编辑推荐：
在身体疲劳研究中，β 振荡作用存争议。研究人员通过脑电图（EEG）等技术，探究其在运动皮层（MC）和前额叶皮层（PFC）的动态变化。发现疲劳时 MC 的 β 振荡功率收缩时降低、休息时升高，且受额叶区域调控。该研究为相关理论提供新视角。
在人体的复杂运行机制中，大脑的神经振荡一直是科学家们深入探索的神秘领域。β 振荡（~13 - 30Hz）广泛参与认知和感觉运动过程。以往研究表明，在运动控制方面，β 振荡在运动静止时较为活跃，运动时其功率会下降，这一现象被解释为 β 振荡反映了系统的 “闲置” 或 “现状维持” 状态。然而，当涉及到身体疲劳这一特殊情境时，β 振荡的表现却变得扑朔迷离。
在过去关于身体疲劳（指肌肉力量下降的状态）的研究中，人们发现随着疲劳程度的增加，β 振荡功率在运动皮层（Motor Cortex，MC）中的变化并不完全符合 “现状维持” 理论。例如，在次最大运动（submaximal exercise）过程中，随着疲劳加剧，MC 在收缩和休息期间的 β 振荡功率都有所增加。但按照 “现状维持” 理论，MC 在收缩时为了应对肌肉疲劳会增加激活，β 振荡功率应该降低，这一矛盾让科学家们困惑不已。为了揭开这一谜团，来自法国图卢兹的 CerCo（Centre de Recherche Cerveau et Cognition）和 ToNIC（Toulouse NeuroImaging Center）的研究人员 Pierre - Marie Matta、Robin Baurès、Julien Duclay 和 Andrea Alamia 展开了深入研究。
该研究成果发表在《Communications Biology》杂志上，为我们理解身体疲劳与 β 振荡之间的关系带来了新的曙光。
研究人员为了深入探究这一问题，采用了多种关键技术方法。在数据采集方面，运用脑电图（Electroencephalography，EEG）和肌电图（Electromyography，EMG）记录技术，收集参与者在实验过程中的神经电信号和肌肉电活动信号。同时，通过设置特定的实验任务，让参与者进行 100 次等长膝关节伸展运动，在不同时间条件下（10 秒或 12 秒收缩）产生不同程度的疲劳。实验过程中，精确测量参与者的最大自主收缩（Maximal Voluntary Contractions，MVC）等指标，以此量化疲劳程度。在数据分析阶段，利用重复测量方差分析（RM - ANOVA）、相关性分析、Granger 因果分析等统计学方法，深入剖析数据背后的神经机制。此外，还构建了由 Izhikevich 神经元组成的生物可信模型，从理论层面模拟和解释实验现象。
神经肌肉疲劳评估
研究人员首先对实验产生的身体疲劳进行了量化评估。通过对比参与者在 100 次收缩任务前后的最大力量输出，发现任务后最大力量产生能力（“Short Max”）和长时间 MVC（30 秒）中起始与结束时力量差值（“Long Max Diff”）、长时间 MVC 的力量积分（“Long Max Int.”）均发生显著变化，表明任务导致了参与者产生明显的身体疲劳，且 12 秒收缩后的疲劳程度更大。同时，对 EMG 信号的分析显示，随着收缩次数增加，EMG 活动增强，进一步证实了疲劳的积累。
β 振荡在运动区域的调制
