En ny fleksibel plug and play ordning for modellering, simulering og forudsigelse gastrisk emptying

A nye fleksible plug and play ordning for modellering, simulering og forudsigelse ventrikeltømning
Abstrakt
Baggrund
In-silico modeller, der forsøger at fange og beskriver den fysiologiske adfærd af biologiske organismer, herunder mennesker, er per definition er komplekse og tidskrævende at opbygge og simulere i et computermiljø. Detaljeringsgraden af ​​beskrivelsen indarbejdet i modellen afhænger af kendskab til systemet adfærd på dette niveau. Denne viden er indsamlet fra litteraturen og /eller forbedres ved viden opnået fra nye eksperimenter. model udvikling er således en iterativ udviklingsmæssige procedure. Formålet med dette papir er at beskrive en ny plug and play ordning, der giver øget fleksibilitet og lethed-i-brug til modellering og simulering fysiologiske opførsel af biologiske organismer.
Metoder
Denne ordning kræver Modeler (bruger) først at forsyne strukturen af ​​de interagerende komponenter og eksperimentelle data i et tabelformat. Opførslen af ​​de beskrevne komponenter i en matematisk form også af modelkonstruktøren, er udvendigt forbundet under simulering. Fordelen ved plug and play ordning for modellering er, at det kræver mindre programmering indsats og kan hurtigt tilpasses nyere modellering krav, men samtidig bane vejen for dynamiske model bygning.
Resultater
Som en illustration, papir modeller dynamikken i mavetømning adfærd opleves af mennesker. Den fleksibilitet til at tilpasse modellen til at forudsige den gastriske tømning opførsel under varierende typer af infusion af næringsstoffer i tarmen (ileum), er dokumenteret. De forudsigelser blev verificeret med en menneskelig indgriben undersøgelse. Fejlen i at forudsige den halve tømning tid blev fundet til at være mindre end 6%.
Konklusioner
En ny plug-and-play ordning for biologiske systemer modellering blev udviklet, der tillader ændringer i modellerede struktur og adfærd med reduceret programmering indsats, ved at abstrahere det biologiske system i et netværk af mindre delsystemer med uafhængig adfærd. I den nye ordning, modellering og simulering bliver en automatisk maskinlæsbare og eksekverbare opgave.
Nøgleord
Modeling gastrisk tømning Funktionelle moduler Feedback loop Introduktion
Biologiske systemanalyse med et sæt af hypoteser ved hånden er en cyklisk proces der starter med et eksperimentelt design, dataopsamling, dataanalyse, data eller hypotese drevet modellering, simulering og analyse [1, 2]. Ved hver cyklus, (en del af) en beskrivelse af det biologiske system raffineres enten at forbedre eller readdress hypotesen. Dette indebærer, at i biologisk systemanalyse dataene /hypotese drevet model konstant undergår forandringer.
Fleste systembiologi modelleringsværktøjer kræver, at brugeren manuelt instruere computeren via de understøttede programmeringsværktøjer at opnå de modellering og simulering mål [3- 5]. En sådan opgave indebærer programmeringsmæssigt beskriver de biologiske komponenter, tilhørende overføringsfunktioner og den interaktive adfærd blandt komponenterne. Der er et par moderne systembiologi modelleringsværktøjer som Simbiology [6] og PhysioDesigner [7], der giver brugeren grafiske kosttilskud for at pick almindeligt anvendt biologisk relevante komponenter og stik fra værktøjet palle og placere dem inden for modellen bygning miljø. Ikke desto mindre er de funktionelle beskrivelser af alle komponenter og samspillet mellem dem stadig skal programatically beskrevet. Således er en fuld iterativ systembiologi modellering cyklus i praksis bliver ofte en yderst skræmmende opgave. kan opnås en stor skala forenkling i modellering, hvis programmering af funktionelle adfærd af en komponent kan undgås, og den opgave, blive erstattet ved at integrere underenheder af forprogrammeret transfer funktionelle elementer.
Hver sub-fysiologiske enhed som et organ, eller et væv kan betragtes som havende en veldefineret funktionelle adfærd defineret med hensyn til dens indgange og udgange. Opførslen af ​​et biologisk system er den integrerede opførsel af disse sub-fysiologiske enheder arbejder i fællesskab. Således fra et fysiologisk synspunkt, integrerer underenheder af forprogrammeret transfer funktionelle elementer til at indse funktionaliteten af ​​en biologisk komponent eller biologisk system som helhed, er tilsyneladende relevant.
