功能性抓握与低功能手任务中脊髓运动神经元共同突触输入的适应性调控及其对力量稳定性的影响

本研究通过高密度表面肌电（HDsEMG）技术，解析了手部外在屈肌运动单元放电特性，发现与单纯四指屈曲相比，功能性抓握任务（grasping）中α波段（5-15 Hz）共同突触输入振荡显著降低约20%，且神经驱动与力量振荡的耦合强度减弱，最终提升力量控制稳定性（coefficient of variation of force降低）。这一发现揭示了神经系统通过调制脊髓运动神经元共同输入以优化日常手部动作控制效率的机制。

　　

引言

人类手部具有非凡的运动多样性，尤其在抓握等日常动作中表现出高度协调性。尽管手指具备一定独立性，但多数手部动作依赖多指协同屈曲，其中抓握是最基础且功能相关的动作之一。解剖学上，完全对向的拇指、较大的手内在肌及手掌弓形结构共同支持抓握动作的高效执行。既往研究表明，中枢神经系统通过协同调控手部肌肉（称为“手部协同效应”）以降低控制维度，而脊髓运动神经元间共享的突触输入被认为是这种模块化控制的基础。然而，在不同功能相关性的手部任务中，神经系统是否调控这些共同输入仍不明确。本研究假设：与功能相关性较低的四指屈曲任务相比，频繁执行的功能性抓握任务会减少α波段振荡并提高力量稳定性。

方法

17名健康受试者参与实验，其右前臂固定于定制装置，拇指与四指分别连接力传感器。任务包括：四指屈曲（无拇指参与）、拇指屈曲及抓握（四指与拇指同步屈曲）。受试者在5%和15%最大自主收缩力（MVC）下维持等长收缩50秒，同时使用双64电极网格记录手部外在屈肌的HDsEMG信号。通过盲源分离算法分解运动单元脉冲序列，并跨任务追踪相同运动单元。计算运动单元平均放电率（mean discharge rate），并通过相干性分析（coherence analysis）评估δ（1-5 Hz）、α（5-15 Hz）和β（15-35 Hz）波段的共同突触振荡。进一步分析神经驱动（累计脉冲序列，CST）与力量信号的耦合及力量变异系数（coefficient of variation of force）。

结果

运动单元识别与平均放电率

任务间运动单元追踪显示，5% MVC下四指屈曲与抓握间匹配9±6个单位，拇指屈曲与抓握间仅2±2个单位。抓握任务中运动单元平均放电率较四指屈曲显著降低（5% MVC: 12.0 vs. 12.7 pps; 15% MVC: 13.6 vs. 14.5 pps），但较拇指屈曲更高（5% MVC: 13.2 vs. 11.5 pps; 15% MVC: 13.6 vs. 12.6 pps）。

共同突触输入估计

相干性分析发现，抓握任务中α波段振荡面积较四指屈曲显著降低（5% MVC: ～15%; 15% MVC: ～22%），δ与β波段无显著变化。该变化与放电率变化无显著相关性，表明其独立于运动单元放电特性。

神经驱动与力量振荡耦合

抓握任务中α波段神经驱动-力量相干性显著降低，同时5% MVC下力量变异系数减小，表明力量稳定性提升。δ波段耦合无显著变化。

讨论

本研究首次揭示抓握任务中α波段共同突触输入振荡的特异性降低，并关联到改善的力量控制性能。这种调制可能源于多种机制：拇指屈曲引入的额外输入源可能解耦原有振荡；脊髓中间神经元可能相位抵消皮质α输入；任务熟悉度（学习效应）或Ia传入反馈增益调整也可能参与。从应用角度，α振荡的减少直接过滤了神经驱动中影响力量稳定的频率成分，体现了神经系统在功能相关任务中的优化策略。尽管运动单元放电率小幅变化可能反映机械适应，但相干性变化独立于放电率，支持神经调制的特异性。研究局限性包括HDsEMG无法精确区分特定肌肉，但电极位置固定保障了任务间可比性；相干性分析虽受放电率影响，但相关性分析表明α变化主要反映突触输入调制。

结论

功能性抓握任务通过减少α波段共同突触输入振荡，增强神经驱动-力量去耦合，最终提升力量控制稳定性。这一机制体现了神经系统在频繁执行动作中的高效适应策略，为手部运动控制研究提供了新视角。