MétaCan
Menu
Retour à la cohorte
Enregistrement W2846028649 · doi:10.1063/1.5044079

HCVMultiscaleDyn: A simulator for the multiscale model of hepatitis C virus dynamics

2018· article· en· W2846028649 sur OpenAlexfundno aff
Alexander Churkin, Vladimir Reinharz, Harel Dahari, Danny Barash

Notice bibliographique

RevueAIP conference proceedings · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueHepatitis C virus research
Établissements canadiensnon disponible
Organismes subventionnairesBen-Gurion University of the NegevFonds Québécois de la Recherche sur la Nature et les Technologies
Mots-clésHepatitis C virusDynamics (music)Computer scienceDifferential equationInterface (matter)Action (physics)Applied mathematicsVirusSimulationMathematicsVirologyPhysicsMathematical analysisBiology

Résumé

récupéré en direct d'OpenAlex

Multiscale mathematical models that incorporate both intracellular and extracellular hepatitis C virus (HCV) dynamics have been developed in recent years to study HCV-host dynamics and antivirals mode of action and efficacy. They were built upon the standard HCV dynamic model that keeps track of uninfected hepatocytes, HCV-infected hepatocytes, and free virus in blood (for each there is a differential equation), along with a fourth equation that considers the intracellular viral RNA (vRNA) dynamics in an infected cell. A multiscale model with vRNA dynamics consideration is substantially more difficult to solve and the governing differential equations are stiff. In one of the derived differential equations there is also an integral involving the vRNA that is more accurately computed by considering previous iterations, impeding the use of canned solvers. To solve this problem we have chosen to implement a stable and efficient numerical method that belongs to the family of adaptive stepsize methods and is implicit, the Rosenbrock method. We provide a user friendly simulator called HCVMultiscaleDyn with a Graphical User Interface that applies this method and is useful to simulate viral dynamics during antiviral treatment.

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)0,001
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: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,059
Tête enseignante GPT0,337
Écart entre enseignants0,278 · 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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIP conference proceedingsMême sujetHepatitis C virus researchTravaux en français237 207