MétaCan
Menu
← Retour à la cohorte
Enregistrement W4404877614 · doi:10.1038/s41598-024-81472-1

Mathematical model capturing physicochemical and biological regulation of bone mineralization

2024· article· en· W4404877614 sur OpenAlexafffund
Hossein Poorhemati, Svetlana V. Komarova

Notice bibliographique

RevueScientific Reports · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueParathyroid Disorders and Treatments
Établissements canadiensMcGill UniversityShriners Hospitals for Children - CanadaUniversity of AlbertaMcGill University Health CentreMontreal Children's Hospital
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMineralization (soil science)OsteoidChemistryCalciumHypophosphatemiaBone formationBiophysicsBiochemistryEndocrinologyAnatomyBiology

Résumé

récupéré en direct d'OpenAlex

Bone mineralization is a complex process tightly regulated by both biological factors such as collagen maturation as well as physicochemical factors such as pH. A previous model of biological mineralization captured the biological regulation of bone mineralization dynamics, but not the impact of bone microenvironment such as ion availabilities which may be altered in hypo or hyperphosphatemia. To build an integrated model of bone mineralization, we utilized two previously developed models which addressed a distinct aspect of bone mineralization. The first model described the processes of the extracellular matrix formation and maturation, inhibitor and nucleator formation and removal and their combined action in regulating bone mineralization. The second model simulated the bone interstitial fluid (BIF) permissive to precipitation of hydroxyapatite and described the physicochemical process of hydroxyapatite precipitation. The resulting bone mineralization model accounts for biological and physicochemical aspects of the process. The integrated model was analyzed for the impact of physicochemical factors (pH, levels of calcium and phosphate) on the mineralization dynamics. Model predictions were compared to experimental findings using two outcomes characterizing mineralization dynamics: mineralization delay that corresponds to histomorphometry measures of osteoid volume or thickness, and mineralization degree that corresponds to bone mineral density distribution. We identified the limitation of the previously developed model in predicting the mineralization delay observed in the situations of hypophosphatemia and hypocalcemia and proposed a model adaptation that predicts these outcomes. The resulting mathematical model can be used for in silico testing of hypotheses regarding the role of different physicochemical, molecular, or cellular factors in causing a specific disruption in mineralization dynamics.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,028
Tête enseignante GPT0,286
Écart entre enseignants0,258 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific Reports→Même sujetParathyroid Disorders and Treatments→Travaux en français237 207→