A Reaction-Diffusion Model for Radiation-Induced Bystander Effects
Notice bibliographique
Résumé
Abstract We develop and analyze a reaction-diffusion model to investigate the dynamics of the lifespan of a bystander signal emitted when cells are exposed to radiation. Experimental studies by Mothersill and Seymour 1997, using malignant epithelial cell lines, found that an emitted bystander signal can still cause bystander effects in cells even 60h after its emission. Several other experiments have also shown that the signal can persist for months and even years. Also, bystander effects have been hypothesized as one of the factors responsible for the phenomenon of low-dose hyper-radiosensitivity and increased radioresistance (HRS/IRR). Here, we confirm this hypothesis with a mathematical model, which we fit to Joiner’s data on HRS/IRR in a T98G glioma cell line. Furthermore, we use phase plane analysis to understand the full dynamics of the signal’s lifespan. We find that both single and multiple radiation exposure can lead to bystander signals that either persist temporarily or permanently. We also found that, in an heterogeneous environment, the size of the domain exposed to radiation and the number of radiation exposures can determine whether a signal will persist temporarily or permanently. Finally, we use sensitivity analysis to identify those cell parameters that affect the signal’s lifespan and the signal-induced cell death the most.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».