白杰云 / 張曉慎團隊聯(lián)合國際合作者在 PLOS Computational Biology 發(fā)表研究成果
暨南大學融媒體中心訊 心房顫動作為全球最常見的心律失常，影響著約1%-2%的人口，其中女性患者不僅面臨更高的并發(fā)癥風險，治療效果也普遍欠佳。近日，這一臨床難題迎來重要突破——暨南大學白杰云副教授與張曉慎教授團隊聯(lián)合奧克蘭大學、根特大學等機構(gòu)的研究者，在計算生物學頂刊《PLOS Computational Biology》發(fā)表題為“Digital twin for sex-specific identification of class III antiarrhythmic drugs based on in vitro measurements,computer models,and machine learning tools”的研究成果。該研究創(chuàng)新性地將數(shù)字孿生技術(shù)與機器學習算法相結(jié)合，首次實現(xiàn)了 III 類抗心律失常藥物的性別特異性精準識別，為心房顫動的個性化治療開辟了全新路徑，有望破解長期以來藥物反應存在性別差異的臨床困境。
研究團隊構(gòu)建了涵蓋 5,663名男性和 6,184名女性的心肌細胞數(shù)字孿生模型庫，結(jié)合體外實驗數(shù)據(jù)進行校準后，系統(tǒng)模擬了 12種臨床常用抗心律失常藥物（其中 6種為 III 類藥物，6種為非 III 類藥物）對心肌細胞動作電位和鈣瞬變的影響。通過提取 14項關(guān)鍵生物標志物（包括靜息膜電位、動作電位時程、鈣瞬變幅度等），團隊利用支持向量機（SVM）等機器學習算法訓練出性別特異性分類器，成功實現(xiàn)了對 III 類藥物的精準識別。研究的關(guān)鍵發(fā)現(xiàn)包括：性別特異性模型顯著提升了藥物識別的預測精度，其中支持向量機分類器的準確率超 89%，F(xiàn)1分數(shù)達 87%以上，較非性別特異性模型準確率提升約 7%；靜息膜電位變化（ΔRMP）、動作電位幅度變化（ΔAPA）、動作電位時程（APD）及新提出的動作電位面積變化（ΔAREA）是區(qū)分性別藥物反應的核心生物標志物；女性心肌細胞中 IK1、INa 和 Ito 離子電流水平較低，可能是導致藥物反應性別差異的重要機制。
該研究證實納入性別因素可大幅提升抗心律失常藥物分類的準確性，為臨床精準用藥提供了量化工具——例如，借助該模型能更精準預測女性患者對胺碘酮、索他洛爾等藥物的反應，降低致命性心律失常（如尖端扭轉(zhuǎn)型室速）的發(fā)生風險。此外，研究構(gòu)建的數(shù)字孿生-機器學習框架可通過模擬藥物對不同性別心肌細胞的影響，無需依賴大量臨床試驗即可評估候選藥物的性別特異性療效，大幅加速藥物篩選流程并降低研發(fā)成本。
該論文通訊作者為暨南大學白杰云副教授與陸華主任，研究得到國家自然科學基金、廣東省自然科學基金及國家外專計劃項目等多方資助。
論文鏈接：https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1013154
責編：常凱麗