IMPULSIVE DIFFERENTIAL EQUATION MODEL IN HIV-1 INHIBITION: ADVANCES IN DUAL INHIBITORS OF HIV-1 RT AND IN FOR THE PREVENTION OF HIV-1 REPLICATION
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Reverse transcriptase (RT) and integrase (IN) are two pivotal enzymes in HIV-1 replication. RT converts the single-stranded viral RNA genome into double-stranded DNA and IN catalyzes the integration of viral double-stranded DNA into host DNA. Currently, dual inhibitors of HIV-1 RT and IN have become a hotspot in new anti-HIV drug research and development. A dual inhibitor of HIV-1 RT/IN does the same thing as the two independent drugs would do. In this paper, we develop a mathematical model comprising a system of nonlinear differential equations describing HIV-1 RT/IN catalyzed biochemical reactions based on Michaelis–Menten enzyme kinetic reaction. In the formulated model we incorporate HIV-1 RT/IN dual inhibitor which simultaneously works as a non-nucleoside RT inhibitor and IN inhibitor. To examine the efficacy of HIV-1 RT/IN dual inhibitor in the treatment of HIV-1 infection, we have introduced a one-dimensional impulsive differential equation model and determined an effective dosing regimen for applying the inhibitor numerically. Furthermore, the exact closed form solution of the impulsive differential equation model is carried out by using the Lambert W function and the local stability of the periodic solution is also obtained analytically. The results obtained from analytical as well as numerical studies provide a basic idea to investigate the minimum dose with the highest efficacy for administering HIV-1 RT/IN dual inhibitors to prevent HIV-1 infection.
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 découle