在确认疲劳增加后，研究人员对 MC 的 β 振荡功率动态进行了研究。以 Cz 电极反映 MC 与股四头肌收缩相关的活动，在个体 β（Individualized - Beta，Iβ）频段分析发现，随着任务进行，收缩期间 Iβ Cz 功率下降，这反映了 MC 为应对肌肉疲劳而逐渐增加的激活。而在休息期间，Iβ Cz 功率上升，呈现出与收缩期相反的模式，表明 β 振荡在休息和收缩时存在不同的动态变化，且都符合 “现状维持” 理论。此外，通过对不同 β 频段（低 β（Low - Beta，Lβ，13 - 21Hz）、高 β（High - Beta，Hβ，21 - 31Hz）和 Iβ）的分析，发现 Hβ 在收缩期的功率变化与 Iβ 一致，进一步支持了研究结果。
收缩过程中的神经运动相关变化
研究人员进一步探究了每次收缩过程中的疲劳效应。对 100 次收缩的 EMG 信号和 Iβ Cz 进行平均，并计算其在 2 - 10 秒内的斜率，结果发现 EMG 呈现显著正斜率，Iβ Cz 呈现显著负斜率，再次证明随着疲劳增加，MC 激活增强，β 振荡去同步化（desynchronization）增加，与之前的分析结果相互印证。
额叶区域 β 振荡功率调制
考虑到前额叶皮层（Prefrontal Cortex，PFC）与运动区域的广泛连接及其在维持体力活动中的关键作用，研究人员对 PFC 的 β 振荡功率调制进行了研究。分析外侧额叶（F7 - F8）和内侧额叶（F3 - F4）电极的 Iβ 功率发现，随着任务进行，额叶区域 β 振荡功率增加，且在任务中期达到峰值，S12 session 中幅度更高，这表明额叶区域的 β 振荡可能在调节运动区域活动中发挥重要作用。
β 振荡的特异性
为验证研究结果的可靠性，研究人员对非个体化 β 频段（Lβ 和 Hβ）进行分析。结果显示，Lβ 和 Hβ 在收缩期和休息期的功率变化与 Iβ 频段的研究结果基本一致，再次强调了在研究身体疲劳时考虑更窄 β 频段的重要性。
身体疲劳时的连接性
研究人员还探究了运动区域、额叶区域和肌肉之间的连接性。通过相关性分析发现，Iβ Cz 与 EMG 之间呈负相关，与额叶区域的 Iβ 呈正相关。Granger 因果分析表明，随着疲劳增加，额叶区域到运动区域的信息流增强，而运动区域到肌肉的信息流存在解耦趋势，进一步揭示了疲劳状态下大脑区域间的相互作用机制。
休息状态下与疲劳相关的功率调制
研究人员对任务前后休息状态下的 Iβ 功率变化进行分析，发现运动区域（Cz）的 Iβ 功率在任务后显著增加，且休息时 Iβ 功率增加与收缩期间的去同步化程度呈负相关，即休息时 β 功率增加越多，收缩时的去同步化越大，这表明休息时的 β 振荡变化可能与后续运动的准备和执行有关。
β 振荡功率疲劳调制的建模
为深入理解实验中观察到的现象，研究人员构建了由 1000 个 Izhikevic 神经元组成的生物可信模型。该模型模拟了运动收缩和疲劳效应，结果成功复制了 β 振荡的去同步化现象，为实验结果提供了理论支持，从机制层面解释了 β 振荡在身体疲劳中的变化。
研究结论和讨论部分，此次研究揭示了身体疲劳时运动区域 β 振荡的双相变化，收缩时功率下降，休息时功率上升，这两种变化均符合 “现状维持” 理论。同时，额叶区域在调节运动区域 β 振荡中发挥重要作用，随着疲劳增加，额叶到运动区域的信息流增强。研究人员还提出，β 振荡功率在疲劳任务中的变化可能遵循三阶段模式，这为解释以往研究中的矛盾结果提供了新的视角。此外，研究还发现休息和收缩时 β 振荡之间存在 “推 - 拉” 效应，额叶区域 β 振荡可能在认知控制中发挥作用，以应对身体疲劳带来的不适。然而，研究也存在一定局限性，如实验采用的是股四头肌等长收缩任务，未来研究需要将结果推广到更生态化的情境中，考虑更多生理参数和人口统计学因素的影响。总体而言，该研究为身体疲劳与 β 振荡的关系提供了新的见解，将身体疲劳范式融入 “现状维持” 理论，有助于我们更深入地理解身体疲劳的神经机制，为后续相关研究奠定了坚实基础。
