综述：面向神经退行性疾病中动态神经网络稳定的合成韧性框架

《Discover Neuroscience》：A synthetic resilience framework for stabilizing dynamical neural networks in neurodegeneration

　　

神经退行性疾病本质上是脑网络的大规模动态失稳。已有研究表明，病理性振荡、生物能量衰竭、枢纽节点退化及进行性结构连接中断均是调控机制失效的表现，而非孤立的细胞病理改变。传统治疗策略多聚焦于下游症状缓解及常规持续性神经活动标志物，未触及维持系统功能的网络结构与架构核心。研究人员提出合成韧性（synthetic resilience）作为一种工程学视角，将韧性定义为可控的动态变量，关联网络拓扑、振荡调控与代谢充足性。基于系统神经科学、合成生物学、生物混合工程及控制理论，研究人员将神经环路退行性改变归纳为脱离有界稳定域的过程，并提出跨越失稳阈值、恢复收缩动力学（contractive dynamics）的策略。研究阐释了网络失稳的早期机制，包括临界性丧失、兴奋-抑制失衡、线粒体功能损伤及拮抗基序解体，并通过网络层面将这些功能障碍映射至调控策略。合成神经传递系统、可编程基因线路、CRISPR介导的基因组调控、神经形态生物混合接口、化学遗传学调制及自适应深部脑刺激（adaptive deep brain stimulation, aDBS）等新工具，为通过闭环机制稳定病理行为提供了 mechanistic 路径。突触重构与自适应控制原理的整合，将神经退行性疾病重新定义为可调控的系统级失稳，为构建适配异质性疾病轨迹的精准神经网络提供了框架，同时兼顾长期神经调控的实践与伦理局限。

1 Introduction

神经功能稳定性由分布式网络的动态运作维持，而神经退行性疾病会破坏这一调控结构。随着阿尔茨海默病、帕金森病等疾病的全球患病率上升，将韧性作为可工程化提升的多维指标已成为迫切需求。合成韧性提供了系统层面的框架，将调控控制引入失效的神经网络，超越症状管理，实现网络动力的主动稳定。依托合成生物学、生物混合工程及神经调控工具，该策略旨在年龄相关性神经退行进程中重建网络稳定性，其核心是将大脑视为信息处理的高级系统，通过特异性干预将其动力学重定向至健康状态。神经退行性疾病的异质性构成额外挑战：阿尔茨海默病以默认模式网络崩溃与海马枢纽失效为特征；帕金森病表现为基底节-丘脑皮质环路的病理性β频段同步；亨廷顿病伴随纹状 connectivity 碎片化；肌萎缩侧索硬化症则出现皮质脊髓与皮质纹状体网络解体。因此，统一的工程框架需作用于共享的动态原理——网络失稳、收缩性丧失、生物能量衰竭，同时允许针对各疾病特异性受累环路进行靶向干预。本综述分四阶段构建该框架：第一部分确立神经生物学基础，阐明网络动力异常、生物能量与振荡控制的耦合机制及天然韧性机制的失效；第二部分介绍合成与生物混合工具，包括基因编码线路、自适应生物混合接口及神经形态系统，用于修复或替代受损环路功能；第三部分阐述控制理论与神经调控策略，涵盖深部脑刺激、化学遗传学、收缩分析及去抑制基序重构，实现闭环干预；第四部分讨论转化准备度、治理要求及未来方向。贯穿始终的核心概念是合成韧性——一种可量化、可通过工程手段干预的神经网络属性，可在神经退行全轨迹中实现定义、靶向与渐进式恢复。

