22、神经轴突竞争与被动电缆建模：原理、应用与挑战

神经轴突竞争与被动电缆建模：原理、应用与挑战

轴突竞争模型

轴突的生存优势与一个名为 $\beta_i$ 的量相关，其定义为 $\frac{k_{a,i}(\alpha_i / K_i - \rho_i)}{\gamma_i(k_{d,i} + \rho_i)}$，我们将其解释为轴突的竞争强度。由于 $\beta_i$ 包含可能受轴突电活动水平影响的参数（例如 $\alpha_i$），在其他因素的变化不占主导的情况下，具有生存优势的轴突将是最活跃的轴突。

在骨骼肌中，单神经支配和多神经支配的稳定状态可以共存，这与生长函数的 III 类情况一致。在部分去神经实验中，经过神经再支配和长时间神经传导阻滞恢复后，会出现持续的多神经支配现象。从模型角度来看，传导阻滞改变了轴突的竞争强度，进而改变了不同平衡点的吸引域大小，这可能导致系统达到多神经支配的平衡状态，而在正常情况下则会发展为单神经支配。当传导阻滞消除后，系统仍会处于多神经支配平衡点的吸引域内，即多神经支配持续存在。

分析表明，在轴突生长过程中，响应神经营养因子而发生变化的众多特征（如分支程度、轴突终末数量、终末大小和受体密度）中，轴突神经营养因子受体总数的变化，以及由此导致的清除神经营养因子能力的改变，是驱动竞争的关键因素。模型预测，正在被淘汰的轴突神经营养因子受体数量相对较少。

神经营养因子与神经营养因子受体总数之间的剂量 - 反应关系（即生长函数），对于确定神经支配模式至关重要。可以通过体外实验，测量不同神经营养因子浓度下轴突的终末总数，更具体地说是轴突的神经营养因子受体总数来确定这种关系。模型预测，生长函数的类型将决定神经营养因子浓度与存活轴突数量之间的关系。例如，$K_i$ 值越小，拯救更多轴突所需的神