MétaCan
Menu
Retour à la cohorte
Enregistrement W2034851030 · doi:10.4171/owr/2014/19

Mini-Workshop: Mathematical Models for Cancer Cell Migration

2015· article· en· W2034851030 sur OpenAlexaff
Andreas Deutsch, Thomas Hillen, Christina Surulescu

Notice bibliographique

RevueOberwolfach Reports · 2015
Typearticle
Langueen
DomaineMathematics
ThématiqueMathematical Biology Tumor Growth
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputational biologyBiology

Résumé

récupéré en direct d'OpenAlex

Tumour cell invasion is an essential hallmark in the progression of malignant cancer. Thereby, cancer cells migrate through the surrounding tissue (normal cells, extracellular matrix, interstitial fluid) towards blood or lymph vessels which they penetrate and thus access the blood flow. They are carried by blood circulation to distant locations where they extravasate and develop new tumours, a phenomenon known as metastasis. The invasive spread of cancer cells is highly complex – it involves several mechanisms, like diffusion, chemotaxis and haptotaxis; these in turn are conditioned by and influence the subcellular dynamics. Mathematical models offer a powerful tool to gain insight into the complicated biological processess connected to tumour invasion and have also stimulated advanced mathematical research. Some of the new developments in the field of biomedical oncology were inspired by such models. A significant challenge arises due to the interactions of cancer cells with a complicated and structured microenvironment of healthy tissue. Many of the models of cancer cell migration are based on partial differential equations (PDEs) including spatial heterogeneity, orientational tissue structure, tissue stiffness and deformability. Specific settings relate to reaction-diffusion equations, transport equations, continuum equations, and to their multi-scale analysis, to local and global existence and uniqueness, to pattern formation, blow-ups and invasions. A further approach involves agent-based models providing a characterisation of cell migration by way of simulating the (inter)actions of autonomous agents (individual cells, collective dynamics) and aiming for assessing their effects on the entire system. In this meeting we covered the full spectrum between macroscopic PDE models and microscopic individual based models with the common goal of modelling cancer cell migration. Of particular interest was the derivation of macroscopic properties from microscopic details. Similar multiscale models have been used in other contexts (such as chemotaxis for example), and we gained some significant insight from the collaborations in this workshop. In this one week meeting we posted nine open ended problems (outlined below), which will form the seed for new collaborations going far beyond this workshop.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0230,012

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,127
Tête enseignante GPT0,347
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOberwolfach ReportsMême sujetMathematical Biology Tumor GrowthTravaux en français237 207