Multi-purpose software development for the analysis of MEA-recorded cardiomyocyte models targeting myocarditis

Myocarditis is an inflammatory disease of the heart muscle with potentially severe clinical implications. Fort this reason, the development of innovative research tools plays a crucial role in advancing understanding and treatment. Among the promising technologies to study cardiac pathologies, MicroElectrode Arrays (MEAs) have emerged as powerful platforms for exploring electrophysiological phenomena and conducting preclinical screenings. This work focuses on the design and implementation of a software tool for MEA-recorded signal analysis, tailored to handle different experimental models and conditions, including murine heart slices and human-induced pluripotent stem (hiPS) cell-derived tissues. A key advantage of this software is characterized by its high flexibility and robust filtering procedure, developed to address the variability and noise in electrophysiological recordings. By integrating a combination of customized filters, the software effectively reduces noise while enhancing the critical information within the signals, adapting dynamically to the specific features of each dataset. After the implementation phase, the software was applied to analyze signals and extract biologically relevant information. Collaborating closely with clinicians of IRCCS San Raffaele Hospital, the analysis provided new insights into the electrophysiological features of myocarditis, demonstrating the validity and efficiency of the tool in the context of clinical research.

La miocardite è una malattia infiammatoria del muscolo cardiaco, che può determinare complicazioni cliniche potenzialmente gravi. Per questo motivo, lo sviluppo di nuovi strumenti per la ricerca e la diagnostica ricoprono un ruolo cruciale nell’avanzamento della conoscenza della patologia e del suo trattamento. Tra le principali tecnologie per lo studio della patologia, i Micro-Electrode array (MEA) stanno emergendo come potenti strumenti per lo studio dei fenomeni elettrofisiologici per la conduzione di studi pre-clinici. Il progetto proposto è focalizzato sulla progettazione ed implementazione di un software per analisi dei segnali registrati tramite MEA, pensato per essere in grado di analizzare segnali provenienti da diversi modelli e condizioni sperimentali, in particolare fettine di cuore di topo e Cardiomiociti derivati da cellule staminali pluripotenti indotte umane (hiPS). Un vantaggio chiave del software è l’elevata flessibilità e robustezza della procedura di filtraggio, sviluppata appositamente per gestire la variabilità e il rumore delle acquisizioni elettrofisiologiche. Dopo la fase di implementazione, il software è stato utilizzato per analizzare diversi segnali ed estrarre informazioni di rilevanza clinica e biologica. Attraverso una stretta collaborazione con il personale clinico dell’ospedale San Raffaele, l’analisi ha permesso di ottenere nuove intuizioni sulle caratteristiche elettrofisiologiche della miocardite, dimostrando la validità e l’efficienza dello strumento nell’ambito della ricerca clinica.