使用in silico患者队列计算心肌梗塞后心脏控制的计算建模

科学领域:

• 心血管生理学心血管生理学
• 计算生物学是一种计算生物学.
• 自主神经科学 自主神经科学

背景情况:

• 心肌梗塞 (MI) 后的心脏功能的丧失涉及神经适应在baroreflex.
• 降低巴罗反射灵敏度是心脏病后死亡率的强有力的预测因素.
• 心脏重塑和神经适应在巴罗反射变化中的作用尚未完全理解.

研究的目的:

• 使用计算模型整合神经适应后MI的实验数据.
• 量化不同神经适应部位和心脏重塑对巴罗反射变化的贡献.
• 为了探索心脏控制和心脏反射反应的异质性后MI.

主要方法:

• 开发了人类心脏控制动态的计算模型.
• 创建了59个模型参数化的集合,反映了健康的个体变异性.
• 在六个适应情景中模拟了35,400名心脏病患者的in silico队列.

主要成果:

• 单个神经部位适应与心脏重塑相结合,足以解释MI后观察到的血液动力学和自主性变化.
• 中部或外围的阴道效应适应与保存的巴罗受体增益允许维持巴罗反射灵敏度.
• 多个适应途径可以调整巴罗反射回路,有助于患者MI后异质性.

结论:

• 巴罗反射灵敏度是一个关键的,可变的指标,MI后的生存.
• 计算建模生成了一个in silico队列,反映了实验中的baroreflex变异性.
• 功能性 afferent 途径和阴道 efferent 适应是维持MI后巴罗反射敏感性的关键.