https://zbmath.org/atom/cc/92-10 2024-04-15T15:10:58.286558Z Werkzeug公司 https://zbmath.org/1530.92026 2024-04-15T15:10:58.286558Z “丹尼尔·安德森” https://zbmath.org/authors/？q=ai:anderson.daniel-米 “Brager，Danielle C.” https://zbmath.org/authors/？q=ai:brager.danielle-c “安东尼·基尔斯利” https://zbmath.org/authors/？q=ai:kearsley.anthony-何塞 摘要：我们开发了一个视网膜感光细胞的数学模型。我们专注于视杆和视锥外节动力学以及与视网膜色素上皮细胞相关的营养源的相互作用。已知视网膜中的视杆和视锥密度（视网膜表面单位面积的数量）具有显著的空间依赖性，视锥主要位于中央凹附近，视杆主要位于中央窝以外。我们的模型解释了视杆和视锥光感受器密度的空间依赖性以及营养物质扩散的可能性。我们提出了平衡解和动态解，讨论了它们与现有模型的关系，并通过与现有的空间和时间感光特性实验测量值的比较来估计模型参数。我们的模型与恒河猴黄斑区光感受器外节空间依赖性再生的现有数据进行了很好的比较。我们的预测也与健康人体中央凹附近光感受器外段长度的空间依赖性的现有数据相一致。我们主要关注健康的眼睛，但我们的模型可以作为未来研究各种视网膜病变、眼睛相关损伤以及这些疾病治疗的基础。 https://zbmath.org/1530.92031 2024-04-15T15:10:58.286558Z “博文，M。” https://zbmath.org/authors/？q=ai:bowen.mark|bowen.matthew公司 “Samozino，P.” https://zbmath.org/authors/？q=ai:samozino.pierre “M.冯德谢尔” https://zbmath.org/authors/？q=ai:vonderscher.m “Dutykh，D.” https://zbmath.org/authors/？q=ai:dutykh.denys “莫雷尔，B.” https://zbmath.org/authors/？q=ai:morel.bruno|莫雷尔·伯特兰德 总结：肌肉疲劳是肌肉产生力量的能力衰退，是神经和代谢紊乱的结果。本文提出了一个综合数学模型，该模型描述了在临界力（Fc）（即严重区域）以上强度的运动中，最大力量能力（即疲劳）的下降。该模型统一了先前的临界功率模型和全力以赴模型，可以应用于随时间变化的力（F）所描述的任何运动。该模型的假设是（\textit｛i｝）等速条件，（F_c＜F\）的强度域，（\textit｛ii｝。本研究调整了三种运动类型的参数，以符合之前的实验观察：恒定强度运动、全力以赴运动和递增坡度运动。该综合模型建立了之前各个模型之间的联系，并对严重领域的运动疲劳性进行了极好的描述。利用这个新的综合模型，可以预测最大和次最大运动期间肌肉的最大力量产生。 https://zbmath.org/1530.92054 2024-04-15T15:10:58.286558Z “阿曼，博格丹” https://zbmath.org/authors/？q=ai:aman.bogdan “乔巴努，加布里埃尔” https://zbmath.org/authors/？q=ai:ciobanu.gabriel 小结：我们提出了键演算，这是一种很容易处理分子间共价键的演算。我们的目的是使用键演算来模拟生化系统中相互作用的动力学。我们通过转换系统提供操作语义，并使用已知的软件平台模拟键演算中自然描述的化学反应，并验证其特定属性。 https://zbmath.org/1530.92079 2024-04-15T15:10:58.286558Z 约瑟夫·沙特尔沃思（Joseph G.Shuttleworth） https://zbmath.org/authors/？q=ai:shuttleworth.joseph-克 “Lei，Chon Lok” https://zbmath.org/authors/？q=ai:lei.chon-洛克 “多米尼克·G·惠塔克” https://zbmath.org/authors/？q=ai:whittaker.dominic-克 莫妮克·温德利 https://zbmath.org/authors/？q=ai:windley.monique-j个 “Hill，Adam P.” https://zbmath.org/authors/？q=ai:hill.adam-第页 “西蒙·P·普雷斯顿” https://zbmath.org/authors/？q=ai:preston.simon-第页 “加里·米拉姆斯” https://zbmath.org/authors/？q=ai:mirams.gary-第页 摘要：当使用数学模型进行临床或工业应用的定量预测时，预测的准确性必须得到可靠的估计（不确定性量化）。由于复杂生物系统的模型总是大幅度的简化，因此会出现模型差异——模型无法完美地再现真实的数据生成过程。这对准确预测，尤其是准确量化这些预测中的不确定性提出了特殊挑战。实验学家和建模者必须选择使用哪些实验程序（\textit{protocols}）来生成用于训练模型的数据。我们建议用一组参数集来描述由于模型差异而产生的不确定性，每个参数集都是来自不同协议的数据的训练结果。由于模型差异，即使是对于不可见的协议，该集合预测的可变性也提供了预测不确定性的经验估计。我们以电生理实验为例，研究hERG钾通道的特性。