Dette papir beskriver et miljø egnet til biologiske systemer modellering og simulering, som aflaster omprogrammering indsats normalt forbundet med ændringer i eksperimentelt design og modellering. For at demonstrere arbejdet med det foreslåede modellering og simulering miljø og fleksibilitet til at rumme eksperimentelle ændringer, blev den gastriske tømning opførsel observeret i mennesker modelleret. Reguleringen af ​​ventrikeltømning er en central del i den komplekse proces regulering fødeindtagelse, der er et aktivt forskningsområde [8-10]. Forskellige celletyper, hormoner, receptorer og neurale signaler alle man samtidigt i dette system. Det er i øjeblikket stort set uklart, hvordan signalerne, der opstår fra forskellige dele i tarmen sig sammen i en feedback-mode via centralnervesystemet at regulere måltid indtagelse adfærd. Den foreslåede modellering tilgang kunne være til hjælp for at tillade forskere til hurtigt og nemt konstruere modelvarianter og beslutte hvilket der indebærer det mest konsekvent fortolkning af eksperimentelle data. Derfor blev en undersøgelse med henblik på at påvirke gastrisk tømning af tarm infusion af næringsstoffer valgt til et proof-of-concept eksempel. Parametrene for den model, estimeret ud fra eksperimentelle data indsamlet fra en kontrolgruppe af emner blev anvendt til at forudsige den gastriske tømning sats for en intervention gruppe, der modtog infusion ileum næringsstof.
Design og software miljø
Fra et biologisk system modelbygger perspektiv der ønsker en fritagelse fra de genindførte programmering indsats forbundet med eksperimentelle og modellering ændringer over tid, skal modellering og simulering miljø tillader brugeren at specificere de sub-fysiologiske enheder, der deltager i det biologiske system modelleret sammen med deres input /ud relationer i nogen enkel og let modificerbar format. Brugeren skal også være i stand til at levere den modellering og simulering miljø med eventuelle eksperimentelle data indsamlet eller leveret på systemniveau eller sub-fysiologiske enheder niveauer. Også i betragtning af en model specifikation og tilhørende eksperimentelle data fx som input i en tekstuel format, bør modellering og simulering miljø automatisk konstruere modellen og simulere den modellerede behavior.A softwarearkitektur stand til at opfylde ovenfor angivne er illustreret i figur 1. Centralt for denne arkitektur er den generiske modellering og simulering rammer der omfatter en modelbygger, en model simulator, og en komponent funktion bibliotek. Modellen bygherre og simulator er færdigkompilerede eksekverbare. Simulatoren indlæser dynamisk komponent funktion biblioteket under simuleringen løb. Brugeren leverer modelspecifikationen og eksperimentelle data til den generiske modellering og simulering ramme via en model specifikation og datafil i et foruddefineret format. Modellen bygherre parser model specifikationer og konstruerer en model, som angivet af brugeren. Simulatoren indlæser den beregnede model og i forbindelse med komponenten funktionsbibliotek simulerer den modellerede opførsel med passende simulation data. De følgende underafsnit vil give detaljerede beskrivelser af modellen bygherre, model simulator, den komponent funktion bibliotek og model specifikation og datafil. Figur 1 Generisk modellering og simulering rammer.
Model builder
En biologisk system med henblik på modellering kan betragtes som en samling af uafhængige sub-fysiologiske enheder, der arbejder i fællesskab at nå visse biologiske mål. At modellere adfærd af et sådant biologisk system, er det praktisk at vælge en abstraktion, der repræsenterer hver sub-fysiologiske enhed som en selvstændig komponent, der sammen med andre komponenter danne et netværk af komponenter. Et sådant netværk, der anvendes til at modellere et system er så en komponent baseret system model.
Den grundlæggende enhed af en komponent baseret system model er en komponent med et vist antal ind- og udgange. Disse indgange og udgange er forbundet med en matematisk funktion. Den strukturelle specifikation
af en komponent er således defineret som navnet på den komponent sammen med navnet på dets input eller output, mens den funktionelle specifikation
af en komponent er defineret som det matematiske forhold mellem sine input og output. Funktionen af ​​modellen builder er at konstruere en komponent baserede systemer modellen den strukturelle og funktionelle specifikation af komponenter, der udgør den modellerede biologiske system.
