Научная проблема, на решение которой направлен проект.
Проведение отдельных геномных, транскриптомных, протеомных, метаболомных и инструментальных исследований не позволяет полную картину процессов, происходящих в организме в норме и при патологии. Это связано с наличием множества прямых и обратных регуляторных связей на всех уровнях функционирования организма. Мультиомиксный подход позволяет увидеть полную картину и понять взаимосвязи между различными молекулярными уровнями. Вместе с более ясной общей картиной мультиомиксный подход так же предлагает невозможную ранее детализацию: анализ омиксных данных отдельного пациента, что открывает путь к персонализированному лечению и диагностике, что особенно важно для развития трансляционной медицины.
Актуальность проблемы, научная значимость решения проблемы.
После возникновения термина "геномика" был выделен целый ряд других терминов, обозначающих прочие области молекулярной биологии, посвященные изучению различных групп биомолекул (РНК, белков, малых молекул). Они позволяют получить массивы данных, ассоциированных с комплексным исследованием взаимодействия различных молекул в живом организме. На текущий момент выделены такие области как транскриптомика, протеомика, метаболомика, эпигеномика, липидомика, метагеномика, коннектомика и целломика (Sporns O. с соавт., 2005, Primiceri E. с соавт., 2013). Комплексные данные, полученные в двух и более обозначенных областях, называются мультиомиксными.
Мультиомиксный подход — это стратегия исследования живых организмов, которая включает в себя анализ различных омиксных данных, таких как геномика, транскриптомика, протеомика, метаболомика. Главная причина популярности мультиомиксного подхода в настоящий момент – это сам факт возможности его осуществления. Огромные вычислительные мощности и сложные алгоритмы позволяют решать задачи по обработке данных, еще недавно казавшиеся слишком трудоемкими. Как известно, живые организмы представляют собой сложные сети взаимодействующих молекул (при рассмотрении понятия живого на некоторых уровнях организации материи), что приводит к тому, что изучение только одного типа данных может предоставить лишь малую часть общей картины, из которой складывается вся сложность структурной организации живого. Мультиомиксный подход позволяет увидеть полную картину и понять взаимосвязи между различными молекулярными уровнями. Интеграция данных из различных омиксных исследований может выявить новые биологические процессы, которые невозможно было бы обнаружить при анализе только одного типа данных (например, только геномных).
В работе с данными в мультиомиксных исследованиях выделяют два основных подхода: многоступенчатый и многомерный (Ritchie M. D. с соавт., 2015). Многоступенчатые методы предполагают интеграцию различных данных поэтапным или иерархическим образом, где данные каждого направления анализируются независимо, а затем результаты интегрируются. Этот подход позволяет выявлять причинно-следственные связи между различными уровнями (например, геномным и метаболомным) и выявлять существенные молекулярные особенности. В то время как многомерный подход предполагает одновременный анализ двух или более массивов данных, используя передовые статистические стратегии или методы машинного обучения (Sathyanarayanan A. с соавт., 2023). Прогресс в анализе больших данных и развитие современных алгоритмов привели к широкому применению мультиомиксных исследований в различных областях биомедицинских исследований, включая рак, хронические заболевания почек, инфекционные заболевания и болезни сердца (Li Y. с соавт., 2023).
Вместе с более ясной общей картиной мультиомиксный подход так же предлагает невозможную ранее детализацию: анализ омиксных данных отдельного пациента, что открывает путь к персонализированному лечению и диагностике, что особенно важно для развития трансляционной медицины.
Трансляционная медицина — это научное направление, направленное на ускоренное внедрение результатов фундаментальных исследований в клиническую практику за счет тесного взаимодействия. Концепция трансляционных исследований впервые была озвучена еще в 1992 году в рамках проблематики разработки подходов ранней диагностики и эффективной терапии онкологических заболеваний. Эта концепция быстро вышла за пределы онкологии, поскольку абсолютно все области современной медицины испытывают потребность в современных методах. При этом в классическом варианте клинических исследований от научного открытия до его практической реализации и получения всех разрешений проходят годы. Трансляционная медицина позволяет значительно сократить эти сроки и обеспечить пациентам медицинскую помощь, основанную на самых современных представлениях о патогенезе их заболеваний.
Получение комплексных данных из различных источников позволяет создавать более точные модели для диагностики болезней и прогнозирования их развития: интеграция геномных, протеомных, метаболомных и других данных позволяет более точно определять биомаркеры болезней, например, уникальные изменения протеоме или метаболоме могут служить индикаторами различных патологий, от рака до сердечно-сосудистых заболеваний. Мультиомиксный подход помогает понять молекулярные механизмы развития болезней, что может привести к открытию новых целей для лечения и разработке более эффективной терапии исследуемой патологии.