1.1 Operational definition of synthetic resilience

合成韧性的操作定义为：神经网络通过工程化调控干预维持或恢复稳定、适应性动力学的可量化能力。与传统神经保护聚焦于延缓细胞丢失不同，合成韧性强调主动维持网络层面的功能表现。需将其与相关概念区分：稳态可塑性是突触水平的代偿性缩放，以维持神经元放电率在特定范围内，属于细胞自主过程，不涉及网络拓扑或多尺度失稳；网络临界性是神经系统在相变边界附近的自组织运作，以最大化信息传递，虽可通过雪崩分布与分支因子评估，但缺乏工程干预维度；传统神经韧性指大脑在病理存在下维持功能的能力，包含认知储备与网络适应性招募。合成韧性兼具多尺度特性（从环路动力学到振荡与代谢）、明确的可操作性（作为干预的工程目标）及轨迹感知性（适配各神经退行性疾病的独特失稳特征）。其预测优势在于可定义可量化、可干预的韧性域，而非仅描述状态。在神经退行背景下，传统概念受限于内在机制，无法应对外源性影响、自适应驱动与缺陷主动校正的需求，而合成韧性将网络稳定性从疾病发展的终末状态转变为脑动力学干预的可实现目标。合成韧性包含三个可量化域：振荡稳定性——生理性节律活动的可观测性（如病理性β振荡或发作间期癫痫样放电的减少）；网络整合与拓扑——保留或修复图论特征，如枢纽完整性、模块化平衡及高效小世界拓扑；生物能量充足性与稳态平衡——维持生理水平的线粒体功能、兴奋-抑制（E-I）平衡及递归环路的收缩稳定性。这些域共同表征神经网络中存在的有界扰动下的收缩稳定状态。

1.2 Quantitative metrics for assessing synthetic resilience

合成韧性的操作化需要可代表动态稳定性、结构稳定性与适应灵活性的系统级指标。图论层面，韧性可通过全局效率、模块化指数、参与系数及富人俱乐部系数（中心性）等拓扑特征量化，这些参数的下降常早于结构性退化，为网络脆弱性提供早期信号。动态韧性可通过频谱功率分布、相位同步指数及临界性指标（如神经元雪崩标度行为）衡量，振荡动力学偏离健康状态（包括β与γ频段吸引子异常）提示失稳，合成韧性干预的目标不仅是放电率正常化，更是将系统重新导向收缩性、可重复的轨迹。生物能量能力可通过线粒体膜电位稳定性、ATP水平及钙缓冲能力评估，由于代谢不足与振荡失稳存在反馈环路，整合电生理与代谢指标的复合测量是系统稳健性的最佳表征。在计算建模中，韧性被形式化为多维状态空间：神经环路的韧性状态向量R(t)=[ω(t), τ(t), ε(t)]^T，其中ω、τ、ε分别为振荡稳定性指数、网络拓扑指数与生物能量充足性指数。合成韧性的目标并非将系统稳定在单一固定点，而是将动态状态向量约束于代表稳定收缩态的有界流形内。失稳状态的阈值被定义为R(t)偏离该流形的边界，例如β频段同步超过功能阈值或ATP水平低于维持E-I平衡所需的最小值。这些变量的整合具有非线性特征：生物能量耗竭会降低振荡失稳的阈值，因此需要加权控制目标，持续评估代谢传感器与电生理参数以指导干预。通过将合成干预纳入可量化动态过程，韧性从描述性特征转变为工程测量的目标。

2 Neurobiological foundations and network pathophysiology in degeneration

2.1 Mechanisms of pathological network oscillations and bioenergetic failure

神经退行性疾病日益被视为连接解体综合征，涉及协调网络连接的瓦解。在物理层面，这种解体常表现为病理性振荡——破坏正常信息流的异常节律活动。例如，帕金森病中基底节区过量的β频段活动与运动能力受损密切相关，这类振荡不仅是症状，更是功能失常的原因，阻碍支持复杂行为的信号传导。健康与病理动态的转换常由临界性丧失驱动，即系统偏离相变边界，导致信息处理能力严重受损。伴随节律紊乱的是严重的神经元生物能量功能障碍。神经元是高代谢活性细胞，依赖线粒体维持离子梯度与突触传递。在阿尔茨海默病、亨廷顿病等疾病中，线粒体功能异常导致慢性能量匮乏，进而影响稳态与网络活动稳定。生物能量衰竭形成恶性循环：能量不足降低神经元维持恒定放电率的效率，诱发发作间期癫痫样放电等异常活动，这类放电进一步消耗代谢能量，干扰记忆与认知相关的突触易化过程。因此，合成韧性策略需同时靶向大脑的能量底物与网络活动的节律调控。

