Análisis de registros de electrocardiografía a largo plazo para detectar arritmias en ratones
Summary
Aquí presentamos un protocolo paso a paso para un enfoque semiautomatizado para analizar datos murinos de electrocardiografía a largo plazo (ECG) para parámetros básicos de ECG y arritmias comunes. Los datos se obtienen mediante transmisores de telemetría implantables en ratones vivos y despiertos y se analizan utilizando Ponemah y sus módulos de análisis.
Abstract
Las arritmias son comunes y afectan a millones de pacientes en todo el mundo. Las estrategias de tratamiento actuales se asocian con efectos secundarios significativos y siguen siendo ineficaces en muchos pacientes. Para mejorar la atención al paciente, se necesitan conceptos terapéuticos novedosos e innovadores dirigidos causalmente a los mecanismos de arritmia. Para estudiar la compleja fisiopatología de las arritmias, se necesitan modelos animales adecuados, y se ha demostrado que los ratones son especies modelo ideales para evaluar el impacto genético en las arritmias, investigar mecanismos moleculares y celulares fundamentales e identificar posibles objetivos terapéuticos.
Los dispositivos de telemetría implantables se encuentran entre las herramientas más poderosas disponibles para estudiar la electrofisiología en ratones, lo que permite el registro continuo de ECG durante un período de varios meses en ratones despiertos que se mueven libremente. Sin embargo, debido a la gran cantidad de puntos de datos (>1 millón de complejos QRS por día), el análisis de los datos de telemetría sigue siendo un desafío. Este artículo describe un enfoque paso a paso para analizar ECG y detectar arritmias en registros de telemetría a largo plazo utilizando el software, Ponemah, con sus módulos de análisis, ECG Pro y Data Insights, desarrollado por Data Sciences International (DSI). Para analizar los parámetros básicos del ECG, como la frecuencia cardíaca, la duración de la onda P, el intervalo PR, el intervalo QRS o la duración del QT, se realizó un análisis automatizado de atributos utilizando Ponemah para identificar las ondas P, Q y T dentro de ventanas ajustadas individualmente alrededor de las ondas R detectadas.
Los resultados se revisaron manualmente, lo que permitió ajustar las anotaciones individuales. El resultado del análisis basado en atributos y el análisis de reconocimiento de patrones fue utilizado por el módulo Data Insights para detectar arritmias. Este módulo permite una detección automática de arritmias definidas individualmente dentro de la grabación, seguida de una revisión manual de los episodios de arritmia sospechados. El artículo discute brevemente los desafíos en el registro y la detección de señales de ECG, sugiere estrategias para mejorar la calidad de los datos y proporciona registros representativos de arritmias detectadas en ratones utilizando el enfoque descrito anteriormente.
Introduction
Las arritmias cardíacas son comunes y afectan a millones de pacientes en todo el mundo1. El envejecimiento de la población muestra una incidencia creciente y, por lo tanto, una importante carga para la salud pública como resultado de las arritmias cardíacas y su morbilidad y mortalidad2. Las estrategias de tratamiento actuales son limitadas y a menudo se asocian con efectos secundarios significativos y siguen siendo ineficaces en muchos pacientes 3,4,5,6. Se necesitan urgentemente estrategias terapéuticas novedosas e innovadoras que se dirijan causalmente a los mecanismos de arritmia. Para estudiar la compleja fisiopatología de las arritmias, se necesitan modelos animales adecuados; Los ratones han demostrado ser una especie modelo ideal para evaluar el impacto genético sobre las arritmias, investigar mecanismos moleculares y celulares fundamentales e identificar posibles dianas terapéuticas 7,8,9. El registro continuo de ECG es un concepto bien establecido en la rutina clínica de detección de arritmias10.
Los dispositivos de telemetría implantables se encuentran entre las herramientas más poderosas disponibles para estudiar la electrofisiología en ratones, ya que permiten el registro continuo del ECG (un enfoque común es implantar los cables en una posición de plomo II) durante un período de varios meses en ratones despiertos que se mueven libremente11,12. Sin embargo, debido a la gran cantidad de puntos de datos (hasta más de 1 millón de complejos QRS por día) y el conocimiento limitado de los valores estándar murinos, el análisis de los datos de telemetría sigue siendo un desafío. Los transmisores de telemetría comúnmente disponibles para ratones duran hasta 3 meses, lo que lleva a la grabación de hasta 100 millones de complejos QRS. Esto significa que los protocolos de análisis pragmático son muy necesarios para reducir el tiempo dedicado a cada conjunto de datos individual y permitirán a los investigadores manejar e interpretar esta enorme cantidad de datos. Para obtener una señal de ECG limpia al grabar, la implantación del transmisor debe ser óptima: las posiciones de los conductores deben estar lo más separadas posible para permitir amplitudes de señal más altas.
