MétaCan
Menu
← Retour à la cohorte
Enregistrement W4406410913 · doi:10.1016/j.physd.2024.134519

Spatiotemporal dynamics of immune responses to viral infection and re-infection

2025· article· en· W4406410913 sur OpenAlexfundno aff
Peng Wu, Xiunan Wang, Hao Wang

Notice bibliographique

RevuePhysica D Nonlinear Phenomena · 2025
Typearticle
Langueen
DomaineMathematics
ThématiqueMathematical Biology Tumor Growth
Établissements canadiensnon disponible
Organismes subventionnairesFundamental Research Funds for the Provincial Universities of ZhejiangNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of ChinaCanada Research Chairs
Mots-clésDynamics (music)Viral infectionImmune systemVirologyBiologyStatistical physicsImmunologyVirusPhysics

Résumé

récupéré en direct d'OpenAlex

To test the hypothesis that the chemotactic movement of immune cells is pivotal in controlling within-host viral infection and re-infection, we formulate a chemotaxis model with multiple chemokines and spatial heterogeneity to investigate spatiotemporal dynamics of immune responses. The system admits globally bounded classical solutions in one-dimensional space, and the global classical solvability is derived in a high-dimensional space. We discuss the existence and local stability of four equilibria in the homogeneous case. By constructing Lyapunov functionals, we prove the global stability and the convergence rates of equilibria. Numerical simulations verify the theoretical results and provide additional insights. With stronger chemotaxis, the fluctuation of viral load in the early stage of viral infection is significantly reduced and enters a stable state faster, which indicates that chemotaxis can inhibit viral infection. During re-infection, the chemotactic movement of memory CTLs is more important than that of effector CTLs, and vice versa in initial infection. Furthermore, spatial heterogeneity, due to different patients or organs, should inevitably be considered to guarantee the success of clinical treatments.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,021
Tête enseignante GPT0,317
Écart entre enseignants0,296 · 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
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revuePhysica D Nonlinear Phenomena→Même sujetMathematical Biology Tumor Growth→Travaux en français237 207→