2.2 Structural and functional connectivity reconfiguration in disease states

健康大脑的结构架构呈小世界特性，兼具高聚类局部模块与长程枢纽，以支持高效通信。神经退行性疾病会导致这种结构-功能连接的激进重组。富含高度连接枢纽的“富人俱乐部”常因白质束退化而受损，迫使大脑通过低效的代偿通路维持功能，最终因枢纽丢失与全局整合能力下降而崩溃。功能连接（区域活动的时间相关性）同样发生显著改变。健康大脑中，突显网络（SN）、中央执行网络（CEN）与默认模式网络（DMN）协同支持复杂认知，而这些网络在神经退行中常出现解偶联。例如，右侧额叶岛叶皮层介导CEN与DMN通信的功能受损，导致系统性注意与内省调节失败。这些大规模重组为工程干预提供了靶点，通过绘制变化轨迹，可在结构性损伤不可逆前识别衰退的早期标志。

2.3 Characterizing natural cognitive resilience and homeostatic plasticity

部分个体即使在严重病理负荷下仍保持高水平认知能力，这种现象称为天然认知韧性，反映大脑的先天自我修复与适应能力。其中，稳态可塑性是核心机制：神经元通过调整突触强度维持恒定放电率，确保神经表征在底层基质重构时的稳定性。韧性还涉及全生命周期的多维适应，包括局部突触修饰、自上而下认知策略及代偿性网络招募。例如，高认知储备个体可更多利用突显网络抵消默认模式网络的功能障碍。丘脑连结核（nucleus reuniens, nRE）的完整性、特定去抑制基序的保留等神经指标，已成为当前研究焦点。对这些天然防御机制的解析及其合成增强，正推动生物混合工程与合成生物学的发展，旨在通过合成杠杆提升大脑抵抗疾病进展的能力。

2.4 Disease-specific network trajectories and vulnerability patterns

尽管网络退化的动态原理具有普适性，不同神经退行性疾病存在选择性易感性模式。帕金森病中基底节-丘脑皮质环路呈现病理性β同步增强与熵值降低，提示动态状态过度稳定；阿尔茨海默病则以默认模式网络的选择性易损枢纽受损及长程连接渐进丢失为特征，伴随网络随机性增加；肌萎缩侧索硬化症与亨廷顿病则表现为局灶性运动与皮质纹状体网络破坏，常伴有邻近机制的代偿性高连接。这些异质性轨迹意味着合成韧性策略难以跨疾病通用，靶点选择、控制参数与干预时机需根据过度同步、枢纽崩溃或代谢耗竭等特异性失稳特征进行调整。解析疾病特异性网络特征，有助于优化工程模型，制定适配动态演变的精准控制策略。

3 Synthetic biology and biohybrid engineering for circuit restoration

3.1 Genetically encoded tools for synthetic neurotransmission and rewiring

合成生物学为理性设计生物元件以恢复脑功能提供了强大工具。新一代基因编码合成神经传递系统是当前研究热点。传统光遗传学与化学遗传学可调控现有环路，但难以构建新的突触连接。HySyn系统利用水螅源神经肽及其受体构建全新神经调制通路，通过靶向特定神经元群体，可有效绕过受损的内源性信号机制，修复神经退行条件下丢失的信息灵活处理能力，实现合成调制性神经传递。除简单信号调控外，合成生物学还可设计执行逻辑运算的复杂基因线路。例如，Perceptgenes可在活细胞中实现类似感知机的模拟生物分子输入响应与基因输出调控，使治疗策略能在检测到疾病状态时特异性激活，减少副作用。结合CRISPR/Cas9等位点特异性基因组编辑技术，有望构建自调控的长期疗法，保护并修复退变环路，但这仍需在疾病相关体内模型中验证。

3.2 Adaptive biohybrid systems and neural substrate expansion

生物干预受限于残余神经组织的计算能力，生物混合工程通过整合人工装置与活体脑细胞突破这一限制。自适应生物混合系统通过人工智能驱动的接口实现生物组织与工程基质的双向功能交互。神经电子接口的引入可扩展计算容量，通过新增生物或电子处理单元重建大规模网络连接，恢复受损的大尺度功能。这类系统的有效性依赖于生物相容性接口的构建，包括能够与原位宿主网络连接的神经-电子混合器件。例如，有机神经形态器件可模拟突触功能，提供低功耗柔性接口以实现与神经元的双向通信。这些器件可构成闭环系统，实时监测病理活动并通过校正性刺激反馈，通过扩大可用神经基质，为神经退行性损伤提供缓冲，维持脑功能。

