MétaCan
Menu
Retour à la cohorte
Enregistrement W4386892578 · doi:10.1142/s0218127423501298

A Simple Model of Tumor-Immune Interaction: The Effect of Antigen Delay

2023· article· en· W4386892578 sur OpenAlexafffund
Jianquan Li, Yuming Chen, Hui Cao, Dian Zhang, Peijun Zhang

Notice bibliographique

RevueInternational Journal of Bifurcation and Chaos · 2023
Typearticle
Langueen
DomaineMathematics
ThématiqueMathematical Biology Tumor Growth
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésHopf bifurcationMathematicsControl theory (sociology)Stability (learning theory)BifurcationHomoclinic orbitComputer simulationSimple (philosophy)InstabilityStatistical physicsPhysicsComputer scienceNonlinear systemMechanicsControl (management)

Résumé

récupéré en direct d'OpenAlex

We propose a simple model of tumor-immune interactions, which involves effector cells and tumor cells. In the model, the stimulation delay of tumor antigen in the immune system is incorporated. We investigate the dynamical behavior of the model via theoretic analysis and numerical simulations. The saddle-node bifurcation can occur in both cases with and without delay. In contrast to the case without delay, stimulation delay may result in some complex dynamical behaviors and biological phenomena. In the presence of delay, conditions on absolute/conditional stability of equilibria and the existence of Hopf bifurcations are obtained. We further discuss the effect of the tumor on the switch between absolute stability and conditional stability. Numerical simulations also show the existence of homoclinic bifurcation and the dependence of the asymptotic state of the tumor progression on initial conditions for different delay values. Effects of delay on the dynamics of the model and on the region of tumor extinction are illustrated by simulations with different sets of parameter values. Finally, the corresponding biological implications are demonstrated.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,191
Score d'incertitude au seuil0,211

Scores Codex et Gemma par catégorie

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

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 Opus0,034
Tête enseignante GPT0,343
Écart entre enseignants0,308 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Bifurcation and ChaosMême sujetMathematical Biology Tumor GrowthTravaux en français237 207