Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-bio > arXiv:2501.13119

帮助 | 高级搜索

定量生物学 > 定量方法

arXiv:2501.13119 (q-bio)
[提交于 2025年1月20日 ]

标题: 从动力学理论和二维模式分析推导多发性硬化症的趋化模型

标题: Derivation from kinetic theory and 2-D pattern analysis of chemotaxis models for Multiple Sclerosis

Authors:Marzia Bisi, Maria Groppi, Giorgio Martalò, Romina Travaglini
摘要: 本文提出了一类用于多发性硬化症的反应扩散方程。 这些模型是通过从适当的动能描述出发,考虑细胞之间的基本微观相互作用,采用扩散极限得到的。 在宏观层面,我们讨论了图灵不稳定性现象和二维图案形成的必要条件,其形状和稳定性通过弱非线性分析进行研究。 针对特定场景,提出了某些数值模拟,以确认并扩展理论结果。
摘要: In this paper, a class of reaction-diffusion equations for Multiple Sclerosis is presented. These models are derived by means of a diffusive limit starting from a proper kinetic description, taking account of the underlying microscopic interactions among cells. At the macroscopic level, we discuss the necessary conditions for Turing instability phenomena and the formation of two-dimensional patterns, whose shape and stability are investigated by means of a weakly nonlinear analysis. Some numerical simulations, confirming and extending theoretical results, are proposed for a specific scenario.
主题: 定量方法 (q-bio.QM)
引用方式: arXiv:2501.13119 [q-bio.QM]
  (或者 arXiv:2501.13119v1 [q-bio.QM] 对于此版本)
  https://doi.org/10.48550/arXiv.2501.13119
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Romina Travaglini [查看电子邮件]
[v1] 星期一, 2025 年 1 月 20 日 16:48:47 UTC (2,313 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
q-bio.QM
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-01
切换浏览方式为:
q-bio

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号