3.2.1 Translational challenges in CRISPR-based approaches

CRISPR/Cas9介导的基因组编辑在纠正神经退行病理基因表达方面潜力显著，但面临多重转化挑战。首先，血脑屏障（BBB）构成主要递送障碍，常用腺相关病毒（AAV）血清型的脑部穿透效率在患者与疾病间差异巨大，是脑部治疗转化失败的主因之一。其次，CRISPR在分裂后神经元中的脱靶编辑风险尤为突出，因神经元不可再生，编辑错误会在长寿细胞中累积。此外，Cas9蛋白的免疫原性已在人体中被证实，可能阻碍重复给药与长期治疗。这些壁垒要求CRISPR基合成韧性技术需靶向表达模式明确的特定通路，且疗效可能具有疾病分期依赖性。

3.2.2 Translational challenges in chemogenetic systems (DREADDs)

化学遗传学技术（如DREADDs）通过非侵入性药物激活实现细胞特异性调控，是构建治疗性韧性的候选工具，但其转化也面临独特挑战。DREADD激动剂（如CNO及高选择性激动剂DCZ）的药代动力学特性需在人体转化前系统表征，包括代谢途径、受体脱靶效应及长期给药下的中枢穿透能力。另一问题是转导细胞中DREADD受体的稳定性：受体下调、启动子沉默或免疫细胞清除转导细胞，可能导致数月或数年后治疗效果衰减。在移植应用中（如帕金森病的多巴胺能神经元替代疗法），DREADD对移植细胞的调控需匹配宿主生理需求，避免诱发异动症等不良反应。

3.2.3 Translational challenges in biohybrid neural interfaces

生物混合神经接口在合成韧性框架中技术复杂度最高，面临的转化障碍也最广泛。首要问题是接口处的生物相容性：植入装置的异物反应可导致星形胶质细胞包裹、小胶质细胞活化，逐渐降解信号传导能力，干扰闭环反馈功能。电源供应与设备耐久性也是关键技术瓶颈，神经退行患者的植入式接口需可靠工作数年甚至数十年，无需手术更换。监管层面，融合活细胞与电子回路的生物混合装置在药品、医疗器械或先进治疗药物产品（ATMPs）的分类上存在模糊性，各审批路径差异显著。此外，植入式神经形态系统的实时自适应控制需求需与电子设备功耗及产热限制相协调。这些因素共同决定了生物混合系统目前仍处于实验至临床前阶段，需在材料、封装策略及监管框架上取得迭代进展，方可负责任地推进临床应用。

3.3 Neuromorphic computing and synthetic gene circuits in living cells

神经形态计算借鉴脑结构设计高效并行计算系统，与合成生物学结合可实现活细胞内的类神经网络运算。通过小分子诱导，细胞内的类人工神经网络可执行模数转换、多数表决决策等复杂任务，为构建能在复杂脑环境中自主识别并修复受损环路的生物制剂提供了可能。稳定性是这类合成系统的核心问题，尤其在长期治疗中。电子神经形态器件通过材料改进与封装技术解决状态丢失与循环不稳定性；生物系统则依赖稳态机制，合成线路需设计为在长期运行中保持稳定。将神经形态工程原理与合成生物学整合，可构建具有鲁棒性与适应性的自修复生物计算机，模拟目标神经网络的特性，为环路水平稳定提供集成平台。

4 Regulatory control strategies and neuromodulatory interventions

4.1 Deep brain stimulation for suppressing pathological oscillations

深部脑刺激（DBS）已成为晚期帕金森病的临床标准疗法，并在其他神经精神疾病中展现潜力。其核心原理是通过高频电刺激调控电压门控离子通道，调节神经递质释放，抑制病理性网络振荡。DBS通过降低病理性振荡同步性，重建正常信息传递模式，其作用不仅涉及神经元，还影响胶质细胞等神经化学环境调控者，这可能是其显著疗效的基础。除运动障碍外，DBS正被探索用于增强阿尔茨海默病的韧性：对小鼠模型丘脑连结核（nRE）的 tonic DBS可减少发作间期癫痫样放电，恢复突触易化比率，潜在延缓前驱期认知衰退。两项实验研究验证了合成韧性指标的可调控性：Shoob等的研究显示，nRE-DBS使APP/PS1小鼠的发作间期癫痫样放电率降低约70%，同时突触易化比率恢复至健康基线，实现了振荡稳定性与网络整合两个韧性域的同步改善；Aldrin-Kirk等利用DREADD化学遗传学抑制移植神经元中的5-HT₆受体活性，选择性减轻帕金森病大鼠的移植物诱发异动症，证明细胞类型特异性的化学遗传学调控可优化移植环路的输出稳定性。这些研究支持合成韧性域是可实验调控的系统级变量。

