On the development and application of distributed delay equations to mathematical physiology
Bibliographic record
Abstract
La physiologie humaine regorge d’exemples de dynamiques retardées. Dans certainscas, tels que le système hématopoïétique, le décalage entre un signal et la réponse qu’ilinduit est variable et distribué autour d’un délai moyen. Pour modéliser ces retards, nousdeveloppons une méthode physiologiquement réaliste que nous appliquons à l’étude dela croissance tumorale sujette à l’immunosurveillance.Nous commençons en considérant une population ayant une vitesse de maturationvariable et une durée de maturation aléatoirement distribuée autour d’une valeur moyenne.Les dynamiques de cette population sont régies par une équation aux dérivées partielles(EDP) structurées en âge. Nous réduisons l’EDP structurée en l’âge en une équationdifférentielle à retard (EDR) variable et distribué. Nous analysons ce dernier modèle sansspécifier la densité de probabilité de la maturation. Ce cadre général englobe les EDR auxdélais ponctuels et variables, et généralise la technique de la chaîne linéaire pour incluredes vitesses de transition variables et des processus de vieillissement concaténés. Afind’illustrer l’utilité du cadre EDR à délai distribué, nous démontrons l’équivalence entredeux modèles d’équations différentielles ordinaires et deux EDRs.Ensuite, par le biais d’une EDR distribué, nous développons et analysons un modèlemathématique de l’immunité antitumorale incorporant l’hétérogénéité dans la durée ducycle cellulaire des cellules tumorales. Grâce à une analyse de stabilité linéaire, nous caractérisonsl’importance de l’immunité antitumorale par l’ énoncé d’une condition nécessaireet suffisante pour la rémission du cancer. Conformément à l’hypothèse d’immunoediting,un analyse de bifurcation du modèle démontre que la diminution de l’interaction tumeurimmunitaireinduit l’expansion tumorale suite à une bifurcation transcritique. En intégrantun modèle de virothérapie, nous montrons que l’efficacité du traitement à long terme estdéterminée par l’implication du système immunitaire. En outre, pour comprendre les effetsde la variabilité génétique sur l’efficacité du traitement, nous réalisons un essai cliniquevirtuel de la thérapie combinée de virothérapie et d’immunothérapie. Nous quantifionsles interactions synergiques entre ces deux traitements en simulant la virothérapie en combinaisonavec un immunostimulant. Enfin, cette synergie est exploitée pour déterminerun schéma posologique optimal qui réduit le fardeau posologique du traitement tous enaméliorant le pronostic virtuel
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".