人类婴儿运动发育中神经运动模块的功能对称化：肌肉协同、肢体生物力学与运动协调的共演化

《Communications Biology》：Functional symmetrization of neuromotor modules during locomotor development in human infants

本研究针对人类婴儿运动发育过程中，早期神经肌肉控制模块（肌肉协同，MS）如何与发育中的神经肌肉骨骼系统和感觉运动可塑性相互作用，最终实现独立行走这一核心问题，通过纵向追踪11名婴儿四个行走阶段（负重行走、手扶行走、早期独立行走、后期独立行走），并结合成人和老年人数据的全生命周期分析，利用双侧多肌肉肌电记录、运动学追踪和个性化神经肌肉骨骼（NMS）建模，揭示了肌肉协同、其相关的运动学功能（运动学协同，KS）以及肢体生物力学特性共同发展，最终导致双侧KS对称性增加以实现步态稳定的机制。研究发现，最初双侧不对称的肌肉协同和肢体生物力学特性共同演化，最终产生对称的运动学协同，这可能稳定步态。这种神经运动模块的功能对称化反映了为实现全生命周期步态稳定和控制效率，肌肉协同、其运动学功能和肢体生物力学特性之间的协同发展。该研究为理解人类运动控制发育的驱动因素提供了新见解，发表于《Communications Biology》。

　　

行走，这项看似简单的技能，是人类运动发育史上的一个重要里程碑。婴儿如何从蹒跚学步到稳健行走，其背后的神经控制机制一直是运动神经科学领域的核心问题。理论认为，哺乳动物的中枢神经系统（CNS）并非独立控制每块肌肉，而是通过调控有限数量的运动模块——即肌肉协同（Muscle Synergy, MS），来高效地协调众多肌肉的活动。每个MS代表一种固定的肌肉共激活模式，由其随时间变化的激活系数（Activation Coefficient, AC）进行时序调节。成人行走通常由每条下肢至少4个MS组合产生。然而，一个关键且尚未解决的问题是：这些MS是如何在发育过程中被“组装”成其成熟形式的？

在人类全生命周期中， locomotor MSs 经历着长期的变化。从新生儿到学步儿，用于新生儿踏步的MS会分化为由更少肌肉组成的、更稀疏的MS，以更好地满足独立行走的生物力学需求。随着儿童成长至成人，MS继续被精细化，但每个MS中的主要贡献肌肉在此过程中得以保留。尽管这些与年龄相关的MS变化已被广泛描述，但其功能意义却鲜为人知。一种观点认为，为了满足特定任务的生物力学需求，CNS会根据MS的生物力学功能来选择和调整激活哪些MS。这意味着MS在整个生命阶段的修改可能源于任务或肢体生物力学特性的年龄相关变化，和/或MS功能角色的转变。

具体而言，一种可能性是，在发育过程中，随着肢体生物力学特性（如肢体长度、肌肉力量）的改变，MS被调整以实现对任务表现至关重要的所需生物力学功能。事实上，MS似乎被构造成执行恒定功能。特定MS的激活与人类行走的特定步态相位相关，也与猫姿势任务中的特定动力学或运动学特征以及青蛙踢腿相关。如果将运动学协同（Kinematic Synergy, KS）——关节角度的协调变化——视为MS的功能表征，那么MS的功能稳定性已在成人的抓握和行走中得到证实，显示了MS与稳定KS之间存在稳健的对应关系。

另一种可能性是，发育过程中修改后的MS集合会随时间执行不同的生物力学功能集。这种功能变化可能反映了随着肢体生物力学特性的改变，MS被逐渐微调，以实现被控对象（plant）特性与其神经控制器之间更好的匹配；改变后的MS功能随后作为这种调谐过程的必然结果而出现。事实上，伴随着婴儿和儿童身体特征的快速增长，肢体生物力学特性和关节运动模式存在显著的年龄相关波动。先前研究发现KS的年龄相关变化比MS的变化更显著，这进一步表明在步态发育期间MS与其运动学功能之间的对应关系不稳定。随着MS的改变，它们改变后的功能可能通过满足特定的生物力学需求，最终使任务得以更好地执行。例如，在步态发育过程中，两个新生儿MS最初分别在站立期提供重量支撑和在摆动期促进加速，但在后期年龄，另外两个新的MS在初始接触和推离期出现，以帮助幼儿更平稳、更稳定地行走。因此，根据这种观点，变化的MS及其相关功能反映了一个发育学习过程，该过程应能实现更好的任务执行和熟练表现。

