关于本研究专题
背景
心血管疾病，包括功能、结构和代谢紊乱，仍然是全球发病率和死亡率的主要原因。尽管取得了显著进展，安全有效疗法的发现仍面临重大的科学和转化挑战。
数字孪生方法能够连接分子和细胞机制、组织和器官水平的生理学、患者变异性与临床有意义的结果，全面表征病理生理学和治疗方法。虽然这些方法的某些元素已在医疗保健中应用（例如指导消融手术或设计起搏器、除颤器等植入设备），但限制其在药物开发中广泛应用的挑战依然存在。整合实验药理学、人类相关数据、代理式人工智能（agentic AI）以及计算建模和模拟的综合策略，对于改进靶点识别与优化、疗效预测和心血管安全性评估日益重要。
本研究专题旨在汇集心血管药物发现中新兴的整合框架和方法，特别强调多尺度和基于人类的策略如何加速治疗创新。专题将涵盖机制药理学、计算建模、多尺度模拟、转化生理学和数据驱动预测等领域的研究成果，以增进对心血管疾病机制的理解，并支持更安全、更有效疗法的加速开发。
鼓励投稿展示整合方法如何加强心血管药物发现和开发的全流程，从早期机制研究到临床前评估和转化决策。特别关注将计算和实验方法相结合的研究，以完善疾病模型、预测心脏毒性及安全风险、支持患者分层、减少对动物模型的依赖，并为监管科学提供依据。
通过汇集学术界、工业界和临床研究的成果，本专题将提供一个及时的平台，展示正在重塑心血管药理学并实现更具预测性、精确性和临床相关性的药物发现的跨学科方法。
本研究专题欢迎以下主题（但不限于）：
- 心血管药理学中的代理式人工智能和机器学习方法
- 心血管药物发现中的多尺度和基于人类的模型
- 心脏电生理学、电机械学、心脏代谢以及血管/平滑肌药理学
- 用于疗效和安全性评估的计算方法
- 临床、实验和计算数据的整合
- 结构重构、缺血性心脏病和心力衰竭的机制研究
- 虚拟人群、数字孪生和患者分层
- 亚群特征分析（性别差异、衰老、合并症、药物-药物相互作用）
- 预测性心血管模型的转化和监管应用
关键词：心血管药物发现、心脏安全性、计算药理学、多尺度建模、心室心律失常、电机械学、心力衰竭、缺血性心脏病、患者分层、心脏代谢、数字孪生
重要说明：所有投稿必须符合所提交期刊及其栏目规定的范围，如不符合范围，Frontiers保留在同行评审任何阶段将稿件引导至更合适栏目的权利。
【全文结束】