Программа фундаментальных научных исследований в Российской Федерации на долгосрочный период (2021 - 2030 годы), утвержденная Постановлением Правительства Российской Федерации от 28 июля 2021 г. N 1274, определяет Перечень приоритетных направлений фундаментальных и поисковых научных исследований на 2021 - 2030 годы. Согласно Программе, в список важнейших направлений входят «создание систем искусственного интеллекта, извлечения и анализа текстов, развития методов и информационных технологий системного анализа и управления в условиях неопределенности и риска, разработки методов поиска областей с хаотической динамикой, методов анализа, стабилизации и управления для семейств систем, описываемых как непрерывными, так и дискретными уравнениями». Например, «перспективным направлением является создание и развитие новой аналитико-компьютерной технологии исследования, анализа и управления хаотической динамикой решений сложных нелинейных систем дифференциальных уравнений, описывающих многочисленные естественно-научные и социально-экономические процессы и явления». В том числе, «актуальными … будут разработка методов ранней диагностики и персонализированного лечения … на основании изучения клеточно-молекулярных, генетических, нейрогуморальных, иммунных и гемодинамических механизмов их развития, геномных, протеомных и метаболомных исследований в клинике и эксперименте». Таким образом, мультиомиксный подход является одним из приоритетных направлений исследований в медицине.
Получение мультиомиксных данных невозможно без создания биоколлекций. Биобанк является ключевым звеном трансляционных исследований. Благодаря биобанкам можно получать биоматериал высокого качества, что в итоге снижает временные и материальные затраты на проведение исследований. Ключевая значимость создания депозитария биологических образцов на базе крупного медицинского учреждения заключается в сокращении сроков внедрения результатов научно-исследовательских разработок в клиническую практику.
Помимо федерального уровня, создание биобанков и формирование персонализированного подхода поддерживается и на региональном уровне. Постановление Правительства Санкт-Петербурга от 02.07.2020 N 482 «О проекте закона Санкт-Петербурга «О внесении изменений в Закон Санкт-Петербурга «О Стратегии социально-экономического развития Санкт-Петербурга на период до 2035 года» указано, что в рамках задачи «Развитие персонализированной медицины» необходимо обеспечить внедрение новых методов регенеративной медицины, в том числе с применением биомедицинских клеточных продуктов, методов персонализированной фармакотерапии, включая технологии генетического редактирования и таргетную терапию, киберпротезов и человеко-машинных интерфейсов, создание сети биобанков, депозитариев биологических материалов человека и коллекций патогенных микроорганизмов.
Системная биология — это развивающаяся концепция, которая использует сетевой вычислительный анализ для повышения точности механистического понимания патогенеза заболеваний, а также разработки новых методов диагностики и терапии (Oulas A. с соавт., 2019). Интеграция мультиомиксного анализа, системной биоинформатики и экспериментальной проверки расширяет наше представление о механизмах заболеваний и открывает возможности для применения трансляционной биомедицины в ранней диагностике и точном фенотипировании заболеваний, а также в персонализированной медицине (Suh K. S. с соавт., 2013).
Основная концепция развития научной деятельности в медицине, утвержденная приказом Минздрава России от 24.04.2018 № 186 – это концепция предиктивной, превентивной и персонализированной медицины. Модель амбулаторного выявления нарушений ритма и проводимости сердца у пациентов с различными нозологическими формами предполагает использование телемедицинских технологий регистрации электрокардиограммы (ЭКГ) и индивидуальных портативных регистраторов, что соответствует современным тенденциям развития здравоохранения и отвечает потребностям своевременной и персонализированной диагностики сердечно-сосудистых заболеваний.
Проблема нарушений ритма и проводимости сердца является крайне актуальной в современном здравоохранении. Сердечно-сосудистые заболевания (ССЗ), в структуре которых аритмии занимают значительное место, остаются ведущей причиной смертности и инвалидизации во всем мире. Такие нарушения ритма, как фибрилляция предсердий (ФП) и брадиаритмии, зачастую протекают бессимптомно или с неспецифическими проявлениями, что затрудняет их своевременное выявление при использовании традиционных методов диагностики, в частности, стандартной ЭКГ, которая регистрирует сердечный ритм лишь в течение короткого промежутка времени. Несвоевременная диагностика и отсутствие адекватного лечения могут привести к развитию серьезных осложнений, включая тромбоэмболические события (например, инсульт), сердечную недостаточность и внезапную сердечную смерть.
