Browse
Recent Submissions
Now showing 1 - 5 of 107
- ItemGrowth Dynamics in a Mechanical Model of Cellular Colonies(2024) Álvarez Murphy, Fidel Gerardo; Düring, Gustavo; Pontificia Universidad Católica de Chile. Instituto de FísicaCellular colonies are structures of microorganisms that remain attached toeach other and/or to a surface. To study the effects of mechanical stress on thedynamics of a growing colony, a minimal discrete physical model of these cellu-lar systems is proposed considering only microscopic quantities from mechanicalforces, and a cell growth and division process. Using simulations that model thediscrete model evolution, macroscopic dynamics of contact and growth withinnon-motile circular-shaped cell colonies are successfully reproducible. To find alink between the microscopic quantities involved in the dynamics and the macro-scopic observables, an out-of-equilibrium continuum theory is developed.Theobserved dynamics in the discrete model are accurately described by the contin-uum theory at the mesoscopic limit, describing along the colony the existenceof maximum inner pressure and velocity as a function of microscopic quantities.Particularly, a constitutive relation between velocity and inter-particle overlapis found, describing that the growth dynamics of a colony are equivalent in twospatial configurations: a free and a channel-limited expansion. As a second partof this work, given the dynamics of the system, a competitive genetic surfingdynamic is studied considering two different cell strains in the channel-limitedconfiguration. The observed genetic surf shows a frequency distribution of domi-nance between strains that transits from an exponential law with exponent ´3{2to a log-normal distribution depending on the initial strain relative proportionand the channel width, suggesting that this system’s competitive dynamics canbe described by mean-field theories that describe growth processes.
- ItemThe Spatially Resolved HCN/HC15N Isotopic Ratio in the V4046 Sgr Protoplanetary Disk(2024) Marín Olguín, Luna Violeta; Guzmán Veloso, Viviana; Pontificia Universidad Católica de Chile. Instituto de FísicaMolecular isotopic ratios can be used to investigate the origin of the organic material in the Solar System, as it is unclear if the organic molecules present in different Solar System bodies are inherited from the protosolar nebula or if these molecules are formed from chemical processing during the protoplanetary disk phase. One way to approach this problem is by characterizing isotopic compositions of N-bearing molecules. In particular, the 14N/15N ratio is commonly used to trace the origin of Solar System bodies, by assessing the thermal history of Solar System volatiles using nitrogen fractionation. We present ALMA spatially resolved observations of the HCN and its main isotopologues H13CN and HC15N J = 4 - 3 lines at 0.2′′ angular resolution toward the protoplanetary disk V4046 Sgr. The bright HCN isotopologues emission in V4046 Sgr allows us to obtain the radial profiles and trace the 14N/15N ratio profile across the disk. Adopting a typical 12C/13C ratio of 70, we find an increasing 14N/15N ratio of 70-220 across the disk, consistent with values observed in rocky planets, comets and meteorites. We also find a rather constant 12C/13C isotopic ratio as a function of radius, although a tentative decreasing profile is reported. The increasing 14N/15N profile across the disk indicates that nitrogen chemistry is altered by in-situ chemical fractionation in the disk and selective photodissociation is the dominant pathway to fractionate HCN in the inner part of the disk.
- ItemAtrapamiento y análisis del movimiento de partículas dieléctricas mediante la técnica de pinzas ópticas(2024) Moreno Martínez, Antonia Angélica; Maze Ríos, Jerónimo; Pontificia Universidad Católica de Chile. Facultad de FísicaLas pinzas ópticas son una innovadora técnica en el campo de la física experimental que ha permitido estudios en diferentes disciplinas. Este trabajo busca analizar el movimiento de partículas esféricas y dieléctricas atrapadas ópticamente en un sistema de agua con bajo número de Reynolds, mediante la adquisición de datos en tiempo real y el análisis numérico con herramientas tales como la correlación del desplazamiento y la densidad espectral de potencia.
