《The Journal of Physiology》：Modelling the memory of unmyelinated axons: Integration of a data-driven approach with physiological memory concept
编辑推荐：
本研究旨在提出一个简化的、资源高效的计算模型，用于预测无髓鞘轴突中活动依赖性传导速度变化，作为Hodgkin-Huxley模型(HH模型)的补充工具。研究人员的该方法基于"记忆"概念，即动作电位的速度受先前活动调节。研究人员利用来自95根健康人类参与者（包括两
本研究旨在提出一个简化的、资源高效的计算模型，用于预测无髓鞘轴突中活动依赖性传导速度变化，作为Hodgkin-Huxley模型(HH模型)的补充工具。研究人员的该方法基于"记忆"概念，即动作电位的速度受先前活动调节。研究人员利用来自95根健康人类参与者（包括两性）的机械不敏感C纤维(C-fibres)的微神经描记术数据，涵盖多种刺激方案，以优化模型参数。该模型包含线性长期记忆和非线性短期记忆成分，通过将记录的动作电位历史与记忆函数进行卷积，有效预测传播速度。所提出的一维和二维记忆函数在预测后续动作电位传播速度时产生了低均方误差。该计算框架提供了对无髓鞘轴突在不同条件下动态的见解，增强了对轴突信号处理及其短期记忆能力的理解。此外，研究人员的模型展现出快速的计算时间，适用于电生理实验中的实时应用。本研究引入了一种新颖模型，模拟无髓鞘轴突中活动依赖性传导速度变化，这对于传导过程中有效的信号处理至关重要。与计算密集且复杂的Hodgkin-Huxley模型不同，研究人员的模型利用纤维"记忆"来捕捉先前活动如何影响传导。由于需要拟合不同数据集（包括患者数据）的参数更少，研究人员的模型比Hodgkin-Huxley模型能实现更快的模拟，并便于分析长距离的尖峰序列传播，因此适用于建模长达1米的周围轴突。
**论文解读：基于记忆函数的无髓鞘轴突传导速度变化计算模型研究**
**研究背景与问题**
周围神经系统和中枢神经系统中广泛存在的无髓鞘轴突，其传导速度并非恒定，而是受先前活动影响，表现出活动依赖性传导速度变化，如活动依赖性减慢（activity-dependent slowing, ADS）。这种动态特性不仅影响信号传递的时间模式，还可能作为神经病理状态的标志，例如在炎症性疼痛、神经病理性疼痛和小纤维神经病变中观察到异常的ADS模式。然而，传统方法如微神经描记术虽然能直接记录人体清醒状态下C纤维的活动，但耗时且操作繁琐。复杂的多室Hodgkin-Huxley模型（HH模型）虽能精细模拟离子通道和膜电位生物物理过程，但计算时间长、资源需求高，且参数拟合复杂。因此，需要一种兼顾生理学洞察与计算效率的模型，以快速预测无髓鞘轴突的活动依赖性传导行为，并辅助理解其背后的机制。
**研究内容与结论**
研究人员基于“轴突记忆”概念，即过去活动对当前传导速度的影响，开发了一种新的计算模型。该模型通过将记忆函数与尖峰时间信号进行卷积，直接预测后续动作电位（action potential, AP）的传播延迟。研究人员利用来自健康参与者的95根机械不敏感C纤维（CMi）的微神经描记术数据，以及文献中来自Weidner等人的恢复周期（recovery cycle, RC）和双脉冲数据，优化了模型参数。模型包含两种形式：一维记忆函数（仅依赖刺激间间隔，interstimulus interval, ISI）和二维记忆函数（同时依赖ISI和先前活动，pre-existing activity, PA）。优化后的模型在电气识别（ELID）方案、2 Hz方案、RC方案和双脉冲方案上均实现了低均方误差（MSE），其中二维模型在所有测试方案中表现优于一维模型，尤其能准确捕捉PA对超常期（supernormal phase）的影响。该模型计算时间仅为2-100毫秒，而相同方案下HH模型需长达20分钟，显著提升了计算效率，适用于实时应用和长轴突（如周围轴突长达1米）的模拟。
**意义**
该研究发表于《The Journal of Physiology》。该模型为理解无髓鞘轴突的信号处理机制提供了高效工具，能够解释先前活动如何通过记忆函数影响轴突行为，并可能通过分析记忆函数的形状（如不应期陡峭度、超常期深度等）推断潜在的分子机制，如钠通道失活、细胞外钾积累和细胞内钠积累。此外，其快速计算能力使其有望在微神经描记术实验中实时预测尖峰时间，辅助尖峰检测与分类，并可扩展至其他纤维类型（如交感神经纤维）和疾病状态（如小纤维神经病变）的建模，为神经功能障碍研究提供新途径。
