莫斯科物理技术学院，喀山联邦大学和乔治华盛顿大学的研究人员提出了一种算法，该算法可生成描述人体心脏细胞电激发的患者特定数学模型。该研究发表在PLOS One上，该研究着眼于两种可能的方法-一种使用电活动的实验记录，另一种基于基因表达谱。

每次心脏收缩是由先前的电激发(所谓的动作电位)引起的。后者是由通过离子通道的电流引起的。在健康患者中，形成离子电流的此类通道的数量随病理条件和心脏组织的各个特性而变化。当各种类型的离子电流之间的平衡被破坏时，这可能导致危险的心律不齐和死亡。

由于激励传播涉及许多因素，在过去的50年中，研究心律不齐的基本原理的研究一直依赖于数学模型。尽管在开发这些模型方面付出了很多努力，但到目前为止，它们在临床实践中很少使用，主要是因为它们描述了假设的普通患者。这个故事中报道的研究解决了将此类模型应用于实际个体患者的艰巨任务。

本文讨论的第一种方法依赖于动作电位的实验记录和随后使用专用计算机算法进行的模型优化。他们采用进化原理来找到使模型重现实验的参数。对随机生成的模型进行选择，交叉和变异。许多科学团体的先前研究已经确定了这种方法面临的主要挑战。即，由于导致相同动作电位波形的参数的众多不同组合，因此很难找到独特的解决方案。

该研究的合著者，来自MIPT人类生理学实验室的Andrey Pikunov评论说：“我们已经仔细检查并优化了算法的各个阶段。例如，以前，模型参数彼此独立地进行了变异，而我们使用了'vector突变，会立即影响所有参数。这使得寻找正确的模型参数的效率大大提高。连同其他修改，我们开发了一种算法，可以高精度确定主离子通道的电导率。”

本文讨论的第二种方法使用基因表达数据，该数据确定了遗传信息如何转换为RNA和蛋白质。细胞膜中的每个离子通道均由从基质RNA翻译后并入膜中的蛋白质亚基组成。可以测量这种表达的RNA的量，但是到目前为止，尚不可能使用这些数据来预测特定于特定患者的电生理特征。研究人员使用上述算法对一名实际患者进行了模型校准。然后，将基因表达谱之间的差异用于创建数学模型，从而基于他们各自的基因表达谱成功预测其他患者的行动潜力。

MIPT人类生理学实验室负责人，研究的合著者Roman Syunyaev补充说：“除了基本的兴趣之外，这项研究还具有广泛的实际应用，从在临床实践中使用患者特定模型到药物设计。许多药物在离子通道上起作用，我们的算法可以洞察某些药物如何影响心脏细胞的电生理。这些信息可以从动作电位的测量中提取。”