Browsing by Author "Edgren, Elin"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    Stokastiska modeller för evolution: En studie av fixeringsannolikhet i cancermodeller
    (2023-11-28) Berg, Ida; Edgren, Elin; Kedner, Jonathan; Larsson, Sofia; Lundström, Johanna; Selvaraj Tivesten, Matilda; University of Gothenburg/Department of Mathematical Science; Göteborgs universitet/Institutionen för matematiska vetenskaper
    Cancer är en välkänd och förödande sjukdom som drabbar många personer varje år. Denna sjukdom är svårbehandlad då cancerbehandling främjar evolution av resistens hos cancercellerna, vilket leder till allt mer svårbehandlad cancer. Att studera och förstå cancercellers evolutionsförlopp är därför en viktig forskning som berör många. Syftet med detta projekt är att skapa stokastiska modeller som undersöker påverkan av modellparametrarna reproduktionstakt, bärförmåga och populationsstorlek för att kunna studera hur evolutionsförlopp ter sig på olika nivåer av komplexitet. Resultatet tas fram som sannolikheten att den ena genotypen, som representerar en cancercell, fixeras och alltså tar över populationen. För att göra detta har de första modellerna baserats på en Moranprocess. De olika modellerna har studerat olika varianter av selektion vilka är neutral evolution utan selektion, konstant selektion och frekvensberoende selektion, alla med en konstant population. Resultatet från dessa modeller visade att en större reproduktionstakt bidrar till en större fixeringssannolikhet i populationen jämfört med ett neutralt fall. Utöver dessa modeller så skapades även en modell med varierande populationsstorlek och selektion för att beskriva cancertillväxt, där selektionen utöver reproduktionstakt dessutom tagit hänsyn till cellens bärförmåga. Resultatet från cancermodellen visade att både reproduktionstakt och bärförmåga spelar in vid fixering av cancerceller i en population. Reproduktionstakten vägde lite tyngre när bärförmågan delades med omgivningen medan om bärförmågan behölls till den egna cellen så vägde den så tungt att reproduktionstakten inte spelade någon större roll. Alla modeller har flera begränsningar som gör att resultaten inte är helt tillförlitliga att applicera på verkligheten. De kan dock ändå skapa en förståelse för hur tumörförlopp ter sig och ge insikt och inspiration för vidare forskning kring det.
  • No Thumbnail Available
    Item
    The tip of the iceberg: using AI to identify toxic chemicals
    (2025-08-26) Edgren, Elin; University of Gothenburg/Department of Mathematical Science; Göteborgs universitet/Institutionen för matematiska vetenskaper
    This project was conducted to analyze the TRIDENT models described by Gustavsson et al. in the article Transformers enable accurate prediction of acute and chronic chemical toxicity in aquatic organisms [1]. The aims were to investigate the predictions made by the models, the relationship between the model’s chemical space, and the predictions they make. The methods used for the analyses were a combination of TRIDENT model predictions, modeling, and visualizations. The results of which were that there is a relationship between how accurately the TRIDENT models predict and the closeness the chemical has to the TRIDENT training data as well as the density of close neighbors in the training data. We also found that there are chemicals for which the TRIDENT models predict effective concentration values that are inconsistent with the measured value (label), possibly warranting further investigation of the chemical’s toxicity.