1 Abstract Vagus nerve stimulation is an emerging therapy that seeks to offset pathological conditions by electrically stimulating the vagus nerve through cuff electrodes, where an electrical pulse is defined by several parameters such as pulse amplitude, pulse width, and pulse frequency. This electroceutical therapy has been approved for epilepsy, and treatment resistant depression. Currently, vagus nerve stimulation is under investigation for the treatment of heart failure, heart arrhythmia, hypertension, and gastric motility disorders. Through several clinical trials that sought to assess vagus nerve stimulation for the treatment of heart failure, stimulation parameters were determined heuristically and the results were left inconclusive, which has led to the suggestion of using a closed-loop approach to optimize the stimulation parameters. A recent investigation has demonstrated highly specific control of cardiac physiology by selectively activating different fibers in the vagus nerve. When multiple locations and multiple stimulation parameters are considered for optimization, the design of closed-loop control becomes considerably more challenging. To address this challenge, we investigated a data-driven control scheme for both modeling and controlling the rat cardiac system. Using an existing in silico physiological model of a rat heart to generate synthetic input-output data, we trained a long short-term memory network (LSTM) to map the effect of stimulation on the heart rate and the blood pressure. The trained LSTM was utilized in a model predictive control framework to optimize the vagus nerve stimulation parameters for set point tracking of the heart rate and the blood pressure in closed-loop simulations. Additionally, we altered the underlying in silico physiological model to consider intra-patient variability, and diseased dynamics from increased sympathetic tone in designing closed-loop VNS strategies. Throughout the different simulation scenarios, we leveraged the design of the controller to demonstrate alternative clinical objectives. Our results show the controller can optimize stimulation parameters to achieve set-point tracking with nominal offset while remaining computationally efficient. Furthermore, we show a controller formulation that compensates for mismatch due to intra-patient variabilty, and diseased dynamics. This study demonstrates the first application and a proof-of-concept for using a purely data-driven approach for the optimization of vagus nerve stimulation parameters in closed-loop control of the cardiac system.

BackgroundHeart failure (HF) is a severe disease threatening people's health. The aim of this study is to find a significant biomarker inducive to predicting the prognosis of HF.MethodsGSE135055 and GSE161472 datasets were reanalyzed for exploring key genes related to HF. This single-center, prospective, observational cohort study enrolled 298 patients with or without HF from the Cardiology Department of Zhongda Hospital. Levels of ADAM8 were measured using ELISA kits. Major adverse cardiovascular events (MACEs) were defined as the composite end points of the first occurrence of rehospitalization because of HF or cardiac-related death during one-year follow-up.Results(1) Bioinformatics analysis showed that ADAM8 was a key gene in HF via mainly regulating the mechanisms of extracellular matrix (ECM) organization. (2) Levels of ADAM8 were significantly increased in the HF group, compared to the non-failing (NF) group (p<0.001), especially in patients with HFrEF (p<0.05), and HFmEF (p<0.05). The prevalence of HF in the high ADAM8 group (≧472.916 pg/mL) was significantly higher than in the low ADAM8 group (<472.916 pg/mL) (41.95% vs 30.54%, p<0.01). (3) Correlation analysis revealed that ADAM8 was negatively correlated to the left ventricular ejection fraction (LVEF) (r=-0.272, p<0.001). ROC analysis showed that the AUC of ADAM8 in predicting HF and predicting the MACE were 0.701 (p<0.0001) and 0.683 (p<0.0001), respectively. (4) Logistic and Cox regression both indicated that high ADAM8 expression can predict adverse prognosis of HF.ConclusionsADAM8 may be a risk factor for HF, especially in cases of HFrEF and HFmEF. High ADAM8 expression in plasma was related to the decreased heart function, and can predict the adverse prognosis of HF.

Autophagic flux blockade and excessive oxidative stress play important roles in the pathogenesis of diabetic vascular calcification (VC). Transcription factor EB (TFEB) is an important regulator of many autophagy-lysosomal related components, which is mainly involved in promoting autophagy process in cells. Nuclear factor erythroid-2 related factor 2 (Nrf2) antioxidant system is considered as one of the key pathways in response to intracellular oxidative stress. Periostin (POSTN), a matrix protein, is widely involved in regulating the formation and maintenance of organs such as bones, teeth, heart valves, and tendons. We have previously reported that POSTN interfered with autophagic flux in an oxidative stress-dependent manner in vascular smooth muscle cells (VSMCs) to aggravate the development of diabetic VC. However, how POSTN interfered with autophagic flux by regulating oxidative stress has not been clarified. This study aims to further explore the roles of TFEB, POSTN, autophagy and Nrf2 antioxidant system in the development of diabetic VC. Our experimental results revealed that activation of TFEB attenuated diabetic VC by improving autophagic flux and activating Nrf2 antioxidant system, while POSTN reduced the autophagic degradation of KEAP1 by inhibiting lysosomal function, thus inhibiting the activation of the Nrf2 antioxidant system, and ultimately abolishing the protective effect of TFEB against diabetic VC. In conclusion, this study uncovers that TFEB play an important role in alleviating diabetic VC by improving autophagic flux and activating Nrf2 antioxidant system, suggesting that TFEB may be a new target for the prevention and treatment of diabetic VC.