小脑稳态浦肯野细胞放电模式对疾病中小脑核团输出的预测能力有限

《The Journal of Physiology》：Steady-state Purkinje cell activity has limited predictive power for cerebellar output in disease

本文探讨了小脑疾病中浦肯野细胞（PC）与核团细胞（NC）之间放电模式的关联性。传统认为，PC通过GABA能抑制性突触调控NC放电，PC放电频率的降低应导致NC放电频率的升高。研究人员分析了五种小脑疾病小鼠模型的在体电生理记录，发现PC与NC的稳态放电频率之间并无（尤其是反向的）可靠关联。然而，在放电不规则性参数（如CV）上观察到了正相关。研究结果表明，不能依据PC的放电模式可靠地预测NC的放电变化，这凸显了在小脑疾病研究中直接检测NC功能的重要性。

　　

小脑——大脑后脑勺下那个小小的、沟回纵横的结构，长久以来被认为是协调我们精细运动、维持姿势平衡的“总司令”。然而，当这个“总司令”功能失调时，就会引发一系列令人困扰的运动障碍，例如行走不稳的共济失调、肌肉异常收缩的肌张力障碍，以及不受控制的身体震颤。这些疾病的背后，小脑内部的“电路”究竟出了什么问题？科学家们一直试图从最基础的神经电信号中寻找答案。

小脑的核心“电路”可以看作一个两层结构：位于表层的浦肯野细胞（Purkinje cell, PC）是主要的信号处理与输出神经元，它们通过抑制性的GABA能（GABAergic）突触，将信号传递给位于深部的小脑核团细胞（cerebellar nuclei cell, NC）。NC是小脑向大脑其他运动网络发送指令的最终“出口”。传统的观点基于这条简单的抑制通路，很容易推测：如果上游的PC放电（即产生动作电位）变慢，对下游NC的抑制就会减弱，那么NC的放电理应加快，反之亦然。这种“你降我升”的镜像关系，是否就是小脑疾病中运动症状产生的关键？这促使研究人员去系统地检验这一假说。

为了回答这个核心问题，研究团队没有局限于单一疾病模型，而是构建了一个更全面的“观察窗口”。他们汇集并分析了来自五种不同类型小脑疾病小鼠模型的在体单细胞电生理记录数据。这些模型包括：具有共济失调、肌张力障碍和震颤多种症状的基因突变模型（Car8^wdl/wdl）；服用药物（心得安，propranolol）后震颤减轻的上述模型；由药物（哈尔明碱，harmaline）诱导的急性震颤模型；以及两种通过基因操作选择性阻断特定神经元谷氨酸能（glutamatergic）输入而导致的肌张力障碍模型（Pdx1^Cre;Vglut2^fl/fl和 Ptf1a^Cre;Vglut2^fl/fl）。通过比较这些疾病模型与各自对照组小鼠的PC和NC放电活动，研究人员旨在探究两者在稳态（steady-state）基础放电模式之间是否存在系统性的关联。他们重点关注了描述放电的两个核心维度：放电频率（放电快慢）和放电不规则性（放电间隔的规律程度），并使用了六个具体的量化参数进行分析，包括放电频率（Firing rate）、平均放电间隔的倒数（Mean ISI^-1）、长间隔放电的百分比（% ISI > 25 ms）、变异系数（Coefficient of variation, CV）、局部变异系数（CV2）以及偏度（Skewness）。

主要研究方法

本研究为回顾性数据分析，所用数据均来自团队已发表的研究。核心方法为在体电生理记录：在头部固定的清醒小鼠小脑特定区域（旁正中和间位核），使用钨电极记录PC和NC的自发性动作电位。PC通过其特征性的复杂锋电位识别，NC则通过记录深度和缺乏复杂锋电位来识别。对记录到的锋电位序列，通过自定义MATLAB代码计算上述六个放电模式参数。所有实验数据均归一化至其相应对照组的平均值。统计分析采用单因素方差分析（ANOVA）比较组间差异，线性回归和自助法（Bootstrap）分析检验PC与NC参数的相关性，并应用偏最小二乘（PLS）回归结合留一法交叉验证，评估基于PC多参数组合预测NC活动的可行性。