除了基因共同决定的发育程序外，MS的变化很可能受到双侧对称性需求的驱动。先前研究强调，随着儿童成熟，对对称步态模式的驱动力会塑造 locomotor 中枢模式发生器以及神经-筋膜-肌肉骨骼系统的结构。步态对称性的出现甚至被认为是步态发育的一个标志，5个月大的婴儿比3个月大的婴儿表现出更强的感知双侧运动和实现稳定姿势的能力。步态对称性作为运动发育驱动力的潜在作用也得到了运动适应研究的支持，考虑到早期的爬行和行走发育涉及无数的运动适应和决策步骤，这一过程可能与运动发育共享某些共同机制。对于运动适应， locomotor 稳定性已被确定为主要驱动力，并且据报道，步态对称性在维持步态稳定性方面比摆臂对称性扮演更重要的角色。事实上，适应扰动的个体优先考虑 locomotor 稳定性，而不是最小化机械努力或恢复基线运动学。

因此，本研究假设，当婴儿获得独立行走能力时，MS会根据变化的肢体生物力学特性以及最初缺乏运动学对称性的情况被塑造，最终导致MS的运动学/生物力学功能实现双侧对称，以增强 locomotor 稳定性。为了验证这一假设，研究人员纵向收集了11名婴儿在步态发育四个阶段的双侧肌电（EMG）和运动学数据，并重新分析了先前研究中成人和老年人的数据用于比较。他们首先追踪了在整个生命周期六个时间点上，MS及其相关的、量化为KS的运动学功能的变化。随后，他们使用运动学-肌肉协同（Kinematic-Muscular Synergy, KMS）模型检验了MS-KS关系，该模型直接将任何MS与其在同一协同向量中的KS联系起来。这种表述不仅减少了可能由噪声引起的MS和KS变异性，而且提供了稳健的MS到KS的对齐。接下来，为了表征个体肢体生物力学特性的变化，研究人员为每个婴儿构建了个性化的神经肌肉骨骼（NMS）模型，并通过数据驱动的模拟估算了婴儿四个阶段的几个肌肉肌腱参数。在NMS模型中，对来自通用成人模型的默认肌肉肌腱参数集进行了调整，以匹配婴儿的实验数据，从而确保了儿科生物力学模拟的稳健性和生理可靠性。

研究结果显示，MS在婴儿行走阶段之间发生了显著改变。例如，CH1和CH4阶段之间MS的皮尔逊相似性仅为0.4，这表明超过一半的CH1 MS在CH4阶段被修改。此外，通过行走阶段，MS在结构上变得更为稀疏，每个MS中活跃的肌肉数量减少。这些MS变化与先前结果一致，即新生儿踏步的MS在运动发育过程中发生改变，初始MS分化为更碎片化的MS，每个MS控制更特定的一组肌肉。

在肢体生物力学特性方面，通过个性化NMS模型，研究发现4个肌肉特性表现出年龄相关的变化。例如，臀大肌（GM）、股直肌（RF）和内侧腓肠肌（MG）的ShapeFactor呈现年龄依赖性下降，这暗示这些肌肉的激活水平变得相对更稳定，对神经控制中微小的、步进间的变化不那么敏感。内收长肌（AL）、股外侧肌（VL）、股内侧肌（VM）、RF和胫骨前肌（TA）的OptimalFibreLength下降。TA、RF和AL的TendonSlackLength在双腿均增加，而腘绳肌（HAM）和GM的TendonSlackLength下降。HAM和GM的StrengthCoefficient增加。此外，研究还观察到，随着婴儿年龄增长，外侧腓肠肌（LG）的ShapeFactor和VL的TendonSlackLength的绝对双侧差异减小，表明这些参数随着时间推移肢体生物力学特性的改变而变得更加双侧对称。

最引人注目的发现之一是KS的变化。与MS相比，KS在婴儿各阶段之间经历了更显著的时间依赖性变化，且KS的变化率随年龄增长而下降的程度比MS变化率更明显。最重要的是，在整个发育阶段，KS的双侧对称性增加比MS更为显著，这与先前研究结果一致，即在儿童发育过程中，通过KS测量的步态对称性比通过MS测量的显示出更多的年龄相关变化。回归分析进一步揭示，在整个生命周期中，KS的变异性不能仅由MS的变异性来解释，这表明肢体生物力学特性的变异性对观察到的KS变异性有贡献。有趣的是，在比较双腿的MS和KS时，在分析的6个生命阶段中，仅在成人阶段观察到MS相似性与KS相似性之间存在显著相关性。这可能反映了成人阶段某些生物力学特性的高度双侧对称性，使得双腿间的KS相似性能够直接与MS相似性相关联。

为了识别与KS决定最相关的肢体生物力学参数，研究人员将KS的群内受试者变异性对MS和模拟的肌肉肌腱参数的变异性进行了回归分析，发现OptimalFibreLength、TendonSlackLength和StrengthCoefficient对MS-KS关联的影响最大。

