diff --git a/lotka_volterra_kiterjesztett.m b/lotka_volterra_kiterjesztett.m
new file mode 100644
index 0000000000000000000000000000000000000000..b00a25f76cdb5087412e17512fa1bb3866ca274c
--- /dev/null
+++ b/lotka_volterra_kiterjesztett.m
@@ -0,0 +1,233 @@
+
+% --- Kiterjesztett Lotka-Volterra modell implementációja ---
+
+% Paraméterek
+r = [0.8, 0.4, 0.5, 0.3, 0.2, 0.25]';
+K = [120, 80, 70, 60, 50, 40]';
+x0 = [50, 30, 20, 25, 15, 12]';
+A = [ 1, -0.2, -0.4, +0.2, -0.1, -0.2;
+ -0.1, 1, 0.0, 0.0, 0.0, 0.0;
+ -0.5, 0.0, 1, -0.1, 0.0, 0.0;
+ +0.2, 0.0, -0.2, 1, +0.1, 0.0;
+ -0.1, 0.0, 0.0, +0.1, 1, +0.1;
+ -0.2, 0.0, 0.0, 0.0, +0.1, 1 ];
+
+antibiotics = {'Tobramycin'};
+dose_times = 20:24:212;
+D = repmat(10.0, size(dose_times));
+k_elim = 0.1; % Eliminációs ráta (1/idő)
+
+% Antibiotikum-rezisztencia mátrix (6 baktérium × 6 antibiotikum példa)
+R_ij = zeros(6, 6); % kezdő rezisztenciaszintek (pl. mind nulla)
+cf0 = 0.1; % Kezdeti fitnesz-költség
+alpha = 0.3; % Rezisztenciafüggő költségnövekedés
+
+% Antagonizmus mátrix (értékek 0 és 1 között, ahol 1 = teljes gátlás)
+Antag = zeros(6, 6);
+Antag(6, 5) = 0.3; % Penicillin (idx=6) csökkenti Tetracycline (idx=5) hatását 30%-kal
+Antag(5, 6) = 0.5; % Tetracycline (idx=5) csökkenti Penicillin (idx=6) hatását 50%-kal
+
+x0_R = reshape(R_ij, [], 1);
+x0_all = [x0; x0_R];
+
+[t, X] = ode45(@(t, x) extended_lv_antibiotic_model(t, x, r, K, A, antibiotics, dose_times, D, k_elim, cf0, alpha, Antag), [0 200], x0_all);
+
+% Ábrázolás
+figure;
+hold on;
+colors = lines(6);
+for i = 1:6
+ plot(t, X(:, i), 'LineWidth', 2, 'Color', colors(i, :));
+end
+legend({'Pseudomonas', 'Staphylococcus', 'Burkholderia', ...
+ 'Stenotrophomonas', 'Prevotella', 'Streptococcus'}, 'Location', 'best');
+xlabel('Idő');
+ylabel('Populációméret');
+title(['Lotka-Volterra modell antibiotikum hatással: ' antibiotics], 'FontSize', 14);
+grid on;
+
+figure;
+colors = lines(6); % Színek definiálása
+epsilon = 1e-9; % Alap skála és biztonsági érték
+scale_factor = 1e7; % Biológiailag értelmezett CFU/mL
+
+% --- 1. Alap log skálázott (biológiai valóság) ábra ---
+subplot(1, 2, 1);
+hold on;
+for i = 1:6
+ CFU = X(:, i) * scale_factor;
+ CFU(CFU < epsilon) = epsilon;
+ logCFU = log10(CFU);
+ plot(t, logCFU, 'LineWidth', 2, 'Color', colors(i, :));
+end
+title('log_{10}(CFU/mL) – Teljes biológiai tartomány (Lotka-Volterra modell)');
+xlabel('Idő (óra)');
+ylabel('log_{10}(CFU/mL)');
+legend({'Pseudomonas', 'Staphylococcus', 'Burkholderia', ...
