From radiation dose to cellular dynamics: A discrete model for simulating cancer therapy
Notice bibliographique
Résumé
Radiation therapy is one of the most common cancer treatments, and dose optimization and targeting of radiation are crucial since both cancerous and healthy cells are affected. Different mathematical and computational approaches have been developed for this task. The most common mathematical approach, dating back to the late 1970s, is the linear-quadratic (LQ) model for the survival probability given the radiation dose. Most simulation models consider tissue as a continuum rather than consisting of discrete cells. While reasonable for large-scale models (e.g., human organs), continuum approaches necessarily neglect cellular-scale effects, which may play a role in growth, morphology, and metastasis of tumors. Here we propose a method for modeling the effect of radiation on cells based on the mechanobiological CellSim3D simulation model for growth, division, and proliferation of cells. To model the effect of a radiation beam, we incorporate a Monte Carlo procedure into CellSim3D with the LQ model by introducing a survival probability at each beam delivery. Effective removal of dead cells by phagocytosis was also implemented. Systems with two types of cells were simulated: stiff slowly proliferating healthy cells and soft rapidly proliferating cancer cells. For model verification, the results were compared to prostate cancer (PC-3 cell line) data for different doses, and we found good agreement. In addition, we simulated proliferating systems and analyzed the probability density of the contact forces. We determined the state of the system with respect to the jamming transition and found very good agreement with experiments.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 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 ».