在KMS的激活系数（AC）方面，研究发现AC簇的数量在四个婴儿阶段从2个显著增加到5个，表明随着行走的成熟，MS以更精细的时间精度和更灵活的方式进行控制。此外，尽管AC的整体多样性增加，但每个KMS的AC模式在步态周期之间变得更加稳定，双腿之间的AC也变得更加相似，并且AC中嵌入的系统混沌（以最大李雅普诺夫指数衡量）在整个阶段呈下降趋势。这表明早期阶段（CH1和CH2）以显著的周期间AC变异性和强烈的系统混沌为特征，运动系统可能在进行探索性搜索以寻找最优AC；而后期阶段（CH3和CH4）则表现为KMS与AC之间更稳定和独特的关联，运动系统倾向于以更稳定的节律激活特定的MS。

综上所述，该研究认为，随着婴儿获得独立行走能力，MS、肢体生物力学特性、KS以及MS的AC以共同发展的方式，最终促进KS的双侧对称性，以确保 locomotor 稳定性。因此，通过实现对称步态模式来增强 locomotor 稳定性，可能是决定双侧成熟MS在发育学习过程结束时如何被构建的主要驱动力。

主要技术方法：

本研究为纵向研究，招募11名健康婴儿，追踪其四个行走阶段（负重行走CH1、手扶行走CH2、早期独立行走CH3、后期独立行走CH4）的数据，并重新分析7名成人和7名老年人的现有数据用于全生命周期比较。主要技术方法包括：1) 使用三维运动捕捉系统（Vicon）和无线表面肌电系统（Delsys Trigno）同步采集下肢运动学数据和28块下肢及躯干肌肉的肌电（EMG）信号；2) 采用混合矩阵分解（MMF）算法从同步的EMG和关节角加速度（JAC）数据中提取运动学-肌肉协同（KMS），每个KMS包含一个MS及其关联的KS；3) 为每位婴儿在每个阶段构建个性化的神经肌肉骨骼（NMS）模型（基于OpenSim和CEINMS工具箱），通过模拟行走估算10个关键的肌肉肌腱参数（如ShapeFactor、OptimalFibreLength、TendonSlackLength、StrengthCoefficient等），以量化肢体生物力学特性的发育变化；4) 利用k均值聚类、相关性分析、回归分析等统计方法，比较不同阶段、不同肢体以及不同受试者间的MS、KS、AC以及肌肉肌腱参数的相似性和变异性。

研究结果：

年龄相关的KMS、MS和KS在婴儿阶段的变化

通过比较不同婴儿行走阶段的KMS，研究发现KS的阶段间相似性低于MS的阶段间相似性。从CH1到CH4，KS的相似性（0.17）显著低于MS的相似性（0.4）。KMS的阶段间相似性高于MS和KS。此外，MS的稀疏性从CH1到成人阶段显著增加。

生命周期中双侧KS和MS对称性的年龄相关变化

双侧KS相似性从CH1到CH4逐渐增加，并在成人阶段达到峰值，而后在老年阶段下降。双侧MS相似性在整个婴儿阶段保持稳定，同样在成人阶段达到峰值后下降。回归分析显示KS对称性在约11岁时达到峰值。

生命周期中KS和MS群内受试者变异性的变化

通过对每个阶段的MS进行k均值聚类，发现所有阶段中，KS组分的群内标准差（SD）显著高于MS组分。即使基于KS进行聚类，结果亦然。KS的群内SD在婴儿阶段增加，然后在成人阶段下降。

KS变异性不能仅由MS变异性解释

回归分析表明，在婴儿阶段的所有阶段过渡中，阶段间KS相似性不能由阶段间MS相似性单独预测。在除成人阶段外的所有阶段，双腿间KS相似性也不能由双腿间MS相似性解释。仅在CH1阶段，群内受试者的KS变异性与MS变异性存在显著回归关系。

婴儿阶段肢体生物力学特性的变化

通过个性化NMS模型，发现4个肌肉肌腱参数（ShapeFactor、OptimalFibreLength、TendonSlackLength、StrengthCoefficient）在特定肌肉上表现出显著的年龄依赖性变化。此外，外侧腓肠肌（LG）的ShapeFactor和股外侧肌（VL）的TendonSlackLength的双侧差异随着婴儿年龄增长而减小，表明这些参数变得更加双侧对称。

KS变异性与MS和生物力学参数变异性的关联

回归分析显示，在CH4阶段，群内受试者KS变异性随着OptimalFibreLength、TendonSlackLength或StrengthCoefficient变异性的增加而显著增加，并随着MS变异性的减小而增加。跨婴儿阶段的分析表明，StrengthCoefficient的变异性是KS变异性的显著预测因子。

生命周期中KMS激活的复杂性和稳定性的增加

AC簇的数量在婴儿阶段从2个显著增加到5个，表明时间控制模式的复杂性增加。每个KMS的AC在步态周期