大规模的合成数据使人类可刺激细胞的数字双胞胎成为可能
Pei-Chi Yang1,2, Mao-Tsuen Jeng2, Deborah K Lieu3,4
1Center for Precision Medicine and Data Science.
bioRxiv : the preprint server for biology
|September 15, 2025
概括
本研究介绍了一种使用合成数据的计算框架,用于创建心肌细胞的数字双胞胎. 这使得精确的,个性化的心脏电生理学建模能够超越实验限制.
科学领域:
- 计算生物学是一种计算生物学.
- 心血管研究的心血管研究.
- 生物物理学的生物物理.
背景情况:
- 由于传统方法的平均值,对疾病表现和治疗反应的个体变异性知之甚少.
- 缺乏机械洞察力和预测准确性限制了个性化医疗方法.
研究的目的:
- 开发一个计算框架,用于创建个性化的心肌细胞数字双胞胎.
- 通过利用大规模的合成数据集来克服实验数据的局限性.
- 为了实现心脏电生理学的精确和可扩展的建模.
主要方法:
- 开发了一个计算框架,从单电压实验中生成数字双胞胎.
- 创建了模拟心肌细胞的大量合成数据集,涵盖了各种电生理学范围.
- 在合成数据上训练了一个神经网络,从实验记录中推断出细胞特异的生物物理参数.
主要成果:
- 该框架成功地构建了人类诱导的多能干细胞衍生的心肌细胞的数字双胞胎.
- 合成数据使得生物变异性的全面探索和模型训练能够超越实验数据的限制.
- 神经网络准确地从活细胞记录中推断出细胞特异性参数,重现明显的细胞特征.
结论:
- 该研究提出了一种新的方法,将计算建模,数据模拟和机器学习结合起来,用于个性化心脏电生理学.
- 这种框架允许可扩展,精确和个性化的心脏细胞功能的建模.
- 该方法很容易扩展到其他电活性电池类型.
