MétaCan
Menu
Retour à la cohorte
Enregistrement W2596548604 · doi:10.3934/dcdsb.2017091

Domain control of nonlinear networked systems and applications to complex disease networks

2017· article· en· W2596548604 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueDiscrete and Continuous Dynamical Systems - B · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGene Regulatory Network Analysis
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésControllabilityDomain (mathematical analysis)Complex networkAttractorNonlinear systemComputer scienceBiological networkGene regulatory networkState (computer science)State spaceControl (management)Topology (electrical circuits)Distributed computingMathematicsArtificial intelligencePhysicsBiologyApplied mathematics

Résumé

récupéré en direct d'OpenAlex

The control of complex nonlinear dynamical networks is an ongoing challenge in diverse contexts ranging from biology to social sciences. To explore a practical framework for controlling nonlinear dynamical networks based on meaningful physical and experimental considerations, we propose a new concept of the domain control for nonlinear dynamical networks, i.e., the control of a nonlinear network in transition from the domain of attraction of an undesired state (attractor) to the domain of attraction of a desired state. We theoretically prove the existence of a domain control. In particular, we offer an approach for identifying the driver nodes that need to be controlled and design a general form of control functions for realizing domain controllability. In addition, we demonstrate the effectiveness of our theory and approaches in three realistic disease-related networks: the epithelial-mesenchymal transition (EMT) core network, the T helper (Th) differentiation cellular network and the cancer network. Moreover, we reveal certain genes that are critical to phenotype transitions of these systems. Therefore, the approach described here not only offers a practical control scheme for nonlinear dynamical networks but also helps the development of new strategies for the prevention and treatment of complex diseases.

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 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 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 enseignants0,646
Score d'incertitude au seuil0,799

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)0,0000,000

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 Opus0,006
Tête enseignante GPT0,240
Écart entre enseignants0,233 · 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