費克定律是擴散現象的宏觀經驗式，其微觀基礎源於統計力學的隨機行走（random walk）模型，並在熱力學上對應化學位能梯度驅動的不可逆過程。現代生理學與生物物理已將其擴展至複雜情境。
隨機行走與 Einstein 關係
微觀粒子在熱擾動下進行布朗運動。Einstein（1905）推導：
⟨x²⟩ = 2Dt（一維）
⟨r²⟩ = 6Dt（三維）
結合摩擦係數 ξ = 6πηr（Stokes 定律）：
D = kBT/ξ
Einstein 關係連結擴散（thermal motion）與摩擦（dissipation），是漲落-耗散定理（fluctuation-dissipation theorem）的早期實例。
Maxwell-Stefan 多元擴散
Fick 定律假設稀溶液或單一溶質。在多元系統（如生理電解質）需 Maxwell-Stefan 方程式：
−∇μ_i = Σ_j (xj(vi−vj)/Đij)
其中 Đij 為二元擴散係數矩陣。例如電解質溶液 Na⁺ 移動會「拖拽」反離子 Cl⁻ 形成擴散電位（Liquid junction potential）。
Fick 定律的限制
- 遠離平衡（far from equilibrium）：化學位能梯度而非濃度梯度為真正驅動力
J = −D(C) × dμ/dx - 擁擠環境：細胞質蛋白質濃度 200-300 mg/mL，分子擁擠（macromolecular crowding）降低 D 10-100×
- 異常擴散（anomalous diffusion）：⟨x²⟩ ∝ t^α，α<1 sub-diffusion（受困）、α>1 super-diffusion（流動）。膜上蛋白質、染色質運動常呈 sub-diffusion
- 反應-擴散耦合：含化學反應時，Turing 模式形成（如黑白條紋的斑馬、海螺殼花紋）
反應-擴散與 Turing 模式
∂U/∂t = Du·∇²U + f(U,V)
∂V/∂t = Dv·∇²V + g(U,V)
Turing（1952）證明當 Du ≠ Dv 時，均勻穩態可能不穩定，產生自發空間模式。應用：
- 胚胎發育（指間距、毛囊間距）
- 形態發生（fingerprint、retina）
- 化學振盪（Belousov-Zhabotinsky）
生理擴散的精確模型
肺擴散容量：
DLco = κ × Vc + (1/DLco − 1/(θ·Vc))
含膜阻力與血液阻力雙因素微血管至組織擴散（Krogh 圓柱模型）：
Krogh（1919 諾貝爾獎）：每根微血管供應半徑 R 的組織圓柱。穩態解：
C(r) = C_cap − (Q/(4D)) × (r² − R²) + (QR²/(2D))·ln(r/R)腎絲球過濾的 Starling 修訂：
含 glycocalyx 層的雙重屏障模型，2010s 後逐步取代傳統三層模型
膜輸送的詳細
單純擴散（simple diffusion）受 Fick 控制；協助擴散（facilitated diffusion）由載體蛋白介導，呈 Michaelis-Menten 飽和；主動運輸（active transport）反向梯度，需 ATP。
Glucose transporter GLUT1 是經典協助擴散例子，飽和動力學：J = Vmax·[S]/(Km+[S])，與 Fick 線性大不相同。
單分子擴散測量
現代技術：
- 螢光相關光譜（FCS）：μs-s 時間尺度
- 單分子追蹤（SPT）：~10 nm 空間解析
- FRAP（螢光回復後光漂白）：細胞膜上蛋白質擴散測量
- iSCAT：散射訊號無標記成像
揭示膜域、cytoskeletal corral、phase separation 對擴散的影響。
擁擠與相分離
細胞質的「擁擠」效應由 Minton 等量化：實際擴散係數 Deff = D/μ，μ 為微觀黏度（cytoplasm ~3× water）。
核仁、應力顆粒等液-液相分離凝聚體內擴散 1000× 慢於體相，可作為「反應器」局部高濃度提升酵素效率。
前沿主題