Амбулаторный мониторинг ЭКГ, в свою очередь, позволяет осуществлять регистрацию сердечного ритма пациента в условиях его обычной жизнедеятельности и на протяжении длительного периода, что значительно повышает вероятность выявления преходящих и пароксизмальных нарушений, не регистрируемых при стандартном обследовании. Внедрение телемедицинских технологий и индивидуальных портативных регистраторов ЭКГ открывает возможности для массового и экономически эффективного скрининга аритмий в амбулаторных условиях. Ранняя диагностика и своевременно начатое лечение позволяют предотвратить развитие осложнений, снизить потребность в госпитализациях и сократить расходы на оказание медицинской помощи.
В настоящее время тема создания моделей амбулаторного выявления нарушений ритма сердца является активно развивающейся областью научных исследований и практического применения. Проведено значительное количество клинических исследований, сравнивающих эффективность различных методов амбулаторного мониторинга ЭКГ, включая холтеровское мониторирование, носимые регистраторы и имплантируемые петлевые регистраторы. Разработаны и коммерчески доступны разнообразные индивидуальные регистраторы ЭКГ, отличающиеся удобством и простотой использования, а также обеспечивающие возможность длительной записи. (Gaber M. с соавт., 2021; Hughes A. с соавт., 2023; Spatz E.S. с соавт., 2024; Babu M. с соавт., 2024; Petek B.J. с соавт., 2023; Jones A.K. с соавт., 2023; Zheng N.S. с соавт., 2024; Oikonomou E.K. с соавт., 2024)
Активно развиваются телемедицинские платформы, позволяющие передавать данные ЭКГ от пациента к врачу в режиме реального времени, что существенно упрощает процесс диагностики и мониторинга. Создаются и совершенствуются алгоритмы автоматизированного анализа ЭКГ, способные выявлять различные виды аритмий с высокой точностью и чувствительностью. Разработаны клинические рекомендации и протоколы по диагностике и лечению нарушений ритма сердца, которые включают современные подходы к амбулаторному мониторингу ЭКГ. Наблюдается общая тенденция к интеграции телемедицинских систем для выявления аритмий в единую цифровую инфраструктуру здравоохранения.
Таким образом, комплексный подход, учитывающий не только данные мультиомиксных (лабораторных), но и инструментальных исследований, в том числе полученные с помощью индивидуальных носимых датчиков состояния, важен для перехода к медицине будущего, где ведущая роль уделяется здоровьесбережению и предотвращению развития патологических состояний и заболеваний.
Конкретная задача в рамках проблемы, на решение которой направлен проект, ее масштаб.
Разработка оптимальной стратегии подхода к обработке данных лабораторных и инструментальных исследований для развития персонализации в рамках концепции трансляционных исследований.
Научная новизна поставленной задачи, обоснование достижимости решения поставленной задачи и возможности получения запланированных результатов.
Интеграция данных из различных лабораторных (мультиомиксных) и инструментальных исследований может выявить новые биологические процессы, которые невозможно было бы обнаружить при анализе только одного типа данных (например, только геномных). Вместе с более ясной общей картиной мультиомиксный подход так же предлагает невозможную ранее детализацию: анализ омиксных данных отдельного пациента, что открывает путь к персонализированному лечению и диагностике, что особенно важно для развития трансляционной медицины, а использование данных инструментальных исследований позволяет оценить вклад молекулярных изменений в общую картину функционирования организма. Таким образом, разработка надежных подходов к созданию массивов стандартизованных данных лабораторных (мультиомиксных) и аннотированных результатов инструментальных исследований безусловно необходимо для обучения моделей машинного обучения, которые могут применяться в телемедицине и способствовать сдоровьесбережению и предотвращению развития острых форм уже имеющихся хронических заболеваний.
Современное состояние исследований по данной проблеме.
После возникновения термина "геномика" был выделен целый ряд других терминов, обозначающих прочие области молекулярной биологии, посвященные изучению различных групп биомолекул (РНК, белков, малых молекул). Они позволяют получить массивы данных, ассоциированных с комплексным исследованием взаимодействия различных молекул в живом организме. На текущий момент выделены такие области как транскриптомика, протеомика, метаболомика, эпигеномика, липидомика, метагеномика, коннектомика и целломика [1, 2]. Комплексные данные, полученные в двух и более обозначенных областях, называются мультиомиксными.