4.2 Pharmacogenetic and chemogenetic remote control of neuronal activity

DBS虽时间分辨率高，但需侵入性手术与长期植入。药理遗传学与化学遗传学提供了低侵入性的远程神经活动调控方案。DREADDs技术允许研究人员通过惰性小分子特异性调控细胞群体活性，尤其适用于细胞替代疗法中移植神经元（如诱导多巴胺能神经元）的功能整合。通过在这些细胞中表达DREADDs，可根据患者生理需求调整其活性，提升治疗效果。化学遗传学激活还可增强去抑制基序，促进信息流灵活性。选择性激活特定中间神经元可门控健康通路，阻断病理通路。结合合成基因线路，可构建闭环药理遗传系统：合成传感器检测网络应激生物标志物，触发设计药物释放，进而激活DREADD表达神经元以恢复稳态。这种状态依赖性与细胞类型特异性的调控超越了传统药理学范畴。

4.3 Control theory and contraction analysis for stable neural dynamics

大脑是高度非线性时变系统，维持动态稳定性极具挑战。控制理论为理解系统导向目标状态提供了数学基础。收缩分析（contraction analysis）可判断递归神经网络是否收敛至稳定轨迹，不受初始条件影响。将该分析应用于生物相关模型发现，抑制性赫布可塑性、突触稀疏性及E-I平衡是促进稳定性的必要条件。这些发现提示，神经退行可视为神经环路收缩性丧失——系统对噪声敏感性增加，无法产生一致性计算。工程合成韧性可通过三种稳定机制实现：生物混合系统监测局部网络E-I平衡，通过校正性刺激维持收缩态；不仅稳定固定点，还可稳定运动序列或工作记忆所需的时变轨迹；将大脑视为可控制系统，设计主动干预以维持网络动态健康。生物干预转化为可行疗法需建立在状态空间形式主义基础上。广义韧性干预的数学模型可表述为：dx/dt = f(x(t)) + u(t-τ_d)，其中x(t)为神经网络多维状态，f(x(t))描述固有动力学，u为工程干预项，τ_d为从失稳发生到干预实施的反馈延迟。生物系统中，可观测性受限于传感器位置（电极或生物传感基因线路的密度），可控性受限于驱动器特异性（组织水平DBS或病毒递送化学遗传的靶向范围）。反馈延迟τ_d的参数化至关重要：若与生物处理速度不匹配，闭环控制可能引发网络病理性振荡甚至混沌状态。值得注意的是，代谢衰竭与动态失稳并非独立病理过程，而是存在反馈耦合：生物能量不足损害离子泵功能，导致E-I平衡漂移与收缩性丧失；而病理性振荡本身能耗极高，加速代谢耗竭。因此，仅靶向动力学维度（如DBS抑制振荡）或仅改善代谢底物均无法实现持久稳定，合成韧性框架需整合生物标记物响应基因线路（代谢层）与闭环神经调控、收缩反馈（动力学层），时空协同以实现网络稳定。

4.4 Disinhibitory circuit motifs and flexible information routing

哺乳动物皮层的标志性特征是能根据任务需求灵活路由信息流，这一功能经典地通过去抑制环路实现：一类神经元抑制另一类抑制性神经元，从而解除对主神经元的抑制。这类基序在高阶联合皮层尤为突出。神经退行性疾病中，这些基序受损会导致信息流阻滞或错误路由。合成生物学可修复受损的去抑制基序：利用HySyn系统构建合成抑制连接，重建通路门控能力；或编程神经形态器件模拟去抑制中间神经元，形成信息流的背景激活门控。聚焦这类环路基序的精准干预可产生显著的性功能恢复，体现了脑复杂性背后的简约组织规律——调控核心基序可实现不成比例的功能增益。

