# Bulletin of Mathematical Biology
人生を楽しむ方法は無数にある。そのうちのの一つに、BMBで実りある経験をするということがある。始めましょうか。
## Rule
最適化でもゲームでもそうだが、縛りがあるとより面白い。本質を理解したら良しとする。
### Second-Order Effects of Chemotherapy Pharmacodynamics and Pharmacokinetics on Tumor Regression and Cachexia
[link](https://link.springer.com/article/10.1007/s11538-024-01278-0)
薬剤が癌の進行を濃度依存的に抑える。その依存性を表す関数の形と、薬剤を投与するスケジュール（同じ量を何度も vs 多い量を時々）の、2つの要素が、どう癌の進行を変えるか。薬剤の量を、がん細胞を減らしつつ、悪液質(がん細胞の放出するサイトカインや薬剤による体重減少など)を起こさない量にしたい。その時に、投与する総量を変えずに、毎回投与する量の分散を変えることで治療効果を発揮しつつ、悪液質を抑えるという双方の目標を達成できるかもしれない。これは面白い発想。

---

### Inferring Parameters of Pyramidal Neuron Excitability in Mouse Models of Alzheimer’s Disease Using Biophysical Modeling and Deep Learning
[link](https://link.springer.com/article/10.1007/s11538-024-01273-5)
cycleGANを使ってニューロンの数理モデルのパラメータの分布を推定しようという研究。GAN(敵対的生成ネットワーク)についての文献を調べてみることにした。
[GANのシンプルな理解と実装](https://qiita.com/miya_ppp/items/f1348e9e73dd25ca6fb5)
[敵対的生成ネットワークによる自動コード推定](https://www.jstage.jst.go.jp/article/tjsst/15/2/15_42/_pdf/-char/en)
[GAN(Generative Adversarial Network)の理論と実装](https://www.bigdata-navi.com/aidrops/2519/)
なるほど、GANは真のデータかを判断する識別器と、識別器を騙すような偽のデータを作る生成器を両方とも学習することで、良い生成器を作ることが出来る訳だ。

---

### Impact of Resistance on Therapeutic Design: A Moran Model of Cancer Growth
[link](https://link.springer.com/article/10.1007/s11538-024-01272-6)
健常細胞と癌細胞の分裂と死亡と突然変異をMoran過程を用いてモデルしている研究。適応度(Fitness)を細胞群について変えることで、どういう状況ではどういう薬剤投与スケジュールが良いか議論している。解析的にMoran過程を考えることも出来るから嬉しいようだ。

---