Modélisation par automates cellulaires de la formation de motifs biologiques : Caractérisation, exemples et analyse

Modélisation par automates cellulaires de la formation de motifs biologiques : Caractérisation, exemples et analyse (Andreas Deutsch)

Titre original :

Cellular Automaton Modeling of Biological Pattern Formation: Characterization, Examples, and Analysis

Contenu du livre :

Ce texte explore l'utilisation des automates cellulaires dans la modélisation de la formation de modèles dans les systèmes biologiques. Il décrit plusieurs approches de modélisation mathématique utilisant les automates cellulaires qui peuvent être utilisées pour étudier la dynamique des systèmes cellulaires en interaction à la fois en simulation et en pratique. Cette édition comporte de nouveaux chapitres traitant de la migration cellulaire, du développement des tissus et de la dynamique du cancer, ainsi que des références mises à jour et de nouvelles suggestions de sujets de recherche qui reflètent le développement rapide du domaine.

Le livre commence par une introduction aux principes de formation de modèles en biologie et aux différentes techniques de modélisation mathématique qui peuvent être utilisées pour les analyser. Les modèles d'automates cellulaires sont ensuite examinés en détail pour différents types de processus et d'interactions cellulaires, notamment le mouvement aléatoire, la migration cellulaire, l'interaction entre cellules adhésives, l'alignement et l'essaimage cellulaire, les processus de croissance, la formation de motifs de cellules pigmentaires, le développement des tissus, la croissance et l'invasion des tumeurs, ainsi que les motifs de type Turing et les milieux excitables. Dans le dernier chapitre, les auteurs discutent de manière critique des possibilités et des limites de l'approche des automates cellulaires dans la modélisation de diverses applications biologiques, ainsi que des orientations futures de la recherche. Des suggestions de projets de recherche sont fournies tout au long du livre afin d'encourager un engagement supplémentaire avec le matériel, et un simulateur d'accompagnement est disponible pour que les lecteurs puissent effectuer leurs propres simulations sur plusieurs des modèles couverts dans le texte. Des codes QR sont inclus dans le texte pour faciliter l'accès au simulateur.

Grâce à sa présentation accessible et à son approche interdisciplinaire, Cellular Automaton Modeling of Biological Pattern Formation convient aux étudiants de premier cycle et aux étudiants avancés en biologie mathématique, en modélisation biologique et en informatique biologique. Il constituera également une ressource précieuse pour les chercheurs et les praticiens en mathématiques appliquées, en biologie mathématique, en physique computationnelle, en bio-ingénierie et en informatique. ÉLOGES DE LA PREMIÈRE ÉDITION.

» C'est un guide idéal pour les personnes ayant une formation en mathématiques ou en physique qui souhaitent commencer à explorer la modélisation biologique. Il est important de noter qu'il servira également d'excellent guide aux modélisateurs expérimentés pour innover et améliorer leurs méthodologies d'analyse des résultats de simulation. » --Mathematical Reviews.

Autres informations sur le livre :

ISBN :9781489979780
Auteur :
Éditeur :
Reliure :Relié
Année de publication :2018
Nombre de pages :464

Achat:

Actuellement disponible, en stock.

Je l'achète!

Autres livres de l'auteur :

Modélisation par automates cellulaires de la formation de motifs biologiques : Caractérisation,...
Ce texte explore l'utilisation des automates...
Modélisation par automates cellulaires de la formation de motifs biologiques : Caractérisation, exemples et analyse - Cellular Automaton Modeling of Biological Pattern Formation: Characterization, Examples, and Analysis

Les œuvres de l'auteur ont été publiées par les éditeurs suivants :

© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)