Model simulator
model simulator simulerer komponent baseret system model for et forudbestemt antal af simulation cyklusser. En komponent-system model med et sæt indgange siges at være simuleret for et foruddefineret antal simulation gange, hvis hver komponent output vurderes ved hver simulering cyklus. En given simulation cyklus siges at være afsluttet, hvis hver komponent udgange er blevet evalueret for at simulering cycle.The Model Builder konstruerer en komponent baseret system model på en sådan måde, at enhver tilføjelse eller sletning af komponenter, hvis det er nødvendigt, er altid muligt på færdiggørelsen af ​​en simulering cyklus. For at illustrere denne konstruktion en hypotetisk komponent baseret system model med 3 komponenter, nemlig C1, C2 og C3, og den respektive sammenkoblinger A, B, C, og D Blandt komponenterne er vist i figur 2a. En anden visuel repræsentation af den samme strukturelle model er vist i figur 2b. De to visuelt repræsenterede systemer modeller er ikke forskellige fra hinanden, bortset fra at i sidstnævnte kanterne (sammenkoblinger), der forbinder komponenterne er repræsenteret som informationskanaler og hver komponent er forbundet til en af ​​flere af informationskanaler. Denne repræsentation intuitivt matcher den fysiologiske situation organer forbundet af blodkar og /eller nerve-kanaler. Ved hver simulering cyklus de aktuelt tilgængelige data på de oplysninger kanal er enten læse til indgangene på komponenterne (forbundet i den nuværende simulation cyklus) eller skrives til de oplysninger kanal fra udgangene på komponenterne (i øjeblikket er tilgængelige). Dataene vil blive læst eller skrevet kun af de komponenter, der er tilsluttet informationskanal i den aktuelle simulering cyklus. Denne model konstruktion og simulering funktion gør det muligt vilkårligt antal modelkomponenter der skal lægges til eller slettes fra systemet modellen under simulering med passende kontrolstrukturer. Figur 2 Eksempel systemmodel. (A) Strukturel model beskrivelse af eksempel systemets model. (B) Analogt visuel repræsentation af den strukturelle model.
Component funktionsbibliotek
komponent funktionen bibliotek indeholder den funktionelle specifikation (dvs. det matematiske forhold mellem input og output) af hver komponent, der udgør det komponentsystem model. Da simulatoren er blevet programmeret til at simulere modellen i tiden, er den funktionelle specifikation af de komponenter, der er beskrevet som funktioner af tid så godt. Funktionel specifikation af komponenterne skal defineres af brugeren og opdateret til den komponent funktionen biblioteket.
Model specifikation og eksperimentelle datafil
model specifikation og de eksperimentelle data fil, som brugeren indeholder to sæt af oplysninger. Den første er den strukturelle specifikation af komponenterne, der udgør systemer model og den anden er de eksperimentelle data vedrørende forsøg udført på systemet. Navnet på de komponenter og respektive indgange og udgange er rækken-wise tabuleret. Navnet på et output af en komponent er den samme som indgangen af ​​en anden komponent, hvis de to er forbundet, og er anderledes, hvis de ikke er forbundet. En ekstra kolonne, "Connect", er til stede og har en værdi på enten "Ja" eller "Nej", der forbinder eller afbryder input /output af de respektive komponenter. føjes Denne kolonne at indføre en yderligere fleksibilitet til at associere eller adskille de respektive mellem komponenter.
For den hypotetiske systemmodel tidligere afbildet i figur 2a, komponenterne, C1, C2 og C3, er række-wise tabuleret i tabel 1. input af komponenten, C1, er, A og D, og ​​outputtet er, B, som derefter er input til komponenten, C2. Beskrivelserne for de øvrige komponenter er ens. Bemærk, at input C fra C3 er blevet afbrudt ved at indtaste "Nej" i kolonnen "Connect". Den eksperimentelle data er tidsmæssigt tabelform på række for hver input og output af komponenten. For eksempel indgang A til komponenten C1 til tiden 0, er 20 enheder og forbliver nul i resten af ​​tiden (5-30). Indgangene er tomt, hvis eksperimentelle data ikke available.Table 1 Eksempel på model specifikation fil til den strukturelle model beskrivelse af modellen i figur 2 A
Resultater
gastrisk tømning, sammen med intestinal motilitet, sekretion af fordøjelsesenzymer og peptidhormoner er vigtige fysiologiske processer, der er involveret i reguleringen af ​​måltidet fordøjelsesprocessen [11, 12]. Mavetømning er en fysiologisk proces, hvor maven gradvist vil tømme indholdet i tyndtarmen. Indholdet vil derefter stimulere frigivelsen af ​​flere hormoner (CCK, PYY, GLP-1 osv) ved tarmslimhinden, der fremkalder feedback-signaler gennem forskellige nervebaner. En af disse neurale stier fungerer som en feedback til mavetømning selve processen. Det vagale afferente vej begynder fra tarmen og ender ved den nucleus tractus solitarius (NTS) i centralnervesystemet [13]. Svaret eller den negative feedback skyldes centralnervesystemet via det vagale efferents og ender ved steder, herunder maven, sinker tømningshastighed af maven [14].
