《PLOS Computational Biology》:Systems biology analysis of vasodynamics in mouse cerebral arterioles during resting state and functional hyperemia
编辑推荐:
为解析脑血流调控中多种细胞通路的复杂相互作用,研究人员采用系统生物学方法,整合了肌源性、神经源性、星形胶质细胞及血流动力学的耦合机制,构建了首个生物物理模型。该模型揭示了静息态下肌源性自身调节延迟可自发诱发血管低频振荡(血管舒缩),而在功能激活状态下,神经胶质血管耦合可重塑此动力学。该框架为脑血流动力学成像的定量分析与脑血管疾病的诊断奠定了重要计算基础。
大脑就像一座精密的城市,而其中数以亿计的神经元则是这座城市的居民。居民的日常活动(思考、感觉、运动)需要消耗巨大的能量。维持这座城市正常运转的能量供应——氧气和葡萄糖,则依赖于一套复杂而高效的“供水系统”,即脑血管网络。脑血管并非僵硬的管道,而是能够动态收缩和舒张的活性组织,其管径的变化被称为血管动力学。脑血流动力学,即脑部血流的变化,正是由小动脉级的血管动力学精细调节的。这个过程确保了活跃脑区的“居民”能及时获得更多的“补给”,这种现象被称为功能性充血。
然而,理解这套“智能供水系统”的运作机制是神经科学领域长期以来的重大挑战。血管动力学受到多种因素驱动,包括:血管壁平滑肌细胞对血流压力变化的固有反应(肌源性反应);神经元激活后释放信号分子引起的血管舒张(神经源性反应,是神经血管耦合NVC的核心);以及星形胶质细胞对血管的调控(胶质血管耦合GVC)。过去二十年来,尽管在活体成像、基因工程和细胞层面操控等技术上取得了巨大进步,但学界仍缺乏一个能够系统地整合肌源性、神经源性和星形胶质细胞机制,并在此基础上模拟静息态和激活态下血管动力学变化的生物物理模型框架。此外,即使在静息状态下,脑部血管也会自发产生约0.1赫兹的低频节律性搏动,称为血管舒缩。这种现象的起源及其生理意义也尚未完全阐明。为了解决这些根本问题,并为脑血流功能成像(如fMRI)提供更准确的生理学解释基础,来自[作者单位]的研究人员进行了一项开创性的研究。
研究人员采用了一种系统生物学和计算建模相结合的方法。他们首先基于先前工作,构建了一个模拟小鼠脑血管网络的图形化计算模型,该模型包含30条穿透性小动脉以及表面动脉、毛细血管等,形成了一个闭环循环系统。在此基础上,他们开发了一个细胞层面的穿透性小动脉分段模型,精细地纳入了平滑肌细胞和内皮细胞的机械生物学、电生理学特性,以及关键的细胞信号通路(如与壁应力相关的TRPC6、TRPM4通道,内向整流钾Kir通道,大电导钙激活钾BK通道等)。模型还整合了神经元活动(通过谷氨酸、钾离子、一氧化氮NO等介质)和星形胶质细胞活动对血管平滑肌的调控作用。利用这个整合的模型,他们分别模拟了静息状态下的血管舒缩现象和神经元活动触发的功能性充血过程,并将模拟结果与已有的体内、体外实验数据进行对比验证。为支持模型的部分预测,研究还使用了激光散斑对比成像技术对麻醉小鼠的体感皮层血流运动进行了在体记录分析。
研究结果
Section 1: 小鼠穿透性小动脉的细胞层面模型
为了聚焦于血流调节的关键瓶颈,研究人员重点建模了小鼠皮层穿透性小动脉。他们首先建立了一个“去除内皮的”分段模型,该模型能成功模拟压力肌动图测试,产生的肌张力与离体实验数据吻合。电压钳模拟显示,平滑肌细胞的静息膜电位和膜电阻受血管内压调制,这影响了细胞对外部刺激的敏感性。通过模拟关键离子通道(如Kir、TMEM16A、TRPM4)被抑制的情况,模型揭示了这些通道在肌张力调节中的不同作用。接着,模型引入了对三种主要血管舒张介质(细胞外钾离子浓度升高、谷氨酸、一氧化氮/环磷酸鸟苷NO/cGMP)的响应模拟,分析了在不同血管内压和肌源性反应时间常数下,这些介质引起血管舒张的动态特征。最后,研究人员将简化后的内皮细胞模型整合进来,建立了“完整内皮”的小动脉模型,并将其嵌入整体的脑血管网络模型中。模拟显示,该完整模型能在设定的自身调节范围内维持稳定的深层毛细血管血流。通过模拟病理性的通道功能抑制,模型能够重现类似于阿尔茨海默病模型中可能出现的脑血流灌注异常。