- ItemDesarrollo de un modelo clínico-radiómico de aprendizaje automatizado, para la predicción de respuesta a la quimioterapia neoadyuvante en pacientes con cáncer de mama.(2024) Soto Moreira, Macarena Cecilia; Caprile Etchart, Paola F.; Pontificia Universidad Católica de Chile. Facultad de FísicaEl cáncer de mama es el tipo de cáncer mas frecuente en mujeres. Aunque existen diversas estrategias de tratamiento, no se dispone de herramientas clínicas para poder predecir con certeza la respuesta de cada paciente a distintas opciones de tratamiento, lo cual motiva este estudio. El trabajo realizado consistió en la implementación de una herramienta para la predicción de la respuesta patológica en pacientes con cáncer de mama tratadas con quimioterapia neoadyuvante. Se utilizaron dos cohortes de imágenes de resonancia magnética con peso T1 (T1w) y con contraste (DCE) previas al tratamiento, una para entrenamiento y evaluación de los modelos predictivos, y la otra para validación externa. Estos cohortes se adquirieron de manera independiente de un repositorio abierto y contaban con información sobre el tipo de respuesta patológica de las pacientes a la quimioterapia neoadyuvante. Para el cohorte de entrenamiento, se realizo una segmentación manual por experto y una semiautomática del parénquima de la mama con el tumor y la lesión. Los resultados de ambos métodos fueron comparados usando el coeficiente de Dice . El cohorte de validación externa incluía la segmentación del tumor realizada por un experto. A partir del proceso de segmentación de tejidos, se extrajeron y analizaron características radiómicas de los volúmenes de interés. Se busco determinar que características presentaban diferencias estadísticamente significativas entre pacientes con respuesta completa y no completa. Se construyeron modelos de aprendizaje automatizado utilizando diferentes clasificadores, incluyendo regresión logística, arboles de decisión, maquinas desoporte vectorial, clasificador bayesiano y vecinos cercanos, con el objetivo de predecir la respuesta tumoral. El desempeño de los modelos se evaluó mediante una validación cruzada con k=2 y 100 repeticiones. Al comparar la segmentación manual y semiautomática del tumor se obtuvo un valor promedio del coeficiente de Dice de 0.635 [0.402-0.857]. Se identificaron un total de 16 características con diferencias significativas, las cuales incluyeron características radiómicas, cinéticas y de subtipo molecular. Estas características no presentaron correlaciones significativas entre sí y obteniéndose un valor máximo de AUC de 0.825. Del análisis de rendimiento de los modelos multivariados, se encontró que el modelo basado en el algoritmo de Vecinos Cercanos (KNN), utilizando la combinación de características: Correlation (Lesión), Skewness (Lesión), Idmn (Lesión), Kurtosis (Peak Enhancement), Kurtosis (Wash-In-Slope) y HER2, presentó el mejor rendimiento en términos de la métrica AUC, obteniéndose un valor de 0.951 [0.890-0.994] para el entrenamiento y en la validacion interna AUC de 0.984. En la validación externa del algoritmo con un cohorte independiente de 81 pacientes, se obtuvo un valor de AUC de 0.955 en la predicción de la respuesta tumoral. Estos resultados demuestran la capacidad de generalización y reproducción del modelo en un conjunto de pacientes independiente.
- ItemPredicción semiautomatizada de respuesta a quimioterapia neoadyuvante en pacientes con cáncer de mama: protocolo de segmentación y modelo radiómico-clínico con imágenes de resonancia magnética(2023) Ramírez Bunster, María Belén; Caprile Etchart, Paola F.; Pontificia Universidad Católica de Chile. Facultad de FísicaAnticipar el resultado de la respuesta tumoral a quimioterapia neoadyuvante podría implicar cambios en la planificación del tratamiento para conducir a mejores resultados clínicos y cambios en la calidad de vida del paciente.En este trabajo se desarrolló un código computacional en lenguaje Python para construir modelos de predicción de la respuesta patológica del tumor (pCR / no-pCR) en base a información clínica y radiómica extraída de imágenes MRI de 59 pacientes con cáncer de mama sometidas a NACT. Específicamente, se utilizaron las secuencias de imágenes T1w y DCE, elaborando un protocolo de segmentación semiautomatizado del tumor y del parénquima de la mama lesionada para el posterior análisis y selección de atributos (features).Se construyeron modelos uni- y multi-variados basados en Machine Learning utilizando distintos algoritmos supervisados de clasificación y, mediante la técnica de validación cruzada k-fold estratificada con repetición con k=3 y n=500 repeticiones, se evaluaron las métricas AUC y Accuracy para analizar el rendimiento de éstos como predictores de pCR del tumor a la terapia neoadyuvante en la cohorte de pacientes con cáncer de mama.