MétaCan
Menu
Retour à la cohorte
Enregistrement W2768307086 · doi:10.13034/jsst.v10i2.208

Modelling neurodevelopment, neurodegeneration, and amyloid beta aggregation in the context of Alzheimer's using COBWEB

2017· article· en· W2768307086 sur OpenAlexvenueaboutno aff
Melisa Gumus, Alessandro Ricci

Notice bibliographique

RevueJournal of Student Science and Technology · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueAlzheimer's disease research and treatments
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNeurodegenerationNeuroscienceDiseaseContext (archaeology)Amyloid (mycology)Amyloid betaAlzheimer's diseaseTau proteinMedicinePsychologyBiologyPathology

Résumé

récupéré en direct d'OpenAlex

Alzheimer’s disease (AD) is a neurodegenerative disease. It is a growing concern, demanding the attention of families, scientists, and pharmaceutical companies due to its devastating impacts on patients. The disease is believed to be triggered by pathogenic amyloid beta protein (Aβ) formations in the brain. In order to understand the protein production and the plaque formation in the AD brain, we specifically focused on the ‘Amyloid Cascade Hypothesis,’ which explains the biological pathways and the players in the disease. Focusing on the macro-side, we modelled the progression of AD from neurodevelopment (healthy brain) to neurodegeneration (the disease state) by using the agent based computer simulation program called COBWEB. Our model begins with healthy, developing neurons thriving in the hippocampus and cerebrospinal fluid (CSF) working efficiently. The brain ages throughout the adulthood phase. The onset of the disease and its progression is modelled with plaque formation, a decline in neuron counts, and an inefficient cleaning mechanism close to the end of the experiment. We conclude that our model fulfills its purpose: to provide a visual contrast between health and disease through the slow progression of AD in real time, increasing one’s understanding of this illness. Its accuracy is attributed to Aβ plaque formation, neuronal death, and CSF deterioration. Future projects include testing, designing, and refining new treatments using this model, diminishing the barrier to entry for new ideas, and providing a new tool for teaching AD.La maladie d’Alzheimer (MA) est une maladie neurodégénérative. Elle est un souci croissant, exigeant l’attention des familles, des scientifiques et des sociétés pharmaceutiques en raison de ses effets dévastateurs sur les patients. Nous pensons que la maladie est provoquée par la formation pathogénique de la protéine bêta amyloïde (Aß) dans le cerveau. Afin de comprendre la production de la protéine et la formation de plaques dans le cerveaud’un patient atteint de MA, nous avons mis l’accent spécifiquement sur l’hypothèse de la cascade amyloïde, ce qui explique les voies biologiques et les acteurs impliqués dans la maladie. En nous concentrant sur la macroscopie, nous avons modélisé la progression de la MA du début du neurodéveloppement (le cerveau en bonne santé) à la neurodégénérescence (l’état de la maladie) en utilisant le programme de simulation numérique basé sur un agent appelé COBWEB. Notre modèle commence avec des neurones qui se développent normalement, grandissant dans l’hippocampe et le liquide céphalo-rachidien (LCR) et travaillant efficacement. Le cerveau vieillit tout au long de la phase adulte. L’apparition de la maladie et de sa progression est modélisée avec la formation des plaques, une diminution du nombre neurones, et un mécanisme de nettoyage inefficace près de la fin. Nous concluons que notre modèle répond à son but de fournir un contraste visuel entre la santé et la maladie à travers la lente progression de la MA en temps réel, ce qui augmente notre compréhension de la MA. Sa précision est attribuée à la formation de plaques Aß, la mort neuronale et la détérioration du LCR. Les projets futurs incluent des tests, la conception et le raffinage de nouveaux traitements en utilisant ce modèle, ce qui diminue la barrière à l’entrée pour de nouvelles idées, et de fournir un nouvel outil pour enseigner la MA.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,072
Tête enseignante GPT0,361
Écart entre enseignants0,289 · 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

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Student Science and TechnologyMême sujetAlzheimer's disease research and treatmentsTravaux en français237 207