Ученые из лаборатории физиологии человека МФТИ совместно с коллегами из Казанского федерального университета, а также из Университета Джорджа Вашингтона (The George Washington University) предложили алгоритм, который позволяет получить математическую модель, описывающую электрическое возбуждение клеток сердца конкретного пациента. В работе, опубликованной в научном журнале PLOS ONE, исследуется два возможных подхода к этой задаче: в одном случае с использованием экспериментальных записей электрической активности, а в другом — профиля экспрессии генов.
Каждое сокращение сердца вызвано предшествующим электрическим возбуждением, так называемым потенциалом действия. Последний обусловлен электрическими токами через ионные каналы. Количество каналов, формирующих ионные токи, неодинаково: изменения могут быть вызваны как заболеваниями, так и непаталогическими индивидуальными особенностями разных тканей сердца. Нарушение баланса между ионными токами различного типа может приводить к опасным аритмиям и смерти.
В силу большого количества факторов, влияющих на распространение возбуждения, общие принципы развития аритмий изучаются при помощи математических моделей на протяжении последних 50 лет. Несмотря на долгое развитие и усложнение таких моделей, они до сих пор редко применяются в клинической практике, главным образом из-за того, что описывают некоего «среднего» пациента. А чтобы они описывали конкретного пациента их нужно персонализировать, что является сложной задачей, решению которой и посвящена настоящая статья.
Первый подход, обсуждаемый в статье, основан на использовании экспериментальных записей формы потенциала действия и дальнейшей оптимизации модели при помощи специальных компьютерных алгоритмов. Данные алгоритмы используют эволюционные принципы для поиска таких параметров, при которых модель воспроизводит эксперимент. При этом на множество случайно сгенерированных моделей поочередно действуют селекция, скрещивание и мутация. В работах разных групп прошлых лет показано, что недостаток этого подхода — сложность поиска уникального решения (существует множество комбинаций параметров, которые приводят к форме потенциала действия, близкой той, которая была записана у данного пациента).
Андрей Пикунов, один из авторов работы, сотрудник лаборатории физиологии человека МФТИ, говорит: «Мы пристально рассмотрели каждый из этапов работы алгоритма и оптимизировали их все. Например, в предыдущих работах модельные параметры подвергались мутации независимо друг от друга, а мы применили “векторную мутацию”, которая действует сразу на все параметры одновременно. Так поиск требуемой параметризации модели идет значительно эффективнее. Вместе с другими модификациями получился алгоритм, который позволяет определить проводимости основных ионных каналов с высокой точностью».
Второй подход, обсуждаемый в статье, связан с использованием данных генетической экспрессии, процесса, в ходе которого наследственная информация от гена преобразуется в РНК или белок. Каждый ионный канал на клеточной мембране состоит из белковых субъединиц, которые встраиваются в клеточную мембрану после трансляции с матричной РНК (мРНК). Количество экспрессируемой мРНК может быть измерено, но до сих пор не было возможности предсказания электрофизиологических особенностей пациента на основе этой информации. Для этого в данной работе модель была откалибрована с использованием описанных выше алгоритмов на одном из пациентов. Затем на основе разницы профилей экспрессии были разработаны математические модели, которые успешно предсказали форму потенциала действия других пациентов по их индивидуальному профилю экспрессии генов.
Роман Сюняев, автор работы, заведующий лабораторией физиологии человека МФТИ, говорит: «Кроме фундаментального интереса, у работы есть широкие практические перспективы: от использования пациент-специфических моделей в клинической практике до дизайна лекарств. Так, многие лекарственные препараты зачастую действуют на различные ионные каналы. Разработанные алгоритмы в перспективе могут позволить понять на основании измерений формы потенциала действия эффект препарата на сердечные клетки».
Работа была поддержана грантами РФФИ и РНФ.