I adskillige undersøgelser er det blevet påvist, at ileal infusion af næringsstoffer medfører en forsinkelse i mavetømning og tyndtarmstransitten tid, og en forøget frigivelse af gastrointestinale hormoner. Undersøge den mekanisme af denne såkaldte ileal bremse aktivering er af potentiel interesse for udvikling af funktionelle fødevarer, der frigiver næringsstofferne i den distale del af tyndtarmen. Endvidere Maljaars et al. [12] viste, at ileal infusion af lipid (saflorolie) resulterede i en mere potent intestinal bremseeffekt sammenlignet med duodenual infusion. Ventrikeltømning blev betydeligt forsinket i ileal infusion sammenlignet med duodenal infusion (206 min vs. 138 min) [12]. Talrige modeller er blevet rapporteret i litteraturen i stand til at simulere eller forudsige den gastriske tømning sats i mennesker [14-16]. Men i de fleste af disse modeller kun maven og tarmen har været overvejet, da de deltagende komponenter [17]. Den fulde feedback-sløjfe af mavens tømning proces dvs involverer gradvis frigivelse af næringsstoffer fra maven og efterfølgende frigivelse af hormoner, der fremkalder neurale signaler fra mavetarmkanalen herom yderligere frigivelse af mad fra maven (og også indtagelse af nye fødevarer) i en feedback-ordning via centralnervesystemet ikke er blevet omfattende taget i betragtning. Bortset fra dette, modellering og simulering ordninger, som rapporteret i disse publikationer, indebærer strenge re-programmering trin i tilfælde forsøget skal re-designet.
For at illustrere den komponent baseret modelleringsprocessen inden for den foreslåede modellering og simulation miljø, vil de følgende afsnit diskutere ventrikeltømning modellering og simulering proces med et minimalt sæt af komponenter. Den intelligente evne af den beregnede systemer model vil derefter blive undersøgt med passende eksperimenter udført på frivillige forsøgspersoner.
Modeling ventrikeltømning adfærd
at konstruere et system niveau gastrisk tømning model, den strukturelle specifikation af alle komponenter, der udgør modellen sammen med de eksperimentelle data vil blive beskrevet i modellen specifikation og datafil. Den funktionelle specifikation af komponenterne vil så blive tilføjet til den komponent funktion biblioteket. Den beregnede ventrikeltømning model sammen med komponenten funktionen biblioteket og de eksperimentelle data er angivet i modellen specifikation og datafilen skal simuleres til at estimere modellens parametre. I praksis modellen bruges til at besvare et bestemt forskningsspørgsmål. dvs. "Hvordan næringsstof X påvirkninger ventrikeltømning sats Y?"
Strukturel specifikation
Tabel 2 viser indholdet af den strukturelle specifikation og datafil for ventrikeltømning model. En skematisk fremstilling af den strukturelle model er vist i figur 3. De komponenter, der udgør den strukturelle model er mave, tarm (GI), og sygdomme i centralnervesystemet (CNS). NUT_INP (Nutrient Input), er input til komponenten mave. Den anden indgang, IR_VE (Intestinal svar - vagus Efferents), er den feedback fra CNS. Grunden output og input i maven kombineres og almindeligvis omtales som NUT_INP vil blive klart, når den funktionelle model i maven beskrives. Den anden udgang mave, NUT (Nutrient) er input til den næste komponent tarmen. En ekstern indgang NUT bundet til indgangen af ​​tarmen er en infusion input, som kan modulere mavetømning fænomener. I den eksperimentelle omgivelser er denne infusion indgives via et kateter indsat i den gastrointestinale (GI) kanal, med kateterspidsen beliggenhed i den distale tyndtarm (ileum). Udgangssignalet fra tarmen, IR_VA (Intestinal Svar - vagale afferente) er input til den næste komponent CNS. Udgangen af ​​CNS, IR_VE, som forklaret tidligere, er feedback til komponenten Stomach.Table 2 Figur 3 Skematisk fremstilling af den strukturelle model for mavetømning eksempel.
