由诱导性多功能干细胞分化的心肌细胞(induced pluripotent stem cell-derived cardiomyocytes, iPSC-CMs)已应用于检测各种钙离子异常的遗传性心脏疾病研究,如儿茶酚胺依赖性多形心室频脉(catecholaminergic polymorphic ventricular tachycardia, CPVT)、QT 延长症候群(long QT syndrome, LQT)和心肌肥厚症(hypertrophic cardiomyopathy, HCM)等。
近日,芬兰坦佩雷大学(University of Tampere)研究团队指出,他们能透过讯息分析方法和不同的机器学习算法(machine learning algorithms),来分析健康族群、CPVT、LQT、HCM 的心肌细胞钙离子瞬变(transient),并且区分它们,而且分类准确度高达 87%。该研究刊登于《Scientific Reports》上。
该研究团队首先使内脏内胚层类细胞(visceral endoderm-like cells, END-2)和 iPSC 共同培养,促使三种遗传性心脏病(CPVT、LQT、HCM)和健康族群的 iPSC 分化成可自发跳动的心肌细胞。接着,将心肌细胞分离成单一细胞,以便进行钙离子分析。然后,他们使用机器学习算法对钙离子瞬变讯号进行分类,即是将每个峰分为正常或异常类型,如果讯号的一个峰值被归类为异常,则整个讯号被判定是异常的。然而,并非将全部钙离子瞬变讯号会被全自动分类为正常或异常,他们还会透过人类专家来确定它们的分类,以确保分类的正确性。
该研究团队指出,遗传性心脏病的基因检测于近 20 年大大增加,参与不同疾病的基因和基因变异的数量有所增加,但未知意义发现的罹病率也加倍成长。潜在的致病变异的外显率(penetrance)往往不完全或仅在生命后期出现,再加上临床表型还可能受到其他因素的影响,例如个体的基因体以及许多环境因素或生活方式因素,从而使遗传性心脏病的诊断复杂化,并延迟潜在的预防性药物治疗。然而,透过 iPSC-CM 和机器学习测量钙离子讯号的方式可补足基因检测的不足,在未来可望成为更好和更先进的遗传性心脏病诊断方法。
延伸阅读:未来疾病检测,AI 技高一筹?参考资料:
1. Scientific Reports, 2018; 8 (1) DOI: 10.1038/s41598-018-27695-5
2. https://www.sciencedaily.com/releases/2018/06/180619122525.htm
©www.geneonline.news. All rights reserved. 基因线上版权所有 未经授权不得转载。合作请联系:service@geneonlineasia.com