В работе с данными в мультиомиксных исследованиях выделяют два основных подхода: многоступенчатый и многомерный [3]. Многоступенчатые методы предполагают интеграцию различных данных поэтапным или иерархическим образом, где данные каждого направления анализируются независимо, а затем результаты интегрируются. Этот подход позволяет выявлять причинно-следственные связи между различными уровнями (например, геномным и метаболомным) и выявлять существенные молекулярные особенности. В то время как многомерный подход предполагает одновременный анализ двух или более массивов данных, используя передовые статистические стратегии или методы машинного обучения [4]. Прогресс в анализе больших данных и развитие современных алгоритмов привели к широкому применению мультиомиксных исследований в различных областях биомедицинских исследований, включая рак, хронические заболевания почек, инфекционные заболевания и болезни сердца [5]. Но особенно это сказалось на тех областях науки, где объект изучения сам по себе представлял невероятно комплексную структуру, такую как мозг, изучение которого через интеграцию мультиомиксных данных получило название нейроинформатика [6].
Понимание человеческого мозга является ключевым шагом в поиске методов лечения болезней нервной системы. Для изучения таких заболеваний обычно используются два основных типа исследований: генетические исследования и изучение биомаркеров. Генетические исследования выявляют генетические корни нейропсихиатрических расстройств, включая однонуклеотидные полиморфизмы (SNP) и мутации, а изучение биомаркеров направлено на выявление биологических изменений у пациентов в различных состояниях.
Психические расстройства представляют собой патологии с мультифакторной этиологией, возникающие в результате взаимодействия множества генетических и молекулярных факторов, сопряженных с существенным влиянием социальных и средовых условий [7]. Для разгадывания биологических механизмов, лежащих в основе этиологии психических расстройств, актуальными являются мультиомиксные исследования. Эти исследования не только способствуют целостному пониманию биологических процессов, но и обнаруживают новые биомаркеры заболевания, а также возможные терапевтические подходы [8].
В последние десятилетия были накоплены обширные наборы омиксных данных о функционировании мозга. Эти данные помогают расширить наше понимание не только о заболеваниях нервной системы, но и о психических расстройствах. Даже данные, которые непосредственно не связаны с мозгом, могут быть ценными справочными материалами, к примеру, работа об изучении влияния внутриутробной среды на риск развития шизофрении [9]. Омиксные данные, используемые для изучения головного мозга, включают в себя информацию о геномной ДНК, ее метилировании, кодирующей и некодирующей РНК, а также данные о визуализации головного мозга, его физиологических и поведенческих характеристиках. Эти данные представляют собой ценный источник информации для моделирования механизмов заболеваний и разработки алгоритмов прогнозирования течения заболевания. [10]
С учетом высокой клеточной сложности мозга, омиксные данные для единичной клетки могут значительно расширить наше понимание механизмов регуляции на клеточном уровне. Так, транскриптомный анализ 48 пациентов с болезнью Альцгеймера и здоровых индивидов позволил увеличить количество описанных клеток до восьмидесяти тысяч, что привело к более глубокому пониманию патофизиологии этого заболевания: обнаружению субпопуляций клеток связанных с патологией через регуляцию миелинизации, воспаления, а так же влияющих на выживание нейронов [11].
На основании 13 омиксных наборов данных STAB (spatio-temporal cell atlas - пространственно-временной клеточный атлас человеческого мозга) определили 42 подтипа клеток в 20 областях мозга и 11 периодах развития клеток [12]. Развитие мультиомиксных исследований позволяет не только детализировать (или даже пересматривать) наши знания о механизмах работы организма, но и расширять возможности для описания организма в онтогенетической перспективе.
Проекты, такие как Integrated Personal Omics Profiling (iPOP), направленные на сбор омиксных данных у большого количества людей, являются важным шагом к реализации точной персонализированной медицины [13, 14]. Эти проекты предоставляют уникальную возможность глубокого биохимического анализа здоровых людей, что может привести к прорывам в биомедицинской практике.
Системная биология — это развивающаяся концепция, которая использует сетевой вычислительный анализ для повышения точности механистического понимания патогенеза заболеваний, а также разработки новых методов диагностики и терапии [15].
Интеграция мультиомиксного анализа, системной биоинформатики и экспериментальной проверки расширяет наше представление о механизмах заболеваний и открывает возможности для применения трансляционной биомедицины в ранней диагностике и точном фенотипировании заболеваний, а также в персонализированной медицине [16].
