마우스의 부정맥을 감지하기 위한 장기 심전도 기록 분석
Summary
여기에서는 기본 ECG 매개 변수 및 일반적인 부정맥에 대한 쥐의 장기 심전도 (ECG) 데이터를 분석하기위한 반자동 접근 방식에 대한 단계별 프로토콜을 제시합니다. 데이터는 살아 있는 마우스와 깨어 있는 마우스의 이식형 원격 측정 송신기로 얻고 Ponemah 및 해당 분석 모듈을 사용하여 분석합니다.
Abstract
부정맥은 흔하며 전 세계 수백만 명의 환자에게 영향을 미칩니다. 현재의 치료 전략은 심각한 부작용과 관련이 있으며 많은 환자에서 효과가 없습니다. 환자 치료를 개선하기 위해서는 부정맥 메커니즘을 인과 적으로 표적으로 삼는 새롭고 혁신적인 치료 개념이 필요합니다. 부정맥의 복잡한 병태생리학을 연구하기 위해서는 적절한 동물 모델이 필요하며, 마우스는 부정맥에 대한 유전적 영향을 평가하고, 근본적인 분자 및 세포 메커니즘을 조사하고, 잠재적인 치료 표적을 식별하는 데 이상적인 모델 종으로 입증되었습니다.
이식형 원격 측정 장치는 마우스의 전기 생리학을 연구하는 데 사용할 수 있는 가장 강력한 도구 중 하나로, 자유롭게 움직이고 깨어 있는 마우스에서 몇 개월 동안 지속적인 ECG 기록을 가능하게 합니다. 그러나 엄청난 수의 데이터 포인트(하루에 1백만 > QRS 컴플렉스)로 인해 원격 분석 데이터 분석은 여전히 어렵습니다. 이 기사에서는 데이터 사이언스 인터내셔널(DSI)에서 개발한 분석 모듈인 ECG Pro 및 Data Insights와 함께 소프트웨어 Ponemah를 사용하여 ECG를 분석하고 장기 원격 측정 기록에서 부정맥을 감지하는 단계별 접근 방식을 설명합니다. 심박수, P 파 지속 시간, PR 간격, QRS 간격 또는 QT 지속 시간과 같은 기본 ECG 매개 변수를 분석하기 위해 Ponemah를 사용하여 자동 속성 분석을 수행하여 감지 된 R 파 주변의 개별적으로 조정 된 창 내에서 P, Q 및 T 파를 식별했습니다.
그런 다음 결과를 수동으로 검토하여 개별 주석을 조정할 수 있습니다. 속성 기반 분석 및 패턴 인식 분석의 출력은 Data Insights 모듈에서 부정맥을 감지하는 데 사용되었습니다. 이 모듈은 녹음 내에서 개별적으로 정의된 부정맥에 대한 자동 스크리닝을 허용한 다음 의심되는 부정맥 에피소드를 수동으로 검토할 수 있습니다. 이 기사에서는 ECG 신호 기록 및 감지의 문제에 대해 간략하게 논의하고, 데이터 품질을 개선하기 위한 전략을 제안하며, 위에서 설명한 접근 방식을 사용하여 마우스에서 감지된 부정맥의 대표적인 기록을 제공합니다.
Introduction
심장 부정맥은 흔하며 전 세계 수백만 명의 환자에게 영향을 미칩니다1. 고령화 인구는 발병률이 증가하고 따라서 심장 부정맥과 이환율 및 사망률로 인한 주요 공중 보건 부담을 보여줍니다2. 현재의 치료 전략은 제한적이며 종종 심각한 부작용과 관련이 있으며 많은 환자에서 효과가 없습니다 3,4,5,6. 부정맥 메커니즘을 인과 적으로 목표로하는 새롭고 혁신적인 치료 전략이 시급히 필요합니다. 부정맥의 복잡한 병태생리학을 연구하려면 적절한 동물 모델이 필요합니다. 마우스는 부정맥에 대한 유전적 영향을 평가하고, 근본적인 분자 및 세포 메커니즘을 조사하고, 잠재적인치료 표적을 식별하기 위한 이상적인 모델 종으로 입증되었습니다7,8,9. 연속 ECG 기록은 부정맥 감지10의 임상 루틴에서 잘 확립 된 개념입니다.
