An Age-Structured Model of HIV Infection that Allows for Variations in the Production Rate of Viral Particles and the Death Rate of Productively Infected Cells
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Mathematical models of HIV-1 infection can help interpret drug treatment experiments and improve our understanding of the interplay between HIV-1 and the immune system. We develop and analyze an age- structured model of HIV-1 infection that allows for variations in the death rate of productively infected T cells and the production rate of viral particles as a function of the length of time a T cell has been infected. We show that this model is a generalization of the standard differential equation and of delay models previously used to describe HIV-1 infection, and provides a means for exploring fundamental issues of viral production and death. We show that the model has uninfected and infected steady states, linked by a transcritical bifurcation. We perform a local stability analysis of the nontrivial equilibrium solution and provide a general stability condition for models with age structure. We then use numerical methods to study solutions of our model focusing on the analysis of primary HIV infection. We show that the time to reach peak viral levels in the blood depends not only on initial conditions but also on the way in which viral production ramps up. If viral production ramps up slowly, we find that the time to peak viral load is delayed compared to results obtained using the standard (constant viral production) model of HIV infection. We find that data on viral load changing over time is insufficient to identify the functions specifying the dependence of the viral production rate or infected cell death rate on infected cell age. These functions must be determined through new quantitative experiments.
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.
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 | 0,002 | 0,002 |
| 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 | 0,001 |
| 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 découle