Список литературы:
1. Sporns O., Tononi G., Kötter R. The human connectome: a structural description of the human brain //PLoS computational biology. – 2005. – Т. 1. – №. 4. – С. e42.
2. Primiceri E. et al. Cell chips as new tools for cell biology–results, perspectives and opportunities //Lab on a Chip. – 2013. – Т. 13. – №. 19. – С. 3789-3802.
3. Ritchie M. D. et al. Methods of integrating data to uncover genotype–phenotype interactions //Nature Reviews Genetics. – 2015. – Т. 16. – №. 2. – С. 85-97.
4. Sathyanarayanan A. et al. Multi-omics data integration methods and their applications in psychiatric disorders //European Neuropsychopharmacology. – 2023. – Т. 69. – С. 26-46.
5. Li Y., Ning K. Biomedical Applications: The Need for Multi-Omics //Methodologies of Multi-Omics Data Integration and Data Mining: Techniques and Applications. – Singapore: Springer Nature Singapore, 2023. – С. 13-31.
6. O'Connor L. M. et al. Integrative multi-omics and systems bioinformatics in translational neuroscience: A data mining perspective //Journal of Pharmaceutical Analysis. – 2023. – Т. 13. – №. 8. – С. 836-850.
7. Sathyanarayanan A. et al. Multi-omics data integration methods and their applications in psychiatric disorders //European Neuropsychopharmacology. – 2023. – Т. 69. – С. 26-46.
8. Fusar‐Poli P. et al. Preventive psychiatry: a blueprint for improving the mental health of young people //World Psychiatry. – 2021. – Т. 20. – №. 2. – С. 200-221.
9. Ursini G. et al. Convergence of placenta biology and genetic risk for schizophrenia //Nature medicine. – 2018. – Т. 24. – №. 6. – С. 792-801.
10. Dong X., Liu C., Dozmorov M. Review of multi-omics data resources and integrative analysis for human brain disorders //Briefings in functional genomics. – 2021. – Т. 20. – №. 4. – С. 223-234.
11. Mathys H. et al. Single-cell transcriptomic analysis of Alzheimer’s disease //Nature. – 2019. – Т. 570. – №. 7761. – С. 332-337.
12. Song L. et al. STAB: a spatio-temporal cell atlas of the human brain //Nucleic Acids Research. – 2021. – Т. 49. – №. D1. – С. D1029-D1037.
13. Kellogg R. A., Dunn J., Snyder M. P. Personal omics for precision health //Circulation research. – 2018. – Т. 122. – №. 9. – С. 1169-1171.;
14. Stanberry L. et al. Integrative analysis of longitudinal metabolomics data from a personal multi-omics profile //Metabolites. – 2013. – Т. 3. – №. 3. – С. 741-760.
15. Oulas A. et al. Systems bioinformatics: increasing precision of computational diagnostics and therapeutics through network-based approaches //Briefings in bioinformatics. – 2019. – Т. 20. – №. 3. – С. 806-824.
16. Suh K. S. et al. Tissue banking, bioinformatics, and electronic medical records: the front-end requirements for personalized medicine //Journal of oncology. – 2013. – Т. 2013.
Предлагаемые методы и подходы, общий план работы на весь срок выполнения проекта.
Методы и подходы:
1. Сбор, обработка, систематизация и хранение клинической информации, данных рутинных инструментальных и лабораторных исследований, заполнение дескрипторов
2. Формирование выборок по заданным критериям.
3. Лабораторные методы:
3.1 NGS (с биоинформатической обработкой данных),
3.2 ПЦР,
3.3 ELISA и иммунофлуоресцентный анализ,
3.4 ВЭЖХ-МС,
3.5 ГХ-МС,
3.6 Исследование морфологических особенностей тканей и клеток;
4. Биостатистические методики:
4.1. Классические методы статистики частотной вероятности для тестирования гипотез и методы, основанные на байесовской вероятности,
4.2. Кластерный анализ и методы снижения размерности (k-средних и его модификации, иерархическая кластеризация, DBSCAN, метод главных компонент, модели гауссовской смеси, алгоритм кластеризации Маркова, t-SNE) для нахождения скрытой структуры данных,
4.3. Регрессионный анализ для оценки связей и предсказания количественных значений,
4.4. Интеграция и нормализация омиксных данных для комплексного обзора биологических процессов, происходящих в организме пациента,
4.5. При работе с динамическими показателями (например, метаболомные или транскпиптомные данные) – анализ временных рядов,
4.6. Классификация с использованием алгоритмов машинного обучения как интерпретируемых (например, деревья решения или случайные леса), так и глубокого обучения,
4.7. Методы для самонастройки параметров модели во время обучения, например, генетические алгоритмы и другие эвристические алгоритмы,
4.8. Анализ вариантов, анализ дифференциальной экспрессии генов, сетевой анализ.
