<i>CellLine</i>, a stochastic cell lineage simulator
Notice bibliographique
Résumé
UNLABELLED: We present CellLine, a simulator of the dynamics of gene regulatory networks (GRN) in the cells of a lineage. From user-defined reactions and initial substance quantities, it generates cell lineages, i.e. genealogic pedigrees of cells related through mitotic division. Each cell's dynamics is driven by a delayed stochastic simulation algorithm (delayed SSA), allowing multiple time delayed reactions. The cells of the lineage can be individually subject to 'perturbations', such as gene deletion, duplication and mutation. External interventions, such as adding or removing a substance at a given moment, can be specified. Cell differentiation lineages, where differentiation is stochastically driven or externally induced, can be modeled as well. Finally, CellLine can generate and simulate the dynamics of multiple copies of any given cell of the lineage. As examples of CellLine use, we simulate the following systems: cell lineages containing a model of the P53-Mdm2 feedback loop, a differentiation lineage where each cell contains a 4 gene repressilator (a bistable circuit), a model of the differentiation of the cells of the retinal mosaic required for color vision in Drosophila melanogaster, where the differentiation pathway depends on one substance's concentration that is controlled by a stochastic process, and a 9 gene GRN to illustrate the advantage of using CellLine rather than simulating multiple independent cells, in cases where the cells of the lineage are dynamically correlated. AVAILABILITY: The CellLine program, instructions and examples are available at www.ucalgary.ca/~aribeiro/CellLine/CellLine.html
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».