物篩選、organ-on-chip
臟器晶片（lung-on-chip、gut-on-chip）模擬人體運輸環境。
Lymphatic system
淋巴系統的「慢對流」：
- 速度極低（~1 mm/min）
- 從組織液收集大分子（白蛋白）
- 經淋巴結濾、最終回血液
- 重要的免疫細胞遷移路徑
Glymphatic System（腦類淋巴）
2012 年 Maiken Nedergaard 發現：
- 腦中沒有傳統淋巴
- CSF 透過 AQP4 流經血管周圍空間
- 清除代謝廢物（包括 β-amyloid）
- 睡眠時活性最高
阿茲海默症與 glymphatic 失調相關。
Mass Transfer in Engineering
化學工程的「傳質」（mass transfer）：
- 對流質量傳遞係數 k_m
- Sherwood 數：Sh = k_m L/D
- Schmidt 數：Sc = μ/(ρD)
應用：分離、純化、反應器設計。
Drug Delivery
精準靶向遞送涉及多重運輸：
- 奈米粒子：被動靶向（EPR 效應）vs 主動靶向（抗體）
- liposomes、micelles：擴散透過膜
- 植入劑：擴散釋放
- 微針陣列：對流入皮
- 磁靶向：磁場引導對流方向
精準醫療與運輸
個體化藥動學考慮：
- 個體血流分布
- 組織擴散障壁
- 代謝速率
- 基因型（CYP polymorphism）
物理模型（PBPK）整合擴散與對流預測個體用藥反應。
前沿主題
- 大腦延伸的 connectome：神經元、血管網的擴散-對流交互
- 腫瘤穿透增強：突破腫瘤運輸障礙的策略
- CRISPR 遞送：mRNA-LNP 的擴散-對流動力學
- AI 預測藥物分布：機器學習從結構預測 PK
- 太空生理學：微重力下流體分布改變影響擴散-對流平衡
- 奈米孔感測：單分子擴散基礎的測序技術