4.9. Анализ международных практик распознавании аритмии по одноканальным ЭКГ;
Анализ медицинской литературы для выбора критериев оценки ФП.
- Использование открытых или предоставленных наборов данных ЭКГ (например, из репозиториев PhysioNet или MIMIC).
- Применение методов машинного обучения и статистического анализа для обработки ЭКГ и выявления корреляций.
- Разработка алгоритмов классификации для идентификации паттернов, связанных с ФП.
4.9.1. Изучение международного и отечественного опыта;
4.9.2. Выбор нозологий:
- Определение критериев для фибрилляции предсердий.
- Анализ медицинской литературы для уточнения диагностических маркеров.
4.9.3. Выбор набора данных:
- Поиск и подбор наборов данных, содержащих одноканальные ЭКГ (например, PhysioNet, MIMIC или данные, предоставленные медицинскими учреждениями).
- Оценка качества данных и их пригодности для исследования.
4.9.4. Определение объема данных:
- Проведение предварительного анализа для определения минимального объема данных, необходимого для достижения статистической значимости и качества результатов.
- Учет следующих факторов:
- Разнообразие данных (пациенты с разными формами ФП, например, тахисистолическая форма, брадисистолическая форма, и здоровые контрольные группы).
- Баланс классов (количество записей ЭКГ для каждой нозологии).
- Качество сигналов (отсутствие шумов и артефактов).
- Использование методов оценки мощности выборки (power analysis) для определения достаточного количества данных.
- Планирование сбора дополнительных данных, если существующих наборов недостаточно для достижения требуемого качества.
5. Инструментальные исследования в рамках отдельных проектов:
5.1. Электрокардиография, одноканальные ЭКГ, снятые в различных отведениях с помощью носимых портативных устройств.
5.2. Холтеровское мониторирование ЭКГ и АД.
5.3. Эхокардиография, включая применение технологий 4D.
5.4. Различные варианты стресс-эхокардиографии.
5.5. Исследование функции внешнего дыхания (спирография, бодиплетизмография).
5.6. Исследование диффузионной способности легких.
6. Инструментальные исследования в рамках отдельных проектов (телемедицина):
6.1.Цифровая электрокардиография.
6.2. Многосуточное (до 30 суток) холтеровское мониторирование ЭКГ с применением технологии телемониторирования.
Общий план:
1. Поддержание и пополнение коллекций биоматериала пациентов следующих нозологических групп: нейродегенеративные заболевания, сердечно-сосудистые заболевания, пост-COVID, условно-здоровые доноры;
2. Сбор и систематизация клинической информации а также данных рутинных лабораторных и инструментальных исследований для доноров биобанка;
3. Выполнение геномных, транскриптомных, протеомных и метаболомных исследований с использованием материала собранных биоколлекций;
4. Выполнение инструментальных исследований в отделении функциональной диагностики «СПб ГБУЗ «Городская больница №40» для доноров биобанка.
5. Сбор данных о физической активности пациентов и данных ЭКГ с использованием индивидуальных носимых устройств.
6. Разработка алгоритмов и методов систематизации и нормализации данных, полученных в ходе выполнения пп. 2-5, для последующего анализа массива данных лабораторных и инструментальных исследований.
4.3.7.7. Имеющийся у коллектива исполнителей научный задел по проекту (в данном пункте заполняется текстовое описание задела, а размещение прочей подтверждающей информации описано в п. 4.3.20).