在这里，“信息丰富”协议允许使用在同一个细胞上进行的大量短期实验来训练数学模型。在这种情况下，我们用一个模型模拟数据，并用不同的（不一致的）模型拟合。对于任何单独的实验协议，参数估计值在假设的加性无关高斯噪声模型的重复样本下变化不大。然而，来自同一模型的参数集应用于不同的实验时会产生冲突——突出了模型的差异。我们的方法将有助于为未来的研究选择更合适的离子通道模型，并将广泛应用于一系列生物建模问题。 https://zbmath.org/1530.92083 2024-04-15T15:10:58.286558Z “艾琳娜·巴什基尔采娃” https://zbmath.org/authors/？q=ai:bashkirtseva.irina-阿道夫纳 “安娜·楚哈雷娃” https://zbmath.org/authors/？q=ai:chukhareva.anna “列夫·里亚什科” https://zbmath.org/authors/？q=ai:ryashko.lev-鲍里索维奇 （无摘要） https://zbmath.org/1530.92088 2024-04-15T15:10:58.286558Z “杜冰雪” https://zbmath.org/authors/？q=ai:du.bing-薛 “徐，易” https://zbmath.org/authors/？q=ai:xu.yi.1 “姚小明” https://zbmath.org/authors/？q=ai:yiu.siuming|伊乌苏明 “余、惠” https://zbmath.org/authors/？q=ai:yu.hui.4|yu.hui.5| yu.hui.3| yu.hui.2 “石、建玉” https://zbmath.org/authors/？q=ai:shi.janyu 摘要：在药物设计中，从吸收、分布、代谢、排泄和毒性（ADMET）方面评估类药物是一个至关重要的步骤。基于丰富标签的经典单任务学习在预测单个ADMET终点方面取得了令人鼓舞的进展。多任务学习（MTL）对端点标记的要求很低，可以同时预测多个ADMET端点。尽管如此，基于MTL的现有方法的性能取决于参与任务的适当程度，这仍然是一个持续存在的问题。此外，需要阐明哪些子结构对特定ADMET终点至关重要。为了解决这些问题，本研究构建了一个多任务图学习框架，用于预测类药物小分子（MTGL-ADMET）在一种新的MTL范式下的多个ADMET属性，即“一个主成分，多个辅助成分”。它首先利用状态理论和最大流来选择特定ADMET端点任务的适当辅助任务。然后，设计了一种新的以主任务为中心的多任务学习模型，该模型由任务共享的原子嵌入模块、特定任务的分子嵌入模块、以主任务为主的门控模块和多任务预测器组成。与最先进的基于MTL的方法的比较表明了MTGL-ADMET的优越性。更详细的实验验证了它的贡献，包括基于状态理论的辅助选择算法和新的MTL架构。此外，一个案例研究通过指出主要任务的关键子结构说明了MTGL-ADMET的可解释性。预计这项工作可以促进药物发现中的药代动力学和毒性分析。本文的代码和数据可在\url免费获得{https://github.com/dubingxue/MTGL-ADMET网站}.关于整个系列，请参见[Zbl 1524.92002]。 https://zbmath.org/1530.92271 2024-04-15T15:10:58.286558Z “埃尔南·索拉里” https://zbmath.org/authors/？q=ai:solari.hernan-古斯塔沃 “纳蒂略，马里奥A。” https://zbmath.org/authors/？q=ai:natiello.mario-一个 摘要：普通科学是对我们这个时代科学的一种表征，也是对“科学”含义的界定。它将科学划分为有纪律/规范的范式。数学流行病学是一种规范数学家在流行病研究方面的活动的范式。它也代表了保护它的社区的利益（隐含着多重含义）。相比之下，真正的流行病是一个复杂的系统，一个没有纪律的问题。为了在现实和范式之间建立联系，需要做出大量大胆的决定：隐藏的引理，即简化那些没有提供给检验的假设，这些假设通常铭刻在范式实践者的习惯中。数学流行病学谈论真实流行病的权利取决于将问题简化为一组示意方程或算法的适当性。我们提供了一个最明显的隐藏引理的研究。整个系列见[Zbl 1519.92004]。 https://zbmath.org/1530.92307 2024-04-15T15:10:58.286558Z “伙计，萨赫布” https://zbmath.org/authors/？q=ai:pal.saheb 摘要：近年来，一个物种的平均密度随着死亡率的增加而增加，这似乎是一个有趣的研究课题，这种违反直觉的反应被称为水螅效应。识别和预测死亡率上升的后果对于保护生物学和种群管理至关重要。高斯模型中hydra效应的存在是数学生态学的一个已知特征。然而，在捕食者依赖性功能反应的数学模型中，仍然没有研究水螅效应。本文研究了具有logistic食饵增长和密度无关捕食者死亡率的两种群非结构化捕食者依赖功能反应模型的捕食者和捕食者物种中存在的hydra效应。我们的结果表明，捕食者在营养功能上的正密度依赖性（分组行为或合作）在被捕食物种中表现为水螅效应，而捕食者的负密度依赖性则在捕食者物种中表现出水螅作用。此外，在前一种情况下，猎物总是在稳定状态下表现出水螅效应，无论在后一种情况中，当猎物在平衡状态下具有积极的自我效应时，捕食者在稳定状态是否表现出水蟒效应。在我们考虑的模型中，猎物的正自我效应表明，种内竞争率系数足够小，因此物种密度与其人均增长率呈正相关。在循环动力学中，对于具有饱和功能响应的不稳定系统，水螅效应是捕食者物种的一个典型特征。