El lector interesado puede ser referido a un protocolo de McCauley et al.12 para más información. Además, para minimizar el ruido, las jaulas y los transmisores deben colocarse en un ambiente silencioso no propenso a ninguna molestia, como un gabinete ventilado con factores ambientales controlados (temperatura, luz y humedad). Durante el período experimental, el posicionamiento del cable debe verificarse regularmente para evitar la pérdida de señal debido a la perforación del plomo o problemas de cicatrización de heridas. Fisiológicamente, existe una alteración circadiana en los parámetros del ECG tanto en roedores como en humanos, generando la necesidad de un enfoque estandarizado para obtener parámetros basales del ECG a partir de un registro continuo. En lugar de calcular los valores medios de los parámetros del ECG durante un período prolongado, se debe realizar un análisis de un ECG en reposo similar al de los seres humanos para obtener parámetros básicos como la frecuencia cardíaca en reposo, la duración de la onda P, el intervalo PR, la duración del QRS o el intervalo QT/QTc. En los seres humanos, un ECG en reposo se registra durante 10 s, a una frecuencia cardíaca normal de 50-100/min. Este ECG incluye de 8 a 17 complejos QRS. Se recomienda un análisis de 20 complejos QRS consecutivos en el ratón como “equivalente de ECG en reposo”. Debido a la alteración circadiana mencionada anteriormente, un enfoque simple es analizar dos ECG en reposo por día, uno durante el día y otro durante la noche. Dependiendo del ciclo de encendido/apagado de la luz en la instalación animal, se seleccionan los horarios adecuados (por ejemplo, 12 AM/PM) y se obtienen los parámetros básicos.
A continuación, se utiliza un gráfico de frecuencia cardíaca a lo largo del tiempo para detectar taquicardias y bradicardias relevantes, con exploración manual consecutiva de estos episodios para obtener una primera impresión. Este gráfico de frecuencia cardíaca conduce a los parámetros importantes de frecuencia cardíaca máxima y mínima durante el período registrado, así como a la variabilidad de la frecuencia cardíaca a lo largo del tiempo. Después de eso, el conjunto de datos se analiza en busca de arritmias. Este artículo describe un enfoque paso a paso para obtener estos datos de ECG de referencia de registros de telemetría a largo plazo de ratones despiertos durante un período de registro de hasta tres meses. Además, describe cómo detectar arritmias utilizando el software, Ponemah versión 6.42, con sus módulos de análisis, ECG Pro y Data Insights, desarrollado por Data Sciences International (DSI). Esta versión es compatible con Windows 7 (SP1, 64 bits) y Windows 10 (64 bits).
Protocol
Representative Results
Discussion
El ECG de superficie es la principal herramienta de diagnóstico para pacientes que sufren trastornos del ritmo cardíaco, proporcionando información sobre muchos fenómenos electrofisiológicos. Sin embargo, un análisis suficiente de las patologías del ECG de superficie cardíaca requiere el conocimiento y la definición de los parámetros fisiológicos normales. Muchos años de investigación epidemiológica han llevado a un amplio consenso sobre lo que es fisiológico en humanos y, por lo tanto, han permitido a los…
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
Este trabajo fue apoyado por la Fundación Alemana de Investigación (DFG; Clinician Scientist Program In Vascular Medicine (PRIME), MA 2186/14-1 a P. Tomsits y D. Schüttler), Centro Alemán de Investigación Cardiovascular (DZHK; 81X2600255 a S. Clauss), la Fundación Corona (S199/10079/2019 a S. Clauss), la ERA-NET sobre Enfermedades Cardiovasculares (ERA-CVD; 01KL1910 a S. Clauss), la Heinrich-and-Lotte-Mühlfenzl Stiftung (a S. Clauss) y el Consejo de Becas de China (CSC, a R. Xia). Los financiadores no tuvieron ningún papel en la preparación del manuscrito.
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).
