MétaCan
Menu
Retour à la cohorte
Enregistrement W2094936213 · doi:10.1039/c5sm00304k

Coupling actin dynamics to phase-field in modeling neural growth

2015· article· en· W2094936213 sur OpenAlexaff
Sara Najem, Martin Grant

Notice bibliographique

RevueSoft Matter · 2015
Typearticle
Langueen
DomaineMaterials Science
ThématiqueSolidification and crystal growth phenomena
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésDynamics (music)Coupling (piping)Boundary (topology)ActinBiological systemPhase (matter)Field (mathematics)Tracking (education)Order (exchange)Phase boundaryArtificial neural networkSystem dynamicsBoundary value problemComputer scienceStatistical physicsPhysicsMechanicsMathematicsArtificial intelligenceMathematical analysisBiologyEngineeringMechanical engineeringAcousticsCell biology

Résumé

récupéré en direct d'OpenAlex

In this paper we model the growth of a neural cell together with the actin dynamics taking place at its growing region by constructing a phase-field model. This is done by assigning auxiliary fields to different constituents of the cell in order to differentiate them. Specifically, the inner and outer regions of the neural cell are described by ϕ = 1 and ϕ = 0 respectively, whereas the inside and outside of its leading edge are portrayed by ψ = 1 and ψ = 0. This formulation inherently locates the boundary, which is required to determine the evolution of the underlying actin dynamics. Therefore, it provides an alternative to boundary tracking algorithms. Then the equations governing the molecular workings of the cell specifically those of actin are modified in order to satisfy their corresponding boundary conditions.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,840
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,042
Tête enseignante GPT0,302
Écart entre enseignants0,259 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations7
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSoft MatterMême sujetSolidification and crystal growth phenomenaTravaux en français237 207