4.5 Translational readiness and implementation spectrum

本框架涉及的技术处于不同的转化成熟度谱系。DBS最为成熟，已获临床批准用于帕金森病等疾病，可有效衰减病理性β振荡并部分恢复网络稳定性，其在阿尔茨海默病中的应用也在研究中，为网络水平调控的治疗可行性提供了临床证据。处于临床前先进阶段的技术包括生物标记物响应性化学遗传系统（如DREADDs）、生物标记物感应合成基因线路及CRISPR介导的调控编辑，这些技术在动物模型中已实现细胞类型特异性调制、自适应逻辑基因表达及靶向校正调控，但长期安全性、递送障碍（尤其是血脑屏障异质性）、免疫相容性及 scalability 仍是临床转化的主要壁垒。最具探索性的技术包括神经基质扩展与智能生物混合神经形态接口，旨在增强或替代受损计算基质，目前仅获得初步实验验证，需在材料生物相容性、闭环集成及长期稳定性上取得实质性进展，方可走出实验室。厘清这一转化层级有助于从已验证的神经调控控制逐步过渡到合成韧性架构，确保创新以循证方式渐进推进，避免技术乐观主义偏差。

4.6 Limitations of the synthetic resilience framework

合成韧性框架存在若干重要局限。首先，该框架本质上为理论构想，作者未进行原创实验，三个韧性域（网络拓扑、振荡调控、生物能量充足性）作为指标体系尚未在任何神经退行模型中进行前瞻性验证，尽管整合了已发表实验结果，但其控制理论架构的实证验证仍待开展。其次，收缩分析与闭环稳定性等控制理论形式化方法存在数学假设（如平稳性、有界非线性），这些假设在高度动态且异质性的病理脑中可能不成立，其在经历持续噪声、非平稳性及疾病重构的体内生物系统中的适用性尚未确立。第三，慢性闭环控制在活体神经网络中的实施存在独特工程失效风险：神经环路持续重构可能导致不良可塑性，使大脑绕过或对抗治疗引入的人工刺激；稳定节律的努力可能引发邻近健康环路的同步化；反馈延迟与生物处理速度不匹配可导致控制器失稳，驱动系统进入混沌态；长期干预中，网络漂移与代偿性重组可能使初始参数化失效，需持续算法审计与重校准。第四，动物模型结果向人类疾病的转化存在显著不确定性，源于网络架构差异、疾病异质性及个体韧性轨迹变异，框架中描述的疾病特异性韧性靶向策略依赖群体水平的网络特征，可能无法满足个体精准干预的分辨率需求。第五，韧性指数的标准化测量流程尚未建立，区分稳定与失稳网络状态的定量 cutoff 值仍有待确定。最后，部分工具（尤其是闭环反馈生物混合技术与基因线路）的监管环境尚不成熟，在严格安全监督下的临床转化时间表仍不明确。

5 Conclusion and future directions

合成韧性提供了一个统一多尺度工程努力的框架，将神经退行中的网络再稳定整合为连贯策略。通过将大脑视为可在多尺度量化的动态系统，用控制理论工具数学建模，并通过生物与神经调控干预实现稳定，该框架将神经退行从不可避免的机能丧失重新定义为可量化、可工程的网络失稳。自适应基因网络、神经调控平台与环路架构的三类干预组合，将治疗目标从症状缓解转向网络稳定性维护，旨在工程化保留环路的收缩性、去抑制完整性及生物能量充足性等核心特征。随着设备向半自主运行发展，现有医疗设备监管框架已不足以覆盖这类自适应闭环系统的治理需求，需特别关注算法可审计性、长期稳定性评估及神经权利保护。

5.1 Governance frameworks and long-term system oversight

合成韧性系统的治理需要从“产品审批”向“持续系统监督”的监管哲学转变。与给药后代谢的药物不同，基于神经反馈持续调整输出的闭环生物混合系统是随时间演化的实体，植入24个月后的行为与初始状态可能存在显著差异。因此，监管框架需包含上市后持续监测条款、定期算法审计机制，以及系统输出偏离预设稳定边界时的干预标准。鉴于临床试验与设备部署的跨境特性，国际监管标准的协调至关重要。个性化实施将依赖患者特异性网络动力学计算模型，使干预参数适配个体易损模式而非群体均值。硬件与基因调控组件需协同设计以适应长达数十年的内源性可塑性，这是现有设备认证周期未覆盖的需求。因此，转化进展不仅需要生物与工程突破，还需并行发展适应性监管基础设施。合成韧性不仅勾勒了治疗策略，更提出了一种在神经退行全轨迹中维持网络稳定性的正式系统政策框架。