이식형 원격 측정 장치는 자유롭게 움직이고 깨어 있는 마우스에서 몇 개월에 걸쳐 ECG(일반적인 접근 방식은 리드를 리드-II 위치에 이식하는 것)를 연속적으로 기록할 수 있기 때문에 마우스의 전기 생리학을 연구하는 데 사용할 수 있는 가장 강력한 도구 중 하나입니다(일반적인 접근 방식은 리드-II 위치에 리드를 이식하는 것입니다11,12). 그러나 엄청난 수의 데이터 포인트(하루에 최대 100만 개 이상의 QRS 콤플렉스)와 쥐 표준 값에 대한 제한된 지식으로 인해 원격 측정 데이터 분석은 여전히 어렵습니다. 마우스에 일반적으로 사용 가능한 원격 측정 송신기는 최대 3개월 동안 지속되므로 최대 1억 개의 QRS 복합체를 기록할 수 있습니다. 즉, 각 개별 데이터 세트에 소요되는 시간을 줄이기 위해 실용적인 분석 프로토콜이 많이 필요하며 연구자가이 방대한 양의 데이터를 처리하고 해석 할 수 있습니다. 기록 시 깨끗한 ECG 신호를 얻으려면 송신기 주입이 최적이어야 하며 리드 위치는 더 높은 신호 진폭을 허용하기 위해 가능한 한 멀리 떨어져 있어야 합니다.
관심있는 독자는 더 많은 정보를 위해 McCauley et al.12 에 의해 프로토콜을 참조 할 수 있습니다. 또한 소음을 최소화하기 위해 케이지와 송신기는 환경 요인(온도, 빛, 습도)이 제어된 환기 캐비닛과 같이 방해가 되지 않는 조용한 환경에 배치해야 합니다. 실험 기간 동안 납 천공 또는 상처 치유 문제로 인한 신호 손실을 방지하기 위해 리드 위치를 정기적으로 점검해야 합니다. 생리학적으로, 인간에서와 마찬가지로 설치류에서 ECG 파라미터에 일주기 변경이 존재하며, 연속 기록으로부터 기준선 ECG 파라미터를 얻기 위한 표준화된 접근법의 필요성을 발생시킨다. 장기간에 걸쳐 ECG 매개변수의 평균값을 계산하는 대신 안정시 심박수, P파 지속 시간, PR 간격, QRS 지속 시간 또는 QT/QTc 간격과 같은 기본 매개변수를 얻기 위해 인간과 유사한 휴식 ECG의 분석을 수행해야 합니다. 인간의 경우 안정시 ECG는 50-100/min의 정상 심박수로 10초 이상 기록됩니다. 이 ECG에는 8-17 개의 QRS 복합체가 포함됩니다. 20 개의 연속 QRS 복합체 분석은 마우스에서 “휴식 ECG 등가물”로 권장됩니다. 위에서 언급 한 일주기 변화로 인해 간단한 접근 방식은 낮과 밤에 하나씩 하루에 두 개의 휴식 ECG를 분석하는 것입니다. 동물 시설의 조명 켜기/끄기 주기에 따라 적절한 시간(예: 오전 12시/오후)이 선택되고 기본 매개변수가 얻어집니다.
다음으로, 시간 경과에 따른 심박수 플롯을 사용하여 관련 빈맥 및 서맥을 감지하고 이러한 에피소드를 연속적으로 수동으로 탐색하여 첫인상을 얻습니다. 이 심박수 플롯은 기록된 기간 동안의 최대 및 최소 심박수와 시간 경과에 따른 심박수 변동성의 중요한 매개변수로 이어집니다. 그 후, 데이터 세트는 부정맥에 대해 분석됩니다. 이 문서에서는 최대 3개월의 기록 기간 동안 깨어 있는 마우스의 장기 원격 분석 기록에서 이러한 기준 ECG 데이터를 얻기 위한 단계별 접근 방식을 설명합니다. 또한 데이터 사이언스 인터내셔널 (DSI)에서 개발 한 분석 모듈 인 ECG Pro 및 Data Insights와 함께 소프트웨어 인 Ponemah 버전 6.42를 사용하여 부정맥을 감지하는 방법을 설명합니다. 이 버전은 윈도우 7 (SP1, 64 비트) 및 윈도우 10 (64 비트)와 호환됩니다.
