Search research articles

Videos de Conceptos Relacionados

Multicompartment Models: Overview

Multicompartment Models: Overview

Multicompartment models are mathematical constructs that depict how drugs are distributed and eliminated within the body. They segment the body into several compartments, symbolizing various physiological or anatomical areas connected through drug transfer processes such as absorption, metabolism, distribution, and elimination.
These models offer a more comprehensive representation of drug behavior in the body than one-compartment models. They accommodate the complexity of drug distribution,...

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por

Same author

Autophagy modulation in gynaecologic oncology: insights into immune regulation and therapeutic potential.

Frontiers in immunology·2026

Same author

Holmium vanadate nanoparticles as a biosafe and efficient contrast agent for spectral CT imaging of gastritis and colitis.

Regenerative biomaterials·2026

Same author

Elucidating the metabolic dynamics and aroma formation mechanisms of sun-exposed versus rain-soaked fresh tea leaves during Wuyi rock tea processing via GC-MS and LC-MS-based untargeted metabolomics.

Food chemistry·2026

Same author

Global prevalence of pan-vascular diseases: A trend and health inequality analyses.

Cardiovascular research·2026

Same author

DDARes-U<sup>2</sup>Net: a dual-decoder adversarial residual U<sup>2</sup>Net algorithm for segmentation of COVID-19 pneumonia lesions.

Journal of medical imaging (Bellingham, Wash.)·2026

Same author

Bypassing Schottky constraints via defect-mediated hydrogen transfer in hydrodechlorination.

Nature communications·2026

Same journal

Systematic design of auxotrophic strains and media conditions to probe metabolic functions in E. coli.

PLoS computational biology·2026

Same journal

Neuronal excitability and parameter variability in the Hodgkin-Huxley model.

PLoS computational biology·2026

Same journal

Delayed reward information is underweighted in reinforcement learning with dispersed feedback.

PLoS computational biology·2026

Same journal

GHF-ACL: A novel contrastive learning framework with multi-order graph structures for herb-disease association prediction.

PLoS computational biology·2026

Same journal

GATE: Adaptive learning with working memory by information gating in multi-lamellar hippocampal formation.

PLoS computational biology·2026

Same journal

Evaluating vectors for the design of a spillover-disrupting Lassa virus transmissible vaccine.

PLoS computational biology·2026

Ver todos los artículos relacionados

ACERCA DE JoVE

Visión General Liderazgo Blog Centro de Ayuda JoVE

AUTORES

Proceso de Publicación Consejo Editorial Alcance y Políticas Revisión por Pares Preguntas Frecuentes Enviar

BIBLIOTECARIOS

Testimonios Suscripciones Acceso Recursos Consejo Asesor de Bibliotecas Preguntas Frecuentes

INVESTIGACIÓN

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments Archivo

EDUCACIÓN

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual Centro de Recursos para Profesores Sitio de Profesores

Términos y Condiciones de Uso

Política de Privacidad

Search research articles

Video Experimental Relacionado

Updated: Sep 10, 2025

Localizing Protein in 3D Neural Stem Cell Culture: a Hybrid Visualization Methodology

Localizing Protein in 3D Neural Stem Cell Culture: a Hybrid Visualization Methodology

Published on: December 19, 2010

CytoSpatio: Aprendizaje de las relaciones espaciales del tipo de célula utilizando modelos de procesos puntuales de

Haoran Chen¹, Yangyuan Zhang¹, Robert F Murphy¹

¹Ray and Stephanie Lane Computational Biology Department, School of Computer Science, Carnegie Mellon University, Pittsburgh, Pennsylvania, United States of America.

PLoS computational biology

|August 21, 2025

Resumen

Este resumen es generado por máquina.

El software CytoSpatio modela las interacciones celulares en los tejidos utilizando modelos de procesos puntuales. Revela relaciones espaciales consistentes y variables, lo que permite simulaciones realistas de la bioquímica de los tejidos.

Más Videos Relacionados

Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps

Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps

Published on: October 28, 2018

Co-culture of Glioblastoma Stem-like Cells on Patterned Neurons to Study Migration and Cellular Interactions

Co-culture of Glioblastoma Stem-like Cells on Patterned Neurons to Study Migration and Cellular Interactions

Published on: February 24, 2021

Videos de Experimentos Relacionados

Last Updated: Sep 10, 2025

Localizing Protein in 3D Neural Stem Cell Culture: a Hybrid Visualization Methodology

Localizing Protein in 3D Neural Stem Cell Culture: a Hybrid Visualization Methodology

Published on: December 19, 2010

Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps

Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps

Published on: October 28, 2018

Co-culture of Glioblastoma Stem-like Cells on Patterned Neurons to Study Migration and Cellular Interactions

Co-culture of Glioblastoma Stem-like Cells on Patterned Neurons to Study Migration and Cellular Interactions

Published on: February 24, 2021

Área de la Ciencia:

Biología computacional
Biología espacial
La bioinformática

Sus antecedentes:

Los avances en las imágenes de fluorescencia multiplexada permiten un análisis detallado de las interacciones célula-célula.
Comprender las relaciones espaciales es crucial para descifrar la función del tejido y la enfermedad.
Los métodos existentes a menudo carecen de la capacidad de modelar interacciones complejas, de varios tipos y distancias.

Objetivo del estudio:

Introducir CytoSpatio, un software de código abierto para modelar las interacciones de tipo celular.
Desarrollar modelos de proceso de puntos generativos, de varios rangos y tipos.
Permitir simulaciones espacialmente realistas de las relaciones celulares.

Principales métodos:

Construir modelos de proceso de punto generativo para capturar las interacciones de tipo celular.
Analizando las relaciones espaciales de cinco tipos de células en cinco tipos de tejidos.
Validación de modelos con un conjunto de datos publicado.

Principales resultados:

Se han identificado relaciones espaciales consistentes dentro de los tipos de tejido.
Se observó un agrupamiento consistente de células T proliferantes en los tejidos.
Encontró dinámicas de atracción-repulsión específicas del tejido entre tipos de células como las células B y las células T CD4-positivas.
Ha generado patrones de tejido sintético a partir de modelos aprendidos.

Conclusiones:

CytoSpatio modela eficazmente las interacciones espaciales complejas entre células.
El software revela relaciones celulares conservadas y dependientes del contexto.
Las capacidades generativas de CytoSpatio ofrecen nuevas vías para simular la bioquímica de los tejidos y los procesos de enfermedad.