eksperimentelle data segment af den strukturelle model fil indeholder data for hvert tidspunkt som enten er de eksterne indgangsværdier til systemmodel eller eksperimentelt målte værdier ved udgangene af de komponenter, der udgør systemet. I den gastriske model eksempel eksterne indgang leveres på NUT_INP i form af en standardiseret Morgenmad måltid [18] på tidspunkt '0' min (udtrykt som brændværdi af standardiseret morgenmåltid), og infusionen ekstern indgang NUT ad gangen '30 "min indtil '120' min med trin på 5 minutter (udtrykt som brændværdi leveres pr 5 min). Resten af ​​input /output værdier for alle komponenter mellem tiden "0" og "240" med tidsskridt af '5' min var enten ikke måles eller ikke er til stede, og dermed tomt.
Funktionel specifikation
Dynamikken af gastrisk tømning er funktionelt beskrevet i komponenten maven. Den intestinale tilbagemeldinger regulerer ventrikeltømning er funktionelt implementeret som en bremse mekanisme, der forsinker ventrikeltømning hastighedskonstanten. For komponenter tarmen og CNS, i stedet for en detalje fysiologisk model blev en grå-box med minimale funktionelle elementer og tilknyttede parametre valgt. Funktionelle model beskrivelser for hver komponent, der udgør den gastriske tømning model er beskrevet i de følgende underafsnit og de tilknyttede parametre, der skal estimeres under model kalibrering er vist i tabel 3.Table 3 Parameter definitioner
Parameternavn
Parameter
enhed
Value
Gastrisk tømning hastighedskonstant
k
m
jeg
n
-1
Til estimeres
efferente signal tærskel
THD
dimensionsløs
Til estimeres
IR overførselshastighed konstant
IR_TR
E
-1
Til estimeres
In-vivo henfald hastighedskonstant
INV_DR
m
jeg
n
-1
Til estimeres
Kaloriefattige klasse
CAL_GRD
dimensionsløs
0,6
Tid ved maksimal amplitude
T_MAX
min
10
Overfør konstant
TRF_K
dimensionsløs
en
Break konstant procentdel
BRK
dimensionsløse
3
mave
komponent mave har to indgange: N
U
T
_I
N
P
og jeg
R
_v
E
, to udgange: NUT
og N
U
T
_I
N
P
. For en indledende kaloriefattige input, N
U
T
_I
N
P
(0), den kaloriefattige input N
U
T
_I
N
P
(t
) tilbageholdes af maven på et tidspunkt t
er beskrevet af ligning 1, hvor t er tiden i minutter, k er den gastriske tømning hastighedskonstant pr minut, og b er den ekstrapolerede y-skæringspunkt fra den terminale del af tømningen kurven [15]. NUT_INP (
t
)
=
NUT_INP (
0
)
*
1
-
1
-
e
-
k
*
t
b
(1) omskrivning ligning 1 i forskel ligning danner resultater i ligning 2, hvor N
U
T Hotel (t
+ Δ
t
) er kalorier bortvist fra maven til tarmen ved t
+ Δ
t
Δ
t
er simuleringen interval. NUT (
t
+
AT
)
=
NUT_INP (
t
+
AT
)
-
NUT_INP (
t
)
=
f
(
t
)
*
AT
*
CAL_GRD ,
(2), hvor f
(
t
)
=
NUT_INP (
0
)
*
b
*
k
*
1
-
e
-
k
*
t
b
-
1
*
e
k
*
t
, og CAL_GRD er den kaloriefattige klasse værdi defineres som den procentdel kaloriefattige input absorberes af tarmen. Antages en ligelig fordeling og absorption af kalorier langs tarmen, kan andelen af ​​kalorier absorberet af ileum tilnærmes ved den procentvise overfladeareal af ileum. Den samlede længde af duodenum, jejunum, ileum og er 25, 260, 395 cm [19]. Antages en konstant radius af tarmen, den procentvise overfladeareal af ileum er 60% og dermed en værdi på 0,6 blev valgt til CAL_GRD [20].
