活动依赖性髓鞘形成的计算路线图

《Frontiers in Computational Neuroscience》：A computational roadmap to activity-dependent myelination

　　

越来越多的证据支持髓鞘可塑性（myelin plasticity）是大脑中与突触可塑性（synaptic plasticity）互补的机制。活动依赖性髓鞘形成（activity-dependent myelination, ADM）使少突胶质细胞（oligodendrocytes, OLs）能够响应神经活动改变髓鞘结构，从而调节轴突传导速度（axonal conduction velocity）与传导延迟，以维持精确的信号时序。这引入了一种基于时序的可塑性机制，与基于信号强度的变化并行运作。尽管ADM具有重要意义，但由于多种机制在差异极大的时间尺度上相互作用，其仍缺乏强有力的理论框架。计算模型正通过提供解释和指导实验研究的强大工具来填补这一空白。本综述考察了日益增多的ADM计算模型，比较了它们如何将神经活动与髓鞘适应联系起来，并分析了其假设、优势和局限性。研究人员还讨论了ADM建模所面临的挑战与未解问题，将ADM定位为神经可塑性的关键组成。

论文解读：活动依赖性髓鞘形成的计算路线图

大脑可塑性研究长期聚焦于突触，已发现峰时序依赖可塑性（spike-timing-dependent plasticity, STDP）、长时程增强/抑制和Hebbian学习等机制。然而，神经通信的精确时序同样关键，而髓鞘通过郎飞结（node of Ranvier）的跳跃式传导决定动作电位的传播速度。髓鞘由少突胶质细胞（oligodendrocytes, OLs）生成，过去认为成熟后结构稳定，但新近实验表明学习、感觉运动经验和行为可改变髓鞘长度、数量、厚度和空间分布。神经活动与OL活动之间存在双向反馈，即活动依赖性髓鞘形成（activity-dependent myelination, ADM）。ADM虽具重要意义，却因多个机制在毫秒至数天、微米至全脑等极大差异的时空尺度上相互作用而缺乏理论框架；实验也难以精确操控髓鞘结构。因此，需要计算模型来整合实验数据、提出可检验预测并指导实验设计。该综述按空间尺度将现有ADM计算模型分为轴突、微环路和大规模网络三类，比较其假设、优势和局限，并讨论走向统一框架的关键方向。

研究人员采用的主要技术方法包括：基于Halter-Clark模型的轴突多房室/双电缆模型，结合Hodgkin-Huxley动力学（一种描述离子通道门控动力学的电生理模型）拟合沙鼠听觉纤维、大鼠视神经和皮层、哺乳动物运动神经元等数据；使用指数积分发放模型模拟具有真实髓鞘分布模式的轴突；在微环路层面使用具有状态依赖传导延迟的脉冲神经网络，以及OL全局/局部髓鞘因子模型；在大规模层面使用带常数或状态依赖延迟的Kuramoto模型（一种耦合振荡器神经质量模型），并进行同步态稳定性分析；多尺度部分采用恒河猴背外侧前额叶皮层（dorsolateral prefrontal cortex, dlPFC）数据构建多房室轴突模型和兴奋-抑制网络。样本来源包括沙鼠、大鼠、小鼠、猕猴/恒河猴，未涉及人类队列。

ADM的轴突模型。轴突模型关注单根轴突上髓鞘结构如何影响传导时序。Ford et al.建立拟合沙鼠听觉纤维的多房室模型，发现低频率球丛状细胞听觉纤维（GBClat）因结间段较短致L/d比值减小，可使传导速度较GBCmed纤维提高约15%，并存在最大化传导速度的最优结间段/轴突直径比。Arancibia-Càrcamo et al.对大鼠视神经和皮层数据拟合双电缆模型，显示