Monte Carlo methods for linear and non-linear Poisson-Boltzmann equation
- Others:
- TO Simulate and CAlibrate stochastic models (TOSCA) ; Inria Sophia Antipolis - Méditerranée (CRISAM) ; Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Institut Élie Cartan de Lorraine (IECL) ; Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)-Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)
- Institut Élie Cartan de Lorraine (IECL) ; Université de Lorraine (UL)-Centre National de la Recherche Scientifique (CNRS)
- Centre de Mathématiques Appliquées - Ecole Polytechnique (CMAP) ; École polytechnique (X)-Centre National de la Recherche Scientifique (CNRS)
- Laboratoire des Sciences de l'Information et des Systèmes (LSIS) ; Aix Marseille Université (AMU)-Université de Toulon (UTLN)-Arts et Métiers Paristech ENSAM Aix-en-Provence-Centre National de la Recherche Scientifique (CNRS)
- Geometric computing (GEOMETRICA) ; Inria Sophia Antipolis - Méditerranée (CRISAM) ; Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-Inria Saclay - Ile de France ; Institut National de Recherche en Informatique et en Automatique (Inria)
Description
The electrostatic potential in the neighborhood of a biomolecule can be computed thanks to the non-linear divergence-form elliptic Poisson-Boltzmann PDE. Dedicated Monte-Carlo methods have been developed to solve its linearized version (see e.g.Bossy et al 2009, Mascagni & Simonov 2004}). These algorithms combine walk on spheres techniques and appropriate replacements at the boundary of the molecule. In the first part of this article we compare recent replacement methods for this linearized equation on real size biomolecules, that also require efficient computational geometry algorithms. We compare our results with the deterministic solver APBS. In the second part, we prove a new probabilistic interpretation of the nonlinear Poisson-Boltzmann PDE. A Monte Carlo algorithm is also derived and tested on a simple test case.
Abstract
International audience
Additional details
- URL
- https://hal.inria.fr/hal-01088930
- URN
- urn:oai:HAL:hal-01088930v1
- Origin repository
- UNICA