+ 'Stenotrophomonas', 'Prevotella', 'Streptococcus'}, 'Location', 'best');
+ylim([0 10]);
+grid on;
+
+subplot(1, 2, 2);
+hold on;
+for i = 1:6
+ CFU = X(:, i) * scale_factor;
+ CFU(CFU < epsilon) = epsilon;
+ logCFU = log10(CFU);
+ plot(t, logCFU, 'LineWidth', 2, 'Color', colors(i, :));
+end
+title('log_{10}(CFU/mL) – Releváns klinikai tartomány kiemelve');
+xlabel('Idő (óra)');
+ylabel('log_{10}(CFU/mL)');
+legend({'Pseudomonas', 'Staphylococcus', 'Burkholderia', ...
+ 'Stenotrophomonas', 'Prevotella', 'Streptococcus'}, 'Location', 'best');
+ylim([6 10]);
+grid on;
+
+% Modellfüggvény
+function dxdt = extended_lv_antibiotic_model(t, x, r, K, A, antibiotics, dose_times, D, k_elim, cf0, alpha, Antag)
+ ab_map = containers.Map({'Ampicillin','Tobramycin','Ceftazidime','Azithromycin','Tetracycline','Penicillin'}, 1:6);
+ n_species = length(r);
+ x_species = x(1:n_species);
+ R_vec = x(n_species+1:end);
+ R_ij = reshape(R_vec, n_species, []);
+
+ r_mod = r;
+ K_mod = K;
+
+ %% Farmakokinetika
+ C_total = zeros(length(antibiotics), 1);
+ for j = 1:length(antibiotics)
+ Cj = 0;
+ for k = 1:length(dose_times)
+ if t >= dose_times(k)
+ Cj = Cj + D(k) * exp(-k_elim * (t - dose_times(k)));
+ end
+ end
+ C_total(j) = Cj;
+ end
+
+ %% Rezisztencia növekedés
+ res_increase = 0.002;
+ res_decrease = 0.0005;
+ mutation_rate = 1e-4; % Spontán mutáció
+ HGT_rate = 5e-6 / sum(x_species + 1); % Plazmid-átadás valószínűsége
+
+ dR_dt = zeros(size(R_ij));
+ for i = 1:n_species
+ for j = 1:length(antibiotics)
+ idx_ab = ab_map(antibiotics{j});
+ if C_total(j) > 0.1
+ dR_dt(i, idx_ab) = res_increase;
+ else
+ dR_dt(i, idx_ab) = -res_decrease;
+ end
+ % Mutáció – csak ha nincs teljes rezisztencia
+ if R_ij(i, idx_ab) < 1.0
+ dR_dt(i, idx_ab) = dR_dt(i, idx_ab) + mutation_rate * (1 - R_ij(i, idx_ab));
+ end
+
+ % Horizontális géntranszfer (plazmidból)
+ for donor = 1:n_species
+ if donor ~= i
+ dR_dt(i, idx_ab) = dR_dt(i, idx_ab) + HGT_rate * R_ij(donor, idx_ab) * x_species(donor);
+ end
+ end
+ end
+ end
+
+ %% Fitnesz-költség
+ for i = 1:n_species
+ for j = 1:length(antibiotics)
+ cf = cf0 + alpha * R_ij(i, j);
+ r_mod(i) = r_mod(i) * (1 - cf);
+ end
+ end
+
+ % K-fitnesz költség integrálása
+ for i = 1:n_species
+ for j = 1:length(antibiotics)
+ cost = cf0 + alpha * R_ij(i, j);
+ K_mod(i) = K_mod(i) * (1 - 0.5 * cost); % vagy saját súlyozással
+ end
+ end
+
+ % Stabilitási korlát