С 2014 года в рамках СПб ГБУЗ «Городская больница № 40» развивается направление биобанкирования. Работы по сбору клинически охарактеризованного биоматериала по основным нозологиям (нейродегенеративные и сердечно-сосудистые заболевания, а также условно-здоровые доноры) были инициированы в рамках совместного с СПбГУ выполнения гранта Российского научного фонда № 14-50-00069 (ИАС НИД 0.53.1740.2014). За 10 лет спектр нозологий был значительно расширен в связи с реализацией в учреждении большого количества научно-исследовательских работ, и в биобанке СПб ГБУЗ «Городская больница № 40» по данным на начало 2025 года собрана коллекция биоматериала более чем 18 тысяч уникальных доноров. Всего коллекция содержит более 200 тысяч образцов биоматериала (крови и лейкоцитарной пленки, плазмы, сыворотки, крови и лейкоцитарной пленки с фиксатором РНК, ДНК и РНК). Преимущественно в биобанке представлены следующие нозологические группы: сердечно-сосудистые заболевания (нестабильная стенокардия, ишемическая болезнь сердца, атеросклероз, аритмии, острое нарушение мозгового кровообращения и другие), COVID-19 и постковидный синдром, онкологические заболевания (колоректальный рак, рак желудка, рак предстательной железы) и неоплазии нижних отделов ЖКТ (полипы), нейродегенеративные заболевания (болезнь Альцгеймера, болезнь Паркинсона, рассеянный склероз). Также собрана и пополняется коллекция биоматериала условно-здоровых доноров. Большинство коллекций продолжают активно пополняться.
Каждый год в биобанк закладывается не менее 20 тысяч образцов биоматериала, в среднем от 3 тысяч доноров. В рамках многих проектов, подразумевающих динамическое или лонгитудное наблюдение, биоматериал от доноров поступает многократно. Как правило, предусматривается взятие крови при поступлении пациента на лечение, до назначения терапии и/или проведения хирургического вмешательства, затем – в процессе лечения и/или при выписке. В рамках некоторых исследовательских проектов паценты длительно наблюдаются профильным специалистом и осуществляют донацию биоматериала в биобанк ежегодно. Все доноры биобанка дают добровольное информированное согласие на участие в биомедицинском исследовании «Биобанкирование и биомедицинские исследования образцов тканей и жидкостей человека».
Коллекция биобанка СПб ГБУЗ «Городская больница № 40» тщательно охарактеризована клинически, поскольку в рамках биобанкирования осуществляется тщательный сбор анамнеза и заполнения как общего дескриптора, так и отдельных дескрипторов по нозологическим группам. Использование информационных систем учреждения позволяет получить информацию о результатах рутинных лабораторных и инструментальных исследований, назначаемой в ходе госпитализации терапии.
Хранение биоматериала производится при -80 ℃ (материал для выделения ДНК и ДНК, сыворотка, плазма, спинномозговая жидкость, моча) и -150 ℃ (материал для выделения РНК и РНК, сыворотка, плазма, мононуклеарные клетки периферической крови, образцы ткани). В 2022 году было введено в эксплуатацию автоматизированное криохранилище Askion, позволяющее расширить перечень биоматериала, хранящегося при -150 ℃.
Более 10 лет отделение функциональной диагностики СПб ГБУЗ «Городская больница № 40» активно участвует в практической, научной и педагогической деятельности, развивая и внедряя новые технологии исследований сердца, сосудов и дыхательной систем в клиническую практику.
Материально-техническая база отделения по своей структуре и количеству аппаратуры экспертного класса, новейших технологий 3D-кардиовизуализации и цифровых технологий, включая телемедицинские (телемониторирование ЭКГ) является одной из лучших в Санкт-Петербурге.
Сотрудники отделения участвуют в проведении современных диагностических методик пациентам амбулаторно-поликлинического звена и стационара, включая отделения реанимаций в рамках работы регионального сосудистого центра по лечению больных с инфарктом миокарда и инсультом мозга.
Врачи отделения с уровнем экспертов в области кардиовизуализации участвуют в высокотехнологических операциях на сердце и сосудах.
Велико ежегодное количество исследований, таких как ЭКГ (около 60 тысяч в год), исследования функции внешнего дыхания (до 2000 в год), различные виды холтеровского мониторирования ЭКГ и АД (до 9000 в год), эхокардиография (более 20000 в год, включая чреспищеводную 4D-эхокардиографию и стресс- эхокардиографию), триплексное сканирование сосудов шеи и головы (около 9000 в год).
Врачи отделения в течение многих лет являются членами РКО, РАСФД, Европейского общества кардиологов. Так же, отделение является научно-практической базой для ординаторов кафедры последипломного медицинского образования СПбГУ, кафедры функциональной диагностики CЗГМУ им. И.И. Мечникова.
