1再生加工厂有限责任公司,34176 US Highway 19 N,棕榈港,佛罗里达州34684,美国; harrell@regenerativeplant.org博士2伯尔尼大学伯尔尼大学解剖研究所,瑞士伯尔尼,伯尔尼2号; valentin.djonov@unibe.ch 3 3心理学系,关于生物和化学危害的有害作用研究中心,Kragujevac大学医学科学学院,69 Svetozara Markovica Street,34000 Kragujevac,塞尔维亚; ana.volarevic@medf.kg.ac.rs 4 Departments of Genetics, Microbiology and Immunology, Center for Research on Harmful Effects of Biological and Chemical Hazards, Faculty of Medical Sciences, University of Kragujevac, 69 Svetozara Markovica Street, 34000 Kragujevac, Serbia 5 Faculty of Pharmacy Novi Sad, Trg Mladenaca 5, 21000诺维·萨德(Novi Sad),塞尔维亚 *通信:vladislav.volarevic@faculty-pharmacy.com;电话: +381-3430-6800
以胶原蛋白的积累为标志,损害心脏功能。MF与心力衰竭特别相关,保留的射血分数(HFPEF)是有限的治疗选择的临床挑战。但是,量化小鼠模型中MF的当前方法难以准确捕获其异质区域分布,从而可靠地评估治疗疗法的疗效,从而产生了重大障碍。10
最初发表于:锡金,莫里斯(Maurits a); Stroeks,Sophie L V M;费德里卡(Federica)Marelli-Berg; Heymans,Stephane R B;卢德维格(Ludewig),伯克哈德(Burkhard); Verdonschot,Job A J(2023)。心肌纤维化的免疫调节。JACC:转化科学基础,8(11):1477-1488。 doi:https://doi.org/10.1016/j.jacbts.2023.03.015JACC:转化科学基础,8(11):1477-1488。doi:https://doi.org/10.1016/j.jacbts.2023.03.015
关键标题学者。 ISSN 2347-6559(在线)1,Kan King Chanoun 1,Kanoja 1 Mocco DOI:HTTPS:收到:17.01.2025 |显然:21.02.2025 |公共25.025 *
在临床和临床前研究中,对MF的定量评估仍然是一个重大挑战,受到技术局限性和疾病固有的可变性的阻碍(Bengel等,2023; Karur等,2024; Barton等,2022)。心脏纤维化分析使心脏的小尺寸和缺乏提供足够分辨率的方法变得复杂(Galati等,2016)。组织学染色技术,例如Masson的三色染色,30
Minjie Lu Fuwai医院号167号北利希路,Xicheng区,北京,中国邮政法典:100037电话:13681042002电子邮件:coolkan@163.com融资和致谢:这项工作得到了中国国家自然科学基金会[赠款编号81971588];中国医学科学院关键实验室(种植)的建筑研究项目[赠款编号2019PT310025];高级医院临床研究的青年关键计划[2022-GSP-QZ-5赠款];国家外国专家人才项目[赠款编号G2021194020L];北京联合医学院的本科教育改革项目[赠款编号2023ZLGL 026];和国家高级医院临床研究资金(2022-GSP-QN-17)。 我们非常感谢Vanessa Ferreira博士,Stefan Piechnik博士和Qiang Zhang博士对这项研究的宝贵指导和贡献。 vanessa Ferreira是牛津大学心血管医学高级研究员,并感谢英国Kusuma Trust的资金。 利益冲突:无声明Minjie Lu Fuwai医院号167号北利希路,Xicheng区,北京,中国邮政法典:100037电话:13681042002电子邮件:coolkan@163.com融资和致谢:这项工作得到了中国国家自然科学基金会[赠款编号81971588];中国医学科学院关键实验室(种植)的建筑研究项目[赠款编号2019PT310025];高级医院临床研究的青年关键计划[2022-GSP-QZ-5赠款];国家外国专家人才项目[赠款编号G2021194020L];北京联合医学院的本科教育改革项目[赠款编号2023ZLGL 026];和国家高级医院临床研究资金(2022-GSP-QN-17)。我们非常感谢Vanessa Ferreira博士,Stefan Piechnik博士和Qiang Zhang博士对这项研究的宝贵指导和贡献。vanessa Ferreira是牛津大学心血管医学高级研究员,并感谢英国Kusuma Trust的资金。利益冲突:无声明
