MARC

 008260126s2025        us                              c    eng  d
■001000017357054
■00520260202103123
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798280710030
■035    ▼a(MiAaPQ)AAI31938477
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a574.191
■1001  ▼aPan,  Deng.▼0(orcid)0000-0002-4597-6942
■24510▼aTransient  Pattern  Formation  in  Biological  Systems
■260    ▼a[Sl]▼bHarvard  University▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a138  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-12,  Section:  B.
■500    ▼aAdvisor:  Amir,  Ariel.
■5021  ▼aThesis  (Ph.D.)--Harvard  University,  2025.
■520    ▼aThis  dissertation  investigates  transient  pattern  formation  in  biological  systems  through  a  combination  of  theoretical  modeling,  stochastic  analysis,  and  simulation.  Biological  processes  are  often  driven  by  local  interactions  and  feedback  mechanisms  that  give  rise  to  complex,  time-dependent  patterns.  Given  the  inherent  heterogeneity  and  noise  in  living  systems,  traditional  deterministic  models  are  often  insufficient  to  capture  the  full  spectrum  of  behaviors  observed  in  nature.  Here,  I  develop  and  analyze  different  models  that  are  robust  to  microscopic  details  while  capturing  essential  dynamical  features.One  focus  of  this  dissertation  is  the  study  of  reaction-diffusion  phenomena  in  immune  cell  signaling.  I  investigate  how  neutrophils  generate  self-regulating,  transient  chemical  waves  that  coordinate  a  rapid  yet  contained  response  to  injury  or  infection.  The  models  show  that  the  interplay  between  activators  and  locally  produced  inhibitors  can  naturally  limit  the  spatial  extent  of  these  signaling  waves,  providing  a  mechanistic  basis  for  preventing  overreaction  in  immune  responses.Further,  I  examine  the  role  of  mechanical  stress  in  flow-driven  pattern  formation  within  porous  media.  By  representing  these  media  as  dynamic  networks  in  which  individual  conduits  adapt  through  erosion  and  deposition,  I  identify  critical  thresholds  that  lead  to  distinct  phase  behaviors,  such  as  channelization  and  homogenization.  This  work  not  only  elucidates  the  feedback  between  fluid  flow  and  structural  evolution  but  also  offers  a  simple  approach  to  analyze  complex  networks.By  applying  a  similar  strategy  to  biological  networks,  I  explore  the  emergence  of  optimized  biological  flow  networks.  By  integrating  local  mechanical  sensing  into  growth  dynamics,  I  derive  conditions  under  which  vascular  systems  naturally  converge  toward  configurations  predicted  by  Murray's  law-a  hallmark  of  energy-efficient  design  observed  in  blood  vessels,  leaf  venation,  and  even  in  the  foraging  networks  of  slime  molds.Finally,  I  extend  the  classical  mutation  models,  exemplified  by  the  Luria-Delbruck  experiment,  to  regimes  where  the  effective  mutation  rate  is  significantly  higher  through  modern  gene-editing  techniques.  By  formulating  discrete  stochastic  models,  I  reveal  novel  phase  transitions  in  DNA  break-and-repair  dynamics  and  demonstrate  how  randomness  in  molecular  events  influences  cell  fate  and  population  heterogeneity.
■590    ▼aSchool  code:  0084.
■650  4▼aBiophysics
■650  4▼aMolecular  biology
■650  4▼aImmunology
■653    ▼aImmune  responses
■653    ▼aImmune  cell  signaling
■653    ▼aStochastic  analysis
■690    ▼a0786
■690    ▼a0982
■690    ▼a0307
■71020▼aHarvard  University▼bEngineering  and  Applied  Sciences  -  Applied  Physics.
■7730  ▼tDissertations  Abstracts  International▼g86-12B.
■790    ▼a0084
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17357054▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서