A mathematical modeling technique to understand the role of decoy receptors in ligand-receptor interaction
Notice bibliographique
Résumé
The ligand-receptor interaction is fundamental to many cellular processes in eukaryotic cells such as cell migration, proliferation, adhesion, signaling and so on. Cell migration is a central process in the development of organisms. Receptor induced chemo-tactic sensitivity plays an important role in cell migration. However, recently some receptors identified as decoy receptors, obstruct some mechanisms of certain regular receptors. DcR3 is one such important decoy receptor, generally found in glioma cell, RCC cell and many various malignant cells which obstruct some mechanism including apoptosis cell-signaling, cell inflammation, cell migration. The goal of our work is to mathematically formulate ligand-receptor interaction induced cell migration in the presence of decoy receptors. We develop here a novel mathematical model, consisting of four coupled partial differential equations which predict the movement of glioma cells due to the reaction-kinetic mechanism between regular receptors CD95, its ligand CD95L and decoy receptors DcR3 as obtained in experimental results. The aim is to measure the number of cells in the chamber's filter for different concentrations of ligand in presence of decoy receptors and compute the distance travelled by the cells inside filter due to cell migration. Using experimental results, we validate our model which suggests that the concentration of ligands plays an important role in cell migration.
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 | 0,005 | 0,003 |
| 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 | 0,000 | 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 ».