1 Internal Decine Service, H Ô Pital Estaing, CHU de Clermont-Ferrand, F-63000 Clermont-Ferrand, France 2 Sigma Clermont, Institut Pascal, CHU Clermont-Ferrand, University É Clermont Auvergne, CNRS, F-63000 Clermont-Ferrand, France 3 D-E É FE Mucoviscidose, Lyon Sud里昂的医院中心,法国Pierre-bénite的Lion Hospices; durupt@chu-lyon.fr(s.d.); sabine.mainbourg@chu-lyon.fr(S.M.); raphaele.nove-josserand@chu-lyon.fr(R.N.-J.); isabelle.durieu@chu-lyon.fr(i.d.); lederie.reynaud@chu-lyon.fr(q.r。)4个团队评估和强奸效果,UMR 5558,BioMéand Evol devornation Biology的效果,CNR,CNR,Claude Bernard University Lyon 1,F-69622 Villebanne,France 5 Biostates,Biostates 5 Biostates Unit,Centerier De clermont-de Clermont-de Clermont-de Clermont-633000 clermant,f-633000 clermant,clermant-633000; bpereira@chu-clermontferrand.fr 6医疗保健绩效研究(REHSAPE),INSERM U1290,UniversitéclaudeBernard Lyon 1,F-69373法国Lyon,France *通信:这样的。: +33-4-73-750-085;传真: +33-4-73-750-361
心脏纤维化是急性心肌梗塞(MI)和其他其他慢性疾病的共同特征,例如高血压,糖尿病和慢性肾脏疾病[1]。心力衰竭(HF)与高死亡率和生活质量差有关,并对卫生系统造成沉重负担。流行病学研究表明,根据2015年至2018年的数据,约有600万美国成年人患有HF。HF发病率在人口中达到每1000人10。许多研究强调,心脏纤维化的严重程度与心脏不良事件和死亡率相关[2,3]。心脏纤维化被定义为心肌外基质(ECM)蛋白质沉积(主要是胶原I和III)的增加,这会损害心脏功能。两种类型的心脏纤维病变已根据其定位和ECM蛋白质沉积的特征定义[4]。第一个是一个修复过程,也称为替代纤维化,被视为疤痕组织。在这种缺血性疾病中,心肌缺氧导致心肌细胞的坏死和凋亡,导致大量心脏细胞损失,这对于心脏功能至关重要。心肌细胞死亡启动了三联免疫反应,旨在清除细胞碎片并促进损伤的心肌替代以维持心脏功能[5]。第二种粘纤维病变是间质纤维化,其特征是胶原蛋白在内体和外膜中的弥漫性沉积。因此,这种间质纤维化经常有血管性纤维化,特定地被认为是慢性损伤继发的,例如压力超负荷(主动脉瓣狭窄,高血压),心脏炎症(心脏炎症)(心肌炎)和代谢性疾病(OBESITY,OBESITY,糖尿病,糖尿病,糖尿病)以及敏捷。在幸存的梗塞心脏中也经常观察到它在偏远地区发育的心脏。心肌间质纤维化发育改变了心肌结构和生理学,改变了左心室依从性,舒张功能和电连通性,导致芳香族病和不良后果(住院,死亡率)[6-8]。无论背景如何,间质性心脏纤维都与心脏功能障碍相关,并且众所周知,有或没有保留的射血分数有助于HF。
机器学习的最新进展,尤其是在疾病进展模型中,允许从横截面数据重建长期病理。Fonteijn等。 引入了“基于事件的模型” [13],该模型启动了一系列无监督的机器学习方法,共同称为“疾病进展建模” [14]。 这种方法从横截面数据重建了长期的时间疾病进展,迄今为止,已主要应用于神经退行性疾病领域。 Young等人引入了一项关键的创新,后者开发了一种新颖的技术,即“亚型,阶段和推理”(Sustain)。 该机器学习工具通过结合疾病进展建模和聚类来确定疾病亚组和进展模式[15-18]。Fonteijn等。引入了“基于事件的模型” [13],该模型启动了一系列无监督的机器学习方法,共同称为“疾病进展建模” [14]。这种方法从横截面数据重建了长期的时间疾病进展,迄今为止,已主要应用于神经退行性疾病领域。Young等人引入了一项关键的创新,后者开发了一种新颖的技术,即“亚型,阶段和推理”(Sustain)。该机器学习工具通过结合疾病进展建模和聚类来确定疾病亚组和进展模式[15-18]。