Section 2: 血管舒缩的动力学建模
基于Section 1的模型,研究人员提出,血管舒缩可能源于肌源性自身调节的延迟负反馈机制,而无需依赖传统的细胞内钙离子正反馈回路。模拟显示,当血管壁应力因被动扩张而增加时,延迟的肌源性反应会产生一个“矫正过度”的收缩,反之亦然,从而引发管径的振荡。这种振荡的频率约为0.1 Hz,与体内观察到的血管舒缩频率一致。振荡频率和幅度受肌源性反应时间常数的影响。随后,为了研究整个血管网络中持续、同步的振荡,研究人员开发了一个简化的宏观尺度模型,将整个脑血管网络中的动脉段视为通过电耦合连接的振荡器网络。模拟结果表明,网络中血管段之间的同步化是维持持续、无阻尼振荡的关键。血管壁的被动扩张在此过程中起到了机械放大的作用,补偿了系统的能量耗散。研究还展示了体内激光散斑成像记录到的血流运动信号,其中观察到了与模型预测相似的三角波振荡模式,为模型提供了支持。
Section 3: 神经胶质血管耦合驱动的动脉血管动力学建模
在这一部分,研究人员首先模拟了神经血管耦合模型对短暂神经元脉冲活动(如0.5秒光遗传刺激)的响应。模型预测的血管舒张动力学与已发表的体内实验数据高度吻合。特别值得注意的是,模型成功地重现了实验中观察到的现象:在NO/cGMP信号通路被假设为主要通过激活肌球蛋白轻链磷酸酶来快速舒张血管的情况下,刺激结束后会出现一个明显的血管收缩“后超射”。这与许多实验中观察到的刺激后血管短暂收缩相符。接着,通过比较仅包含神经血管耦合的模型预测与清醒小鼠体内记录的血管动力学,研究人员发现两者存在显著差异:体内记录的血管变化与神经元活动的直接相关性约为60%,且表现出更多的随机波动。这表明有未被纳入模型的机制在起作用。为此,他们提出了一个“胶质血管耦合”模型,其中星形胶质细胞会周期性地抑制肌源性反应。当将这个模型整合后,模拟产生的血管动力学在形态和与神经元活动的相关性上,都更接近真实的体内记录。这表明星形胶质细胞的动态参与,能够解释那部分与神经元活动不直接相关的血管波动。
研究结论与意义
本研究通过创新的系统生物学方法,首次构建了一个能够整合被动扩张、肌源性、神经源性和星形胶质细胞反应,并耦合了血流动力学效应的生物物理模型,用于定量研究小鼠脑小动脉的血管动力学。模型揭示了几个关键机制:首先,在静息状态下,肌源性自身调节的内在延迟(负反馈延迟)足以在没有外部节律输入的情况下,自发产生低频(~0.1 Hz)的血管舒缩振荡。其次,在神经元激活期间,神经源性和星形胶质细胞反应会重塑并破坏这种静息振荡。研究人员提出了具体的神经血管耦合和胶质血管耦合模型,解释了神经元如何通过抑制和促进肌源性反应来分别诱导血管舒张和快速收缩,以及星形胶质细胞如何通过其终足与血管的相互作用,周期性地调制血管张力。
这项研究的科学意义重大。它为解决脑血流调控这一复杂系统的“零散化”知识现状提供了首个统一的计算框架。该模型不仅能够模拟和解释多种实验观察到的现象(如血管舒缩、光遗传刺激响应、刺激后超射等),还能用于探索在病理条件下(如离子通道功能障碍),细胞层面的损伤如何表现为系统水平的脑血流动力学改变。这为基于脑血流动力学成像(如fMRI、激光散斑成像等)的脑血管健康诊断和神经活动推断提供了强大的量化分析工具。通过将此类生物物理模型整合到脑血流分析中,有望显著提高功能神经成像的保真度,从而更准确地从血流信号中推断区域神经元和星形胶质细胞活动,并增强诊断脑血管病理的能力。该研究论文发表于《PLOS Computational Biology》。