研究结果

1. 小鼠疾病模型中浦肯野细胞和核团细胞放电模式的差异范围

研究发现，不同疾病模型中PC和NC的放电参数发生了多样化、非一致性的改变。例如，在哈尔明碱诱导的震颤模型中，PC的放电频率显著降低，但其NC的放电频率并未发生改变。相反，在肌张力障碍模型（Ptf1a^Cre;Vglut2^fl/fl）中，NC的放电频率显著降低，而其PC的放电频率却无显著变化。在放电不规则性参数上，某些模型（如 Car8^wdl/wdl及其合用心得安组）中PC的CV2发生改变，但NC的CV2无变化；而在 Ptf1a^Cre;Vglut2^fl/fl模型中，NC的CV2和偏度发生显著改变，其PC的相应参数却无变化。这些结果表明，PC放电模式的改变并不总是伴随着NC放电模式的协同改变，其关系复杂且依赖于具体参数和疾病模型。

2. 浦肯野细胞与核团细胞放电模式缺乏可靠关联

与“PC放电频率降低导致NC放电频率升高”的预期相反，线性回归分析显示，PC与NC之间的稳态放电频率参数（放电频率、平均ISI^-1、% ISI > 25 ms）不存在显著的负相关或正相关。在放电不规则性方面，仅变异系数（CV）在PC和NC之间显示出显著的正相关，而CV2和偏度的相关性不显著。自助法分析进一步证实，对于放电频率等参数，获得显著相关性的概率极低（低于随机水平）；而对于CV，也仅有约一半的重抽样分析支持其显著相关性。这表明，PC的放电变化并不能稳定地预测NC的放电变化。

3. 浦肯野细胞活动无法可靠预测核团细胞活动

为了更全面地评估预测能力，研究者采用偏最小二乘回归模型，尝试利用单个小鼠的六个PC放电参数组合来预测其NC的各个放电参数。留一法交叉验证的结果显示，对于NC的放电频率、平均ISI^-1、% ISI > 25 ms和CV2等参数，模型的预测性能为负值，意味着其预测效果甚至不如直接使用所有NC的平均值。只有在预测NC的CV和偏度时，模型表现出微弱的预测能力（预测R²分别为0.40和0.36）。这从机器学习角度证实，基于稳态PC活动来可靠预测NC活动是极其困难的。

4. 浦肯野细胞信号沉默或退化并未增加核团细胞放电频率

为直接检验“去除PC抑制会导致NC兴奋性增高”的假说，研究者分析了三种PC功能丧失的小鼠模型：L7^Cre;Vgat^fl/fl（PC神经传递完全缺失）、L7^Cre;Ank1^fl/fl（PC严重神经退行性变）和 Sca1^154Q/+（PC退行性变）。令人意外的是，在这三种模型中，NC的稳态放电频率均未如预期那样升高，反而在部分模型中观察到降低或不变。这一结果直接挑战了基于简单抑制性连接的传统预期，表明在慢性疾病状态下，小脑核团可能存在内在的适应性机制、发育代偿，或受到其他输入（如苔藓纤维、爬行纤维侧支）的复杂调控，从而维持了放电活动的稳态。

结论与意义

本研究通过对多种小脑疾病小鼠模型的大规模电生理数据分析，得出了一个颠覆传统认知的核心结论：在稳态条件下，浦肯野细胞的放电模式（尤其是放电频率）与其下游的小脑核团细胞的放电模式之间，并不存在简单的、可靠的预测关系，特别是没有发现预期的反向关系。这意味着，不能仅仅通过记录相对容易接近的PC活动，来准确推断或诊断深部NC的功能状态，反之，正常的PC活动也可能掩盖NC中存在的病理性放电模式。

这项研究的发现具有重要的理论和临床意义。首先，它强调了在小脑疾病的研究和潜在治疗中，必须直接关注和评估小脑核团本身的功能，将其视为一个独立且关键的研究与干预靶点。其次，研究揭示了小脑内部信息处理的复杂性，提示NC的放电活动受到PC抑制性输入、其他兴奋性输入、核团神经元自身内在特性以及长期可塑性等多重因素的整合与调节。这种复杂网络特性使得小脑输出具有鲁棒性和适应性，但也使得基于上游单一节点预测输出变得困难。

本研究发表于《The Journal of Physiology》，其成果不仅增进了我们对小脑神经环路在健康和疾病状态下工作原理的理解，也为未来开发针对小脑疾病的新型生物标志物和治疗策略提供了重要指引：即需要超越对皮层神经元的关注，深入探究核团神经元的特异性改变，方能更有效地解读小脑疾病的神经编码并实现精准干预。