AGING AND FRAILTY IN SILICO: THE PROPAGATION OF LOCAL DAMAGE THROUGH COMPLEX NETWORKS
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
Background: The relationships between aging, frailty and mortality are well documented but remain mainly empirical. We present a dynamical network model that explains the patterns of mortality and frailty. Methods: We developed a computational model of human organism as a complex dynamical network of interacting nodes. Each individual is represented by a distinct network with 10,000 nodes- representing potential health deficits that can be in one of two states for every individual: either healthy, or damaged. Some have more connections than others, and each has a local environment defined by the damage state of its connected nodes. The local damage affects the nodes connected with that one (e.g. enhances the damage rate and reduces the repair rate of these nodes). Using Shannon entropy, we calculated how much information frailty adds to assessing the risk of death and how much information individual deficits add. Results: Transitions between damaged and non-damaged states are governed by their stochastic environment. Our model shows how age-dependent acceleration of the frailty index and the Gompertz law of mortality emerge, without specifying an age-damage relationship. The mortality prediction information added by specific deficits increases with deficit degree, i.e. with the number of connections with other deficits: the most connected deficits (e.g. disabilities) become damaged later in life, in contrast to the least connected deficits. Conclusions: Our model supports the idea that aging occurs as an emergent phenomenon, and not as the result of age-specific genetic programming. Instead, aging reflects how damage propagates through a complex network of interconnected elements.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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