+ r_mod = max(r_mod, 1e-6);
+ K_mod = max(K_mod, 1e-6);
+
+ %% Antibiotikum hatás és antagonizmus
+ for j = 1:length(antibiotics)
+ name = antibiotics{j};
+ idx_j = ab_map(name);
+ Cj = C_total(j);
+ E_j = (Cj^2) / (Cj^2 + 1);
+ for k = 1:length(antibiotics)
+ if j ~= k
+ idx_k = ab_map(antibiotics{k});
+ E_j = E_j * (1 - Antag(idx_j, idx_k));
+ end
+ end
+
+ switch name
+ case 'Ampicillin'
+ sensitivity2 = exp(-5 * R_ij(2, idx_j));
+ sensitivity6 = exp(-5 * R_ij(6, idx_j));
+
+ r_mod(2) = r_mod(2) * (1 - 1.2 * E_j * sensitivity2);
+ K_mod(2) = K_mod(2) * (1 - 1.2 * E_j * sensitivity2);
+ r_mod(6) = r_mod(6) * (1 - 1.6 * E_j * sensitivity6);
+ K_mod(6) = K_mod(6) * (1 - 1.6 * E_j * sensitivity6);
+ case 'Tobramycin'
+ sensitivity1 = exp(-5 * R_ij(1, idx_j));
+
+ r_mod(1) = r_mod(1) * (1 - 1.2 * E_j * sensitivity1);
+ K_mod(1) = K_mod(1) * (1 - 1.2 * E_j * sensitivity1);
+ case 'Ceftazidime'
+ sensitivity1 = exp(-5 * R_ij(1, idx_j));
+ sensitivity5 = exp(-5 * R_ij(5, idx_j));
+
+ r_mod(1) = r_mod(1) * (1 - 0.8 * E_j * sensitivity1);
+ K_mod(1) = K_mod(1) * (1 - 0.99 * E_j * sensitivity1);
+ r_mod(5) = r_mod(5) * (1 - 0.4 * E_j * sensitivity5);
+ case 'Azithromycin'
+ sensitivity2 = exp(-5 * R_ij(2, idx_j));
+ sensitivity6 = exp(-5 * R_ij(6, idx_j));
+
+ r_mod(2) = r_mod(2) * (1 - 0.7 * E_j * sensitivity2);
+ K_mod(2) = K_mod(2) * (1 - 0.5 * E_j * sensitivity2);
+ r_mod(6) = r_mod(6) * (1 - 0.8 * E_j * sensitivity6);
+ K_mod(6) = K_mod(6) * (1 - 0.2 * E_j * sensitivity6);
+ case 'Tetracycline'
+ sensitivity3 = exp(-5 * R_ij(3, idx_j));
+
+ r_mod(3) = r_mod(3) * (1 - 0.5 * E_j * sensitivity3);
+ K_mod(3) = K_mod(3) * (1 - 0.5 * E_j * sensitivity3);
+ case 'Penicillin'
+ sensitivity2 = exp(-5 * R_ij(2, idx_j));
+
+ r_mod(2) = r_mod(2) * (1 - 0.3 * E_j * sensitivity2);
+ K_mod(2) = K_mod(2) * (1 - 0.2 * E_j * sensitivity2);
+ end
+ end
+
+ %% 5. Növekedési ráták és kompetíció
+ dx_species = r_mod .* x_species .* (1 - (A * x_species) ./ K_mod);
+
+ death_threshold = 1; % halálozási küszöb
+ for i = 1:n_species
+ if x_species(i) < death_threshold
+ dx_species(i) = 0;
+ r_mod(i) = 0;
+ end
+ end
+
+ %% Immunválasz
+ I = 0.01; % erőssége (állandó)
+ immune_clearance = I * x_species;
+ % csökkentjük a populációkat ezzel is:
+ dx_species = dx_species - immune_clearance;
+
+ dR_vec = reshape(dR_dt, [], 1);
+ dxdt = [dx_species; dR_vec];
+end
\ No newline at end of file