I modellen, er den gastriske tømning hastighedskonstanten k med en procentsats BRK efter hver forekomst at den intestinale respons efferente overføringsfunktion sgmd
overstiger en fast tærskelværdi konstant THD (efferente signal tærskel konstant). Den tarm reaktion efferente overføringsfunktion sgmd
er defineret ved ligning 3. Værdien af ​​bi ligning 1 beregnes herefter som b
= e
k
* T
_L
A
G
fra ki værdien T
_L
A
G
, den indledende forsinkelse i mavesækkens tømning [15]. sgmd (
t
)
=
2
/
(
1
+
e
-
IR_TR *
IR_VE (
t
)
)
-
1
,
(3), hvor jeg
R
't
R
er tarmens overførselshastighed konstant, og jeg
R
_v
E
er tarmens vagale efferente reaktion fra CNS.
for at finde en passende værdi for BRK, vi mente, at modellen evalueres med en tidsopløsning på 1 minut, så systemet til at udføre på maksimum 1 pause begivenhed per minut. Desuden for den række af næringsstof-induceret variation i maven tømning halv gang tog vi som en referencedata fra Robertson et al. [21], der viser, at tilsætning af n-6-fedtsyrer (PUFA) vs. n-3 PUFA til et måltid kan resultere i en stigning i maven halv tømning tid fra 155 til 237 minutter. Vi krævede derefter at 15 konsekutive break begivenheder være tilstrækkelig til at forøge Thalf fra 155 til 237 minutter, for at muliggøre en betydelig reduktion af mavetømningshastigheden godt inden for længden af ​​infusionsperiode på 90 minutter anvendes i eksperimentet. Dette resulterede i en værdi på 0,03 eller 3% for BRK (dvs. 155 * 1,03 15≈237)
Tarm
komponent tarmen har en indgang:. NUT
en udgang jeg
R
_v
A
. Den intestinale vagus afferente respons jeg
R
_v
A
(t
+ Δ
t
) på tidspunktet t er højtravende vagale afferente respons i E (vilkårligt valgt ) enheder til tarmens kaloriefattige input fra 0 til t, som vist i ligning 4. IR_VA (
t
+
aT
)
=
Σ
i
=
0
t
/
AT
en
*
(
t
-
(
AT
*
jeg
)
)
b
*
e
-
c
*
(
t
-
(
AT
*
jeg
)
) Hotel (4) hvis et
= N
U
T Hotel (Δ
t
* jeg
) * (c
* e
/b
) b
, den in vivo (tarm vagus afferent respons) henfald hastighedskonstanten, c
= jeg
N
V
_D
R
, og b
= T
_M
A
X
* c
, hvor T_MAX er det tidspunkt, hvor den intestinale vagale afferente reaktion på den intestinale input er maksimum. For at vælge en værdi for T_MAX vi tog sig tid til maksimal respons af hormonet mest tæt forbundet med regulering af mavetømningshastigheden, dvs. CCK, som reference. Denne gang blev læst fra figur én A i [22] som 10 minutter
CNS
komponent CNS har en indgang:. Jeg
R
_v
A
og et output I
R
_v
E
. Den efferente reaktion på CNS, jeg
R
_v
E
til afferente input jeg
R
_v
A
er defineret i ligning 5. IR_VE (
t
+
AT
)
=
TRF_K *
IR_VA (
t
) Hotel (5) Da vi var ude af stand til at finde kvantitative data på gut-brain afferent-til-efferente neurale signaltransduktion, vi antog en direkte proportional enhed overførsel (TRF_K = 1) til enkelthedens skyld.