**主要关键技术方法**
1. **微神经描记术数据采集**：从健康人类参与者（包括两性）的腓浅神经束中记录机械不敏感C纤维（CMi）信号，共95根纤维。刺激采用矩形电脉冲（0.5 ms），方案包括：ELID方案（1/8 Hz至1/2 Hz频率递增）和2 Hz连续刺激方案（3分钟）。数据用于优化模型线性部分。
2. **文献数据提取**：从Weidner等人（2000, 2002）研究中提取RC方案（1/4 Hz背景脉冲中插入不同间隔的额外脉冲）和双脉冲方案（间隔20或50 ms的脉冲对，重复频率1/16 Hz至1 Hz）的数据，用于优化非线性部分和验证模型。
3. **卷积模型构建**：定义记忆函数 m(t) 与尖峰信号 s(t) 的卷积运算 c(t) = (m × s)(t)，其中 m(t) 为分段函数：对于 ISI ≥ 0.5 s 采用线性函数，对于 ISI < 0.5 s 采用指数函数（包含不应期、超常期和亚常期）。二维模型进一步引入PA对超常期深度的对数依赖。
4. **参数优化**：采用粒子群优化（PSO）算法，分两步优化线性部分（使用ELID和2 Hz数据）和非线性部分（使用RC数据），目标是最小化模拟延迟与实验数据之间的均方误差（MSE）。优化在RWTH Aachen高性能计算集群上并行执行。
**研究结果**
**一维记忆函数**
通过PSO优化得到线性参数 a=0.19, b=-0.00095；非线性参数 c=12, d=4.69, e=1.59, f1=0.33。模型在ELID方案（MSE=0.41）、2 Hz方案（MSE=4.24）和RC方案（MSE=0.09）上表现良好，但双脉冲方案验证显示，该模型未能捕捉PA变化对延迟偏移的影响，即无论PA大小，延迟偏移均保持恒定，与Weidner等人实验数据不符，表明一维模型缺乏对PA依赖性的表征能力。
**二维记忆函数**
优化得到线性参数 a=0.22, b=0.0014, h=0（表明ISI≥0.5 s时PA项可忽略）；非线性参数 d=21.800, e1=0.105, e2=0.0, f2=7.530, g=0.553, c=2.851, q=3.485。模型在ELID方案（MSE=0.41）、2 Hz方案（MSE=3.00）、RC方案（MSE=0.027）上均优于一维模型，且能准确复现双脉冲方案中PA对延迟偏移的影响（20 ms间隔MSE=1.87，50 ms间隔MSE=17.45）。敏感性分析表明，在RC方案中提高背景脉冲频率（即增加PA）时，超常期幅度增大，符合真实C纤维行为；引入噪声后模型仍保持准确性。
**讨论与结论**
讨论部分指出，一维记忆函数仅依赖ISI，无法解释PA对RC动态的调节，而二维记忆函数通过引入PA的对数依赖成功捕捉了超常期随PA增强的现象。模型将ADS归因于线性机制（如细胞内钠积累），将非线性的RC动态归因于多种过程（如钠通道失活、细胞外钾积累、离子浓度变化），从而提供了间接的机制信息。与HH模型相比，该模型计算速度快300倍以上，且参数更少，更易拟合患者数据。模型可扩展至长轴突连续模拟、多种纤维类型（如交感纤维）以及临床实时尖峰预测。主要局限性包括记忆函数定义的简化、未直接包含离子通道信息，以及当前缺乏用户界面从而临床使用不便。
**结论**
本研究提出了一种计算模型，有效捕获了无髓鞘轴突的轴突记忆动态，为理解沿无髓鞘轴突的信号处理提供了系统方法。在两种测试方法中，依赖于刺激间间隔和先前活动的二维记忆函数最为准确。它在多种刺激方案（包括优化中未使用的方案）中表现出稳健的性能，同时保持计算效率。该模型的价值在于能够以受控且高效的方式测试关于轴突记忆的预测，而仅通过实验方法由于时间投入和技术限制无法实现。通过将模型预测与实验观察相结合，研究人员可以更深入地了解塑造动作电位传播的膜过程及其生理和病理变化。该模型的关键优势在于其计算效率，可能实现实时应用，例如在微神经描记术实验中预测动作电位时序。这种能力对于分析非标准刺激方案或无刺激活动（其中延迟预测仍然具有挑战性）尤为有价值。因此，该模型可成为尖峰检测和分类算法的重要补充。此外，其适应性使其成为未来改进的有前景的候选者，特别是调整以模拟不同纤维类型（如无髓鞘和不同有髓鞘轴突）或模拟患者特异性异常轴突行为。
