Background— The Brugada syndrome, an inherited syndrome associated with a high incidence of sudden cardiac arrest, has been linked to mutations in 4 different genes, leading to a loss of function in sodium and calcium channel activity. Although the transient outward current ( I to ) is thought to play a prominent role in the expression of the syndrome, mutations in I to -related genes have not been identified as yet. Methods and Results— One hundred five probands with the Brugada syndrome were screened for ion channel gene mutations using single-strand conformation polymorphism electrophoresis and direct sequencing. A missense mutation (R99H) in KCNE3 ( MiRP2 ) was detected in 1 proband. The R99H mutation was found 4/4 phenotype-positive and 0/3 phenotype-negative family members. Chinese hamster ovary-K1 cells were cotransfected using wild-type (WT) or mutant KCNE3 and either WT KCND3 or KCNQ1. Whole-cell patch clamp studies were performed after 48 hours. Interactions between Kv4.3 and KCNE3 were analyzed in coimmunoprecipitation experiments in human atrial samples. Cotransfection of R99H- KCNE3 with KCNQ1 produced no alteration in tail current magnitude or kinetics. However, cotransfection of R99H KCNE3 with KCND3 resulted in a significant increase in the I to intensity compared with WT KCNE3 +KCND3. Using tissues isolated from the left atrial appendages of human hearts, we also demonstrate that K v 4.3 and KCNE3 can be coimmunoprecipitated. Conclusions— These results provide definitive evidence for a functional role of KCNE3 in the modulation of I to in the human heart and suggest that mutations in KCNE3 can underlie the development of the Brugada syndrome.

Abstract Mitochondria play a significant role in human diseases. However, disease associations with mitochondrial DNA (mtDNA) SNPs have proven difficult to replicate. A reanalysis of eight schizophrenia-associated mtDNA SNPs, in 23,743 normal Danes and 2,538 schizophrenia patients, revealed marked inter-allelic differences in haplogroup affiliation and nuclear ancestry, genogeophraphic affinity (GGA). This bi-genomic linkage disequilibrium (2GLD) could entail population stratification. Only two mitochondrial SNPs, m. 15043A and m. 15218G, were significantly associated with schizophrenia. However, these associations disappeared when corrected for haplogroup affiliation. The extensive 2GLD documented is a major concern when interpreting historic as well as designing future mtDNA association studies.

Abstract Objective Evaluate popular explanation methods using heatmap visualizations to explain the predictions of deep neural networks for electrocardiogram (ECG) analysis and provide recommendations for selection of explanations methods. Materials and Methods A residual deep neural network was trained on ECGs to predict intervals and amplitudes. Nine commonly used explanation methods (Saliency, Deconvolution, Guided backpropagation, Gradient SHAP, SmoothGrad, Input × gradient, DeepLIFT, Integrated gradients, GradCAM) were qualitatively evaluated by medical experts and objectively evaluated using a perturbation-based method. Results No single explanation method consistently outperformed the other methods, but some methods were clearly inferior. We found considerable disagreement between the human expert evaluation and the objective evaluation by perturbation. Discussion The best explanation method depended on the ECG measure. To ensure that future explanations of deep neural networks for medical data analyses are useful to medical experts, data scientists developing new explanation methods should collaborate tightly with domain experts. Because there is no explanation method that performs best in all use cases, several methods should be applied. Conclusion Several explanation methods should be used to determine the most suitable approach.

Mitochondrial DNA (mtDNA) haplogroups (hgs) are evolutionarily conserved sets of mtDNA SNP-haplotypes with characteristic geographical distribution. Associations of hgs with disease and physiological characteristics have been reported, but have frequently not been reproducible. Using 418 mtDNA SNPs on the PsychChip (Illumina), we assessed the spatio-temporal distribution of mtDNA hgs in Denmark in DNA isolated from 24,642 geographically un-biased dried blood spots (DBS), collected from 1981 to 2005 through the Danish National Neonatal Screening program. Geno-geographic affinity (ancestry background) was established with ADMIXTURE using a reference of 100K+ autosomal SNPs in 2,248 individuals from nine populations. The hg distribution was typically Northern European, and hgs were highly variable based on median-joining analysis, suggesting multiple founder events. Considerable heterogeneity and variation in autosomal geno-geographic affinity was observed. Thus, individuals with hg H exhibited 95 %, and U hgs 38.2 % - 92.5 %, Danish ancestry. Significant clines between geographical regions and rural and metropolitan populations were found. Over 25 years, macro-hg L increased from 0.2 % to 1.2 % (p = 1.1*E-10), and M from 1 % to 2.4 % (p = 3.7*E-8). Hg U increased among the R macro-hg from 14.1 % to 16.5 % (p = 1.9*E-3). Geno-geographic affinity, geographical skewedness, and sub-hg distribution suggested that the L, M and U increases are due to immigration. The complex spatio-temporal dynamics and geno-geographic heterogeneity of mtDNA in the Danish population reflect repeated migratory events and, in later years, net immigration. Such complexity may explain the often contradictory and population-specific reports of mito-genomic association with disease.

Abstract Aims To test, whether a neural network-based classifier could aid in distinguishing photoplethysmographic (PPG) pulse waveforms of ventricular from those of supraventricular origin. Methods Thirty patients undergoing invasive electrophysiological studies for documented narrow complex tachycardias between May and December 2021 at a university medical centre were included in the trial. PPG waveforms were recorded using a PPG wristband (Empatica E4) in parallel to 12-lead surface electrograms (ECGs) and intracardiac electrograms from diagnostic catheters. Pulse waves were then annotated to either supraventricular (sinus rhythm, atrial pacing) or ventricular origin (ventricular pacing) based on invasive electrogram recordings, ECGs and stimulation protocols. 21147 data sets were split into test, training and validation data sets and used to develop, train and validate a convolutional neural network (CNN) for classifying PPG waveforms according to their origin into sinus rhythm, atrial or ventricular pacing. Results Datasets were complete for 27 patients. 74% were female and median age was 53 (range 18, 78) years, median BMI was 27±5, 19% had arterial hypertension, 11% had diabetes and 15% had coronary artery disease. During the electrophysiological study, typical AV-nodal re-entrant tachycardias could be induced in 63% of patients, 15% had inducible atrial tachycardias and the other patients had no inducible tachyarrhythmias. Our CNN-based classifier was able to correctly predict the origins of pulse waves in 95±1% for sinus rhythm, 96±1% for atrial paced rhythms and 95±1% for ventricular rhythms. Conclusion A neural network-based classifier trained on ground truth PPG data obtained by using invasive EP measurements for annotation could accurately predict atrial or ventricular origin from PPG waveforms alone.Graphical abstract