MétaCan
Menu
Retour à la cohorte
Enregistrement W2325225978 · doi:10.3934/mbe.2014.11.1091

Dynamics of evolutionary competition between budding and lytic viral release strategies

2014· article· en· W2325225978 sur OpenAlexaff
Xiulan Lai, Xingfu Zou

Notice bibliographique

RevueMathematical Biosciences & Engineering · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEvolution and Genetic Dynamics
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésLytic cycleBuddingVirusBiologyCompetition (biology)VirologyCell biologyEcology

Résumé

récupéré en direct d'OpenAlex

In this paper, we consider the evolutionary competition between budding and lytic viral release strategies, using a delay differential equation model with distributed delay. When antibody is not established, the dynamics of competition depends on the respective basic reproductive ratios of the two viruses. If the basic reproductive ratio of budding virus is greater than that of lytic virus and one, budding virus can survive. When antibody is established for both strains but the neutralization capacities are the same for both strains, consequence of the competition also depends only on the basic reproductive ratios of the budding and lytic viruses. Using two concrete forms of the viral production functions, we are also able to conclude that budding virus will outcompete if the rates of viral production, death rates of infected cells and neutralizing capacities of the antibodies are the same for budding and lytic viruses. In this case, budding strategy would have an evolutionary advantage. However, if the antibody neutralization capacity for the budding virus is larger than that for the lytic virus, the lytic virus can outcompete the budding virus provided that its reproductive ratio is very high. An explicit threshold is derived.

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,215
Écart entre enseignants0,211 · 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'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

Citations9
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Biosciences & EngineeringMême sujetEvolution and Genetic DynamicsTravaux en français237 207