肌肉力量的产生由运动单位放电频率及共同突触输入的比例所介导
2026-05-20 来源:本站 点击次数:8肢体优势侧（通常为利手侧）相较于非优势侧表现出更强的肌肉力量和运动技能，这种现象背后的神经生理机制尚不完全清楚。现有研究存在诸多矛盾：例如，有研究在指总伸肌上观察到优势侧运动单位放电率更低，而在胫骨前肌上则未发现差异。对于影响运动单位输出的关键因素——来自中枢神经系统的共同突触输入，不同肌肉（如手部小肌与下肢大肌）和不同任务（如精细旋转与等长收缩）下的表现也截然相反。此外，脊髓运动神经元的固有特性（如由钠离子和钙离子通道介导的持续性内向阳电流PICs）是否对肢体优势现象有所贡献，几乎未被探索。本研究针对肱二头肌这一在日常和运动中频繁使用的上肢肌肉，旨在系统性地解析优势侧更高力量输出的神经决定因素。研究假设，优势侧更高的力量与其接受更大比例的共性突触输入、更高的运动单位放电率以及更大的PICs幅度有关，从而弥补现有知识在近端大肌群上的空白。
然而，用于评估运动神经元固有特性的频率滞后（ΔF）所估算的持续性内向阳电流在两侧肢体间无显著差异。研究结论指出，优势侧更强的肌肉力量主要源于中枢神经系统向其运动神经元池输送了更大比例的共同突触输入，从而产生了更高的神经驱动，而非运动神经元内在兴奋性的改变。图6总结了这一核心机制。
研究方法
研究招募了23名健康活跃的参与者，使用爱丁堡问卷确定肢体优势侧。实验内容包括最大自主收缩和视觉引导的梯形等长收缩（目标为35%和70%最大自主收缩力）及10%最大自主收缩力的持续收缩。肌电信号采集使用高密度表面肌电系统，具体为64通道（13×5排列）的粘性电极栅阵（OT-Bioelettronica，意大利）放置于肱二头肌肌腹。信号经多通道放大器（EMG-Quattrocento，OT-Bioelettronica）以2048 Hz采样率采集，并在10-500 Hz范围内滤波。
使用基于卷积盲源分离的DEMUSE软件对信号进行分解，识别出703个运动单位，筛选标准为脉冲噪声比>30 dB。相干性分析：在10%最大自主收缩力持续收缩的中间20秒窗口内，通过计算成对运动单位累积峰间序列的相干性，来估算共同突触输入的比例。
为保证比较的准确性，优势侧与非优势侧确保了相同数量的运动单位进行对比。配对运动单位法：通过计算控制单位在测试单位募集与去募集时刻的放电率差值（ΔF）来估算持续性内向阳电流。
实验结果
实验结果有力地支持了优势侧神经驱动更高的假说。
(1) 力量与基础属性：优势侧最大自主收缩力显著高于非优势侧（283N vs. 257N, +9%），但两臂围度和皮下脂肪厚度无差异，排除肌肉大小影响。
(2) 运动单位特性：优势侧运动单位的平均放电率在10%、35%和70%最大自主收缩力下均显著更高。在35%和70%最大自主收缩力的梯形收缩中，其募集期、平台期和去募集期的放电率也均高于非优势侧。
(3) 共同突触输入：如图3A所示，在代表共性驱动的δ频带（0-5 Hz），优势侧的相干性Z值显著高于非优势侧（3.97 vs. 3.74），高出约14%，表明其接收了更多的共同突触输入。而α和β频带无显著差异。
(4) 运动神经元固有特性：如图4A和4B所示，无论是35%还是70%的最大自主收缩力条件下，用于反映持续性内向阳电流的ΔF值在优势侧与非优势侧之间均无显著差异。
(5) 输入-输出增益：运动神经元将突触输入转化为放电率输出的增益在两侧也无显著差异。
总结与展望
本研究首次综合阐述了肱二头肌优势侧更高力量输出的完整神经机制：优势侧肌肉之所以更强，并非因其肌肉更大或运动神经元本身更“兴奋”，而是中枢神经系统向其运动神经元池输送了更大比例的共同突触输入。这种增强的共性驱动直接导致了运动单位放电率的系统性升高，最终转化为更强的肌肉力量。此发现为肢体优势现象提供了明确的神经生理学解释，并揭示了神经驱动策略在不同肢体间的差异。未来研究可从以下方向深入：1）探究长期训练或康复中，能否通过改变共同突触输入的模式来重塑力量不对称性；2）研究这种神经驱动策略的差异如何与皮层和脑干等上位中枢的活动模式相互作用；3）鉴于性别在ΔF上表现出差异，未来研究需进一步探讨激素或不同运动单位类型对PICs和肢体优势的交互影响。
研究团队介绍
该研究团队由来自意大利和德国的研究人员组成。Edoardo Lecce（共同第一作者）、Stefano Nuccio、Francesco Felici及通讯作者Ilenia Bazzucchi均隶属于罗马大学“Foro Italico”运动、人类与健康科学系的运动生理学实验室，长期致力于高密度表面肌电、运动单位解码及神经肌肉控制研究。Alessandro Del Vecchio（共同第一作者）任职于德国埃尔朗根-纽伦堡大学工程学院人工智能生物医学工程系及中央医学技术研究所，专注于运动神经科学、脊髓运动神经元特性及信号处理方法。团队整合了运动生理学、生物医学工程与人工智能技术，在肌肉力量、疲劳、康复及运动表现的神经机制领域具有丰富经验。本研究为跨学科合作成果。
产品介绍
联系我们
电话: 15920901903
官网：https//www.ruihongan.cn