神经肌肉骨骼建模与力预测：通过实验性神经肌肉动力学验证的创新框架

本研究针对年龄相关运动单元(MU)重组与肌力产生的机制难题，开发了整合高密度肌电图(HD-EMG)与有限元(FE)的神经肌肉骨骼(NMS)计算模型，成功预测踝背屈力曲线(R2=0.95)。通过验证运动单位放电特性(ISI、CST)与实验数据的一致性，为神经退行性疾病(如ALS、帕金森病)的个性化治疗提供了新工具。

　　

随着全球老龄化加剧，神经退行性疾病如阿尔茨海默病、帕金森病和肌萎缩侧索硬化症(ALS)的发病率持续攀升。这些疾病伴随的运动单元(Motor Unit, MU)形态改变会导致肌力控制能力下降，但传统实验方法难以在体观测神经肌肉系统的动态交互。伦理限制和技术复杂性使得直接测量MU重组与肌力产生的关联成为挑战，而计算建模正成为破解这一难题的新钥匙。

Boise State University生物医学工程团队在《Annals of Biomedical Engineering》发表的研究，构建了首个融合生物物理神经元模型与三维有限元(FE)肌肉仿真的多尺度框架。该模型将25名健康受试者的HD-EMG数据转化为200个遵循Henneman大小原则的模拟运动神经元，驱动包含73% I型、21% IIa型和6% IIb型肌纤维的胫骨前肌(TA)有限元模型，最终实现踝背屈力曲线的精准预测(RMSE=10.25N)。研究证实，通过加权平均实验性累积峰电位(CST)与目标力曲线生成的共同突触输入(CSI)，能有效控制力输出变异性(STD模拟0.93 vs 实验1.32)。

关键技术包括：(1)采用CKC算法分解HD-EMG信号获取MU放电时序；(2)构建包含311个树突的NEURON模型模拟离子通道动态；(3)基于Visible Human数据集建立TA肌肉FE模型，赋予横观各向异性材料属性；(4)通过敏感性分析验证16个关键参数(如NMJ钙释放速率k₁/k₂)对IIb型肌纤维激活的显著影响(±175.5%)。

方法学创新
通过半自动CKC分解获取PNR>29dB的MU放电序列，结合梯形斜坡收缩实验(5-60% MVC)建立力-神经活动关联。模型创新性地将CSI输入与高斯噪声(-1~+1nA)结合，再现生理性力波动。

神经模拟验证
运动神经元池的放电特性与实验数据高度相关(r=0.71,p=0.0062)，但ISI变异系数(CoV)的差异(r=-0.11)提示需进一步优化独立突触输入模拟。

肌肉力学响应
FE模型成功再现TA收缩动力学，其中IIb型纤维对钙调控参数最敏感，激活水平变化达218%，解释力波动差异。

临床应用价值
该框架为模拟ALS钠通道超兴奋性、Anderson综合征钾通道异常等病理机制奠定基础。敏感性分析显示，改变体细胞被动通道平衡电位可使放电率波动达194%，这为个性化神经调控提供量化工具。

研究突破在于首次实现从HD-EMG信号到三维肌力生成的全链条仿真，其0.95的R²值超越既往刚性体模型。尽管在MU独立变异模拟方面存在局限，但通过整合皮质脊髓束输入等更高级神经回路，未来可望构建神经退行性疾病的"数字孪生"平台，加速靶向治疗开发。正如作者Colton D.Babcock强调，这种"从离子通道到整体肌力"的多尺度建模范式，或将重塑康复医学的研究模式。