机构名称：
¥ 1.0
免疫系统可以识别并杀死恶性细胞。抗癌免疫机制被实现为多尺度，非线性细胞和分子过程。许多因素决定了免疫系统肿瘤相互作用的结果，包括癌症相关抗原，免疫细胞和宿主生物。在这种复杂性和非线性动力学的背景下，深度数据驱动的理论和数学建模可以提高我们对控制这些过程的机制，定义可靠的生物标志物的理解，并有可能提高免疫和联合疗法的能力。在这里，我们审查并总结了对研究主题的贡献“ Oncoimmunology中的数学建模和计算预测。” Metzcar等人的评论。讨论了一种机械学习方法的概述，该方法将机械数学建模与数据驱动的机器学习结合在一起。作者回顾了这种方法的观点，并讨论了机械学习如何推动数学肿瘤学。提供了四类的机械学习（顺序，平行，外在，内在），其中包括来自肿瘤学研究的示例，例如纵向肿瘤反应预测和事件时间分析。
与链球菌感染和肠道菌群组成相关的小儿自身免疫性神经精神疾病：我们知道什么？
主要关键词
相关文件推荐