gastrisk tømning protokol og model kalibrering
forsøgsprotokollen til kalibrering, og forudsige ventrikeltømning model fulgte hovedprincipperne er beskrevet i [23] med mindre modifikationer. På tidspunktet t = 0 minutter blev en standard fast måltid forbruges af frivillige a. 13C octansyre blev sat til den standard Morgenmad måltid at måle ventrikeltømning sats. Selvom 13
CO 2
udåndingsprøve ikke direkte måle ventrikeltømning, har det vist sig at korrelere godt med guld standard scintigrafi i flere undersøgelser. Men ingen af ​​de forskellige matematiske modeller, der anvendes til at udtrække Thalf værdier fra målte 13C berigelse data viste sig at være universelt egnet til alle de forskellige anvendelser af testen. For en indgående drøftelse, henvises læseren til [24]. Metodologien er baseret på den faste fastholdelse af 13C-octansyre i den faste fase af en standardtest måltid under dens passage gennem det gastriske miljø, efterfulgt af en hurtig desintegration af den faste fase i duodenum med efterfølgende absorption af 13C octansyre og hepatisk oxidation til 13
CO 2
, der udåndes i vejret. Det har vist sig, at den post-gastrisk metabolisme (absorption af 13C octansyre, hepatisk metabolisme til 13
CO 2
og udskillelse via ånde) er ens, således mindre indflydelsesrig, mellem individer [16] Salg Ved t = 30 minutter blev en opløsning indeholdende enten saltvand (placebo) eller tidselolie (SO) infunderes i ileum. Den perfusion blev udført med en pumpe forbundet til nasoileal rør. Infusionen fortsatte i en periode på 90 minutter (dvs. indtil t = 120 minutter) med en hastighed på 1 ml /min. De prøver af udåndingsluft blev taget på følgende tidspunkter; 15 minutter før måltidet og ved 15, 30, 45, 60, 75, 90, 105, 120, 180, 210 og 240 minutter efter standard morgenmad måltid. Fra hver af udåndingsluft den procentvise dosis /h 13C udåndede blev målt. Den Thalf og t | ag blev beregnet ud fra den procentvise dosis /h 13C-målinger [25, 26].
Når inspicere 13C udåndingsluften data, vi blev konfronteret med store inter-og intra individuel variation af de Thalf skønnede værdier fra 13C berigelse værdier. Af denne grund har vi afstået fra parret test analyse, men snarere tog en befolkning tilgang. Vi foretog en model prædiktiv kapacitet test med 3 forskellige valg af 13C data, som følger, S1: det komplette datasæt; S2: datasættet hvorfra alle kurver, der viste et eller flere tilfælde af forekomst af en negativ 13C berigelse værdi var blevet kasseret; S3: datasættet hvorfra alle kurver klassificeret som afvigende baseret på Chi-squared kriterium blev kasseret. En måleværdi blev klassificeret som en outlier, hvis Chi-squared score ( χ
Jeg
2
=
(
x
i
-
x
̄
)
2
/
s
2
), hvor x
jeg
er gennemsnittet af de 13C ånde testmålinger for jeg
t
h
emne, x
̄
er det samlede gennemsnit af de 13C ånde testmålinger, og s er standardafvigelsen, var større end 1. Udvælgelse S1 er den mest komplette, men har den ulempe, at den store variation mellem individer kan skjule behandlingsvirkningen dermed reducere den betydning, kan være forbundet med modellen prognosemuligheder testning. Valg S2 skulle lide mindre fra dette problem, og samtidig bevare flere af data. Valg S3 kan betragtes som den mest stringente for vores modelforsøg formål. Derfor koncentrerer vi os om de opnåede resultater med udvælgelse af data S3 og bringe resultater med data valg S1 og S2 kun til sammenligning.
I kalibreringen trin blev de gastrisk tømning modelparametre vist i tabel 3 estimeret. For valg placebo data S3, den 13C målinger (Dose /h [% 13C]) fra de frivillige 1, 6, 13, 14, 15, 16, 17, og 18 (data tilgængelige som supplement til manuskriptet Supplerende fil 1) svarende til placebo infusion blev valgt for at estimere% 13C kurve konstanter (a, b, c; y
= en
t
b
e
-c
t
[25]), hvorfra den halve tømning tid (T
H
en
l
f
P
B
), og halter tid (T
L
en
g
P
B
) for placebo infusion blev beregnet ved at tilpasse en enkelt kurve til alle data (befolkning model). De gastriske empyting model parametre blev derefter anslået ved at simulere modellen med eksperimentelle input betingelser svarende til placebo infusion og optimeres under anvendelse af en ikke-lineær mindste kvadraters tilpasning procedure, for de parametre, der resulterer i en gastrisk tømning kurve med en halv tømning tid, og halter tid svarende til T
H
en
l
f
P
B
og T
L
en
g
P
B
hhv.

• Beskyttende virkninger af en mave-middel indeholdende koreansk rød ginseng på mavesår modeller i mus
• Pancreaticogastrostomy i ren laparoskopisk pancreaticoduodenectomy-En roman pancreas-gastrisk anastomose teknik -