Protocol
Representative Results
Discussion
표면 ECG는 심장 리듬 장애로 고통받는 환자를 위한 주요 진단 도구이며 많은 전기 생리학적 현상에 대한 통찰력을 제공합니다. 그럼에도 불구하고 심장 표면 ECG 병리를 충분히 분석하려면 정상적인 생리적 매개 변수에 대한 지식과 정의가 필요합니다. 수년간의 역학 연구를 통해 인간의 생리학적인 것이 무엇인지에 대한 광범위한 동의가 이루어졌으며 따라서 전 세계 의사들은 병리학을 명확하?…
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
이 연구는 독일 연구 재단 (DFG; 혈관 의학 임상 과학자 프로그램 (PRIME), MA 2186 / 14-1에서 P. Tomsits 및 D. Schüttler), 독일 심혈관 연구 센터 (DZHK; 81X2600255에서 S. Clauss), 코로나 재단 (S199 / 10079 / 2019에서 S. Clauss), 심혈관 질환에 관한 ERA-NET (ERA-CVD; 01KL1910에서 S. Clauss까지), Heinrich-and-Lotte-Mühlfenzl Stiftung (S. Clauss에게) 및 중국 장학금위원회 (CSC, R. Xia). 기금 제공자는 원고 준비에 아무런 역할도 하지 않았습니다.
Riferimenti
- Camm, A. J., et al. Guidelines for the management of atrial fibrillation: the Task Force for the Management of Atrial Fibrillation of the European Society of Cardiology (ESC). Europace. 12 (10), 1360-1420 (2010).
- Chugh, S. S., et al. Worldwide epidemiology of atrial fibrillation: a Global Burden of Disease 2010 Study. Circulation. 129 (8), 837-847 (2014).
- Dobrev, D., et al. New antiarrhythmic drugs for treatment of atrial fibrillation. Lancet. 375 (9721), 1212-1223 (2010).
- January, C. T., et al. 2019 AHA/ACC/HRS focused update of the 2014 AHA/ACC/HRS Guideline for the management of patients with atrial fibrillation: a report of the American College of Cardiology/American Heart Association Task Force on Clinical Practice Guidelines and the Heart Rhythm Society in Collaboration With the Society of Thoracic Surgeons. Circulation. 140 (2), 125-151 (2019).
- Heijman, J., et al. Cardiac safety assays. Current Opinion in Pharmacology. 15, 16-21 (2014).
- Kirchhof, P., et al. ESC Guidelines for the management of atrial fibrillation developed in collaboration with EACTS. European Heart Journal. 37 (38), 2893-2962 (2016).
- Clauss, S., et al. Animal models of arrhythmia: classic electrophysiology to genetically modified large animals. Nature reviews. Cardiology. 16 (8), 457-475 (2019).
- Schüttler, D., et al. Animal models of atrial fibrillation. Circulation Research. 127 (1), 91-110 (2020).
- Dobrev, D., et al. Mouse models of cardiac arrhythmias. Circulation Research. 123 (3), 332-334 (2018).
- Rosero, S. Z., et al. Ambulatory ECG monitoring in atrial fibrillation management. Progress in cardiovascular diseases. 56 (2), 143-152 (2013).
- Russell, D. M., et al. A high bandwidth fully implantable mouse telemetry system for chronic ECG measurement. Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology. 2011, 7666-7669 (2011).
- McCauley, M. D., et al. Ambulatory ECG recording in mice. Journal of Visualized Experiments : JoVE. (39), e1739 (2010).
- Mehendale, A. C., et al. Unlock the information in your data: Software to find, classify, and report on data patterns and arrhythmias. Journal of Pharmacological and Toxicological Methods. 81, 99-106 (2016).
- Hulsmans, M., et al. Macrophages facilitate electrical conduction in the heart. Cell. 169 (3), 510-522 (2017).
- Boukens, B. J., et al. Misinterpretation of the mouse ECG: ‘musing the waves of Mus musculus. Journal of Physiology. 592 (21), 4613-4626 (2014).
- Wehrens, X. H., et al. Mouse electrocardiography: an interval of thirty years. Cardiovascular Research. 45 (1), 231-237 (2000).
- Goldbarg, A. N., et al. Electrocardiogram of the normal mouse, Mus musculus: general considerations and genetic aspects. Cardiovascular Research. 2 (1), 93-99 (1968).
- Kaese, S., et al. The ECG in cardiovascular-relevant animal models of electrophysiology. Herzschrittmachertherapie und Elektrophysiologie. 24 (2), 84-91 (2013).
- Speerschneider, T., et al. Physiology and analysis of the electrocardiographic T wave in mice. Acta Physiologica. 209 (4), 262-271 (2013).
- Toib, A., et al. Remodeling of repolarization and arrhythmia susceptibility in a myosin-binding protein C knockout mouse model. American Journal of Physiology. Heart and Circulatory Physiology. 313 (3), 620-630 (2017).
- Thireau, J., et al. Heart rate variability in mice: a theoretical and practical guide. Experimental Physiology. 93 (1), 83-94 (2008).
- Hilgard, J., et al. Significance of ventricular pauses of three seconds or more detected on twenty-four-hour Holter recordings. American Journal of Cardiology. 55 (8), 1005-1008 (1985).