Большинство врачей принимают активное участие в научно-практической работе, проводимой в больнице, а так же в проведении мастер-классов и докладов в рамках работы научно-практической конференции «Современные технологии функциональной и ультразвуковой диагностики в клинической медицине» и школы по функциональной диагностике заболеваний различных органов и систем-2019, 2020, 2021гг. в СЗГМУ им. И.И. Мечникова, Всероссийской научно-практической конференции «Функциональная диагностика – 2019, 2020, 2021, 2022, 2023, 2024 гг.», «РАДИОЛОГИЯ – 2023г.», Международного Кардиостим-2020г, 2023г., «Российского национального конгресса кардиологов - 2019, 2020, 2021, 2022гг.», «Европейский Конгресс кардиологов-2020 г.» и других.
С 2014 г. в рамках проекта Биобанк (Грант РНФ по созданию Биобанка) проводятся научные исследования по следующим темам: «Ультразвуковая диагностика сердца и сосудов у больных с острым коронарным синдромом при динамическом наблюдении»;
«Ультразвуковая диагностика сердца и сосудов у больных с рестенозами коронарных артерий при динамическом наблюдении», «Электрокардиографические особенности у больных с острым коронарным синдромом при динамическом наблюдении», «Варианты нормативных показателей ЭхоКг у здоровых людей на современном этапе», «Оценка количественных показателей локальной и глобальной сократимости при ЭхоКг у больных с ИБС», «Оценка результатов клинико-эхокардиографических исследований у пациентов с COVID-19 тяжелого течения», «Возможности длительного мониторирования ЭКГ у больных с инсультом мозга», «Клинико-эхокардиографические особенности и прогноз у больных с инфекционным эндокардитом», «Возможности 3-Д эхокардиографии у пациентов различных нозологий», «Современная спекл-трекинг эхокардиография в оценке продольной деформации камер сердца у больных с фибрилляцией предсердий», «Роль телемониторирования ЭКГ в диагностике нарушений ритма и проводимости сердца у спортсменов молодого возраста», «Роль длительного мониторирование ЭКГ у больных с инсультом мозга».
Многие образцы, хранящиеся в биобанке, уже охарактеризованы с применением указанных выше методик: NGS (Секвенирование ДНК: клинический экзом, полный экзом, полный геном с низким покрытием, таргетное секвенирование; секвенирование РНК: полный транскриптом и таргетное секвенирование), ПЦР (определение наличия отдельных полиморфизмов), мультиплексный иммунофлуоресцентный анализ (цитокины, хемокины, адипокины, факторы роста, растворимые формы цитокиновых рецепторов, маркеры нейродегенеративных и кардиоваскулярных заболеваний, прочие белковые молекулы), ELISA, ВЭЖХ-МС (метаболом), ГХ-МС (метаболом).
Имеющиеся в распоряжении исследовательской группы коллекции биоматериала и массивы данных позволяют перейти от отдельных исследований к масштабным мультиомиксным проектам. При этом исследовательская группа располагает достаточно полными наборами мультиомиксных данных для репрезентативных выборок по ряду нозологий: COVID-19, нейродегенеративные заболевания, а также условно-здоровые доноры. В настоящее время наиболее полные данные (секвенирование генома с низким покрытием, секвенирование периферического транскриптома, цитокиновый профиль, метаболомный профиль, выявление отдельных полиморфизмов) получены для выборки пациентов, перенесших COVID-19 и для контрольной группы (условно-здоровые доноры). Все эти данные были получены в рамках отдельных научно-исследовательских работ, в том числе – в рамках выполнения НИР «Комплексное исследование молекулярно-генетических основ короновирусной инфекциИ SARS-CoV-2 путём анализа генома коронавируса COVID-19 и анализа генома (экзома) пациентов с различной степенью тяжести» 2021-2024 гг., поддержанного СПбГУ (ID Pure: 1этап – 75291840, 2 этап – 92422904, 3 этап – 94029859, 4 этап – 95412780).
Детальный план работы на первый год выполнения проекта.
1. Пополнение коллекции биоматериала доноров с нейродегенеративными заболеваниями, сердечно-сосудистыми заболеваними, пост-COVID, условно-здоровых доноров;
2. Проведение инструментальных исследований для вновь поступающих доноров;
3. Проведение метаболомных и генетических исследований для вновь поступающих доноров;
4. Сбор основных клинических характеристик доноров (пол, возраст, ИМТ, шкала коморбидности Чарлсон, стадия основного заболевания).
5. Создание единой базы ранее полученных мультиомиксных данных (данные секвенирования генома с низким покрытием, цитокиновый профиль, метаболомные данные, данные рутинных лабораторных исследований) для пациентов биобанка СПб ГБУЗ «Городская больница №40» и дополнение ее новыми данными, полученными в ходе выполнения проекта.