A calibration and uncertainty quantification analysis of classical, fractional and multiscale logistic models of tumour growth
Notice bibliographique
Résumé
Abstract The validation of mathematical models of tumour growth is frequently hampered by the lack of sufficient experimental data, resulting in qualitative rather than quantitative studies. Recent approaches to this problem have attempted to extract information about tumour growth by integrating multiscale experimental measurements, such as longitudinal cell counts and gene expression data. In the present study, we investigated the performance of several mathematical models of tumour growth, including classical logistic, fractional and novel multiscale models, in terms of quantifying in-vitro tumour growth in the presence and absence of therapy. We further examined the effect of genes associated with changes in chemosensitivity in cell death rates. State-of-the-art Bayesian inference, likelihood maximisation and uncertainty quantification techniques allowed a thorough evaluation of model performance. The results suggest that the classical single-cell population model (SCPM) was the best fit for the untreated and low-dose treatment conditions, while the multiscale model with a cell death rate symmetric with the expression profile of OCT4 (SymSCPM) yielded the best fit for the high-dose treatment data. Further identifiability analysis showed that the multiscale model was both structurally and practically identifiable under the condition of known OCT4 expression profiles. Overall, the present study demonstrates that model performance can be improved by incorporating multiscale measurements of tumour growth.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 | 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 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 ».