Ionic current estimations from cardiac action potentials by using single and multi-output regression models

Abstract

Conventional experimental procedures for capturing the dynamics of ion channels are not at all times possible, and when they are, they can be time-consuming. Using an artificial neural network (ANN) the aim is to predict the ionic currents during cardiac action potential (AP) in this work. A single-cell model was used to perform electrophysiological simulations to determine ionic currents based on ion channel conductance fluctuations. Then, the relevant ionic currents together with the related cardiac AP are calculated and fed into an ANN algorithm to anticipate the desired currents from the AP curve only. This thesis shows that when Bayesian regularization (BR) is utilized, the ionic current can be predicted with great accuracy from AP, as evidenced by the R (validation) scores of the whole data set, utilizing only AP forms.

İyon kanallarının dinamiklerini yakalamak için geleneksel deneysel prosedürler her zaman mümkün olmamaktadır, mümkün olduklarında da zaman alıcıdırlar. Bu çalışmada amaç, bir yapay sinir ağından (ANN) faydalanarak kardiyak aksiyon potansiyeli (AP) sırasındaki iyonik akımları tahmin etmektir. İyon kanalı iletkenlik dalgalanmalarını baz alan iyonik akımları belirlemeye yarayan elektrofizyolojik simülasyonları gerçekleştirebilmek amacıyla tek hücreli bir model kullanılmıştır. Ardından, ilgili kardiyak AP ile birlikte ilgili iyonik akımlar hesaplanmış ve yalnızca AP eğrisinden istenen akımları tahmin etmek için bir ANN algoritması kullanılmıştır. Bu tez çalışmasında, tüm verilerin R (doğrulama) puanlarıyla kanıtlandığı üzere, Bayes düzenlemesi (BR) yöntemi kullanıldığında iyonik akımın, yalnızca AP formları kullanılarak büyük bir isabet oranı ile tahmin edilebileceğini göstermek amaçlanmıştır.