MétaCan
Menu
Retour à la cohorte
Enregistrement W6901757326 · doi:10.60692/y5cj2-s7t14

Optimal control and Bayes inference applied to complex microbial communities

2022· article· en· W6901757326 sur OpenAlexaff

Notice bibliographique

RevueGreater South Information System · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEvolutionary Game Theory and Cooperation
Établissements canadiensGeorgian College
Organismes subventionnairesnon disponible
Mots-clésMutualism (biology)Optimal controlPopulationCompetition (biology)Extinction (optical mineralogy)Bacteria

Résumé

récupéré en direct d'OpenAlex

Interactions between species are essential in ecosystems, but sometimes competition dominates over mutualism. The transition between mutualism-competition can have several implications and consequences, and it has hardly been studied in experimental settings. This work studies the mutualism between cross-feeding bacteria in strains that supply an essential amino acid for their mutualistic partner when both strains are exposed to antimicrobials. When the strains are free of antimicrobials, we found that, depending on the amount of amino acids freely available in the environment, the strains can exhibit extinction, mutualism, or competition. The availability of resources modulates the behavior of both species. When the strains are exposed to antimicrobials, the population dynamics depend on the proportion of bacteria resistant to the antimicrobial, finding that the extinction of both strains is eminent for low levels of the resource. In contrast, competition between both strains continues for high levels of the resource. An optimal control problem was then formulated to reduce the proportion of resistant bacteria, which showed that under cooperation, both strains (sensitive and resistant) are immediately controlled, while under competition, only the density of one of the strains is decreased. In contrast, its mutualist partner with control is increased. Finally, using our experimental data, we did parameters estimation in order to fit our mathematical model to the experimental data.

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)0,012
score de la tête « metaresearch » (Gemma)0,032
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,032
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,037
Tête enseignante GPT0,239
Écart entre enseignants0,202 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetEvolutionary Game Theory and CooperationTravaux en français237 207