Bifurcations and Chaotic Dynamics in a Tumour-Immune-Virus System
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
Despite mounting evidence that oncolytic viruses can be effective in treating cancer, understanding the details of the interactions between tumour cells, oncolytic viruses and immune cells that could lead to tumour control or tumour escape is still an open problem. Mathematical modelling of cancer oncolytic therapies has been used to investigate the biological mechanisms behind the observed temporal patterns of tumour growth. However, many models exhibit very complex dynamics, which renders them difficult to investigate. In this case, bifurcation diagrams could enable the visualisation of model dynamics by identifying (in the parameter space) the particular transition points between different behaviours. Here, we describe and investigate two simple mathematical models for oncolytic virus cancer therapy, with constant and immunity-dependent carrying capacity. While both models can exhibit complex dynamics, namely fixed points, periodic orbits and chaotic behaviours, only the model with immunity-dependent carrying capacity can exhibit them for biologically realistic situations, i.e., before the tumour grows too large and the experiment is terminated. Moreover, with the help of the bifurcation diagrams we uncover two unexpected behaviours in virus-tumour dynamics: (i) for short virus half-life, the tumour size seems to be too small to be detected, while for long virus half-life the tumour grows to larger sizes that can be detected; (ii) some model parameters have opposite effects on the transient and asymptotic dynamics of the tumour.
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 | 0,000 | 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 découle