MIT首次证明运动能促进神经元生长,网友:催我运动的理由+1

催我运动的理由又多了一个! MIT研究团队首次证明:运动可以促进神经元生长,从而让大脑更灵活更聪明。 而且促进的方式不止一种。

催我运动的理由又多了一个!

MIT研究团队首次证明:运动可以促进神经元生长,从而让大脑更灵活更聪明。

而且促进的方式不止一种。

一种是你只管动,肌肉会自行分泌一种称为“肌肉激素(myokines)”的物质,这种物质能显著促进运动神经元的生长。

另一种,还可以依靠单纯的物理牵拉刺激!这一发现也是研究团队首次证实。

相关文章已发表在《先进医疗材料(Advanced Healthcare Materials)》杂志上。

图片

有网友表示:看来想要提高大脑活力也得多锻炼了。

图片

肌肉如何通过信号影响神经元生长?

让我们先来看一下肌肉激素的具体作用过程——

简单来说,以往我们认为神经信号是控制肌肉组织的,但是MIT的新研究发现,肌肉组织在运动时不仅会被动接收神经信号,还能主动分泌促进神经生长的物质。

这个物质就是肌肉在锻炼时释放的一种名为肌肉激素(myokines,又称肌肉因子)的生物化学信号,接触到这种激素的神经元的生长速度是未接触的神经元的四倍

图片

△ 可视化运动的生化和物理线索,运动神经元(紫色)比没有经历运动诱导的神经元生长得更快(绿色)。Credit: Angel Bu

研究人员通过实验证实了这一发现。他们将小鼠肌肉细胞培养成长纤维,然后融合成约一元硬币大小的成熟肌肉组织薄片。

随后,团队对肌肉进行了基因改造,让它能够对光做出收缩反应。通过控制光照,研究人员就可以精确模拟运动过程中的肌肉收缩。

他们将肌动蛋白溶液转移到含有运动神经元的单独盘中——这些神经位于脊髓中,控制着参与自愿运动的肌肉。

在神经元接触到肌动蛋白混合物后,团队观察到它们迅速生长,比未接受生化溶液的神经元快四倍。

实验表明,运动中的肌肉组织会分泌肌肉激素这种复合物质,其中包含多种生长因子、核糖核酸和蛋白质。这些物质能够显著促进神经组织的生长。

研究负责人鲁忻・拉曼(Ritu Raman)表示,运动神经元中的许多基因不仅与神经元生长有关,还与神经元成熟度、与肌肉和其他神经的交流以及轴突的成熟程度都有关系。

首次证实物理刺激也同样会影响神经元

除了证明肌肉会通过生物化学信号影响神经元生长,研究团队还首次证实了物理刺激对神经元的生长的重要性。

这个结论又是怎么得出来的呢?

原来,他们在凝胶垫上培养了一组不同的运动神经元,并在其中嵌入微型磁铁。

随后他们使用外部磁铁使垫子以及神经元来回晃动,模拟运动时的物理牵拉。他们每天都会用这种方式让神经元锻炼30分钟。

结果非常amazing啊,接受了机械锻炼刺激的神经元比没有接受任何形式锻炼的神经元生长得更快,甚至与肌肉激素诱导的神经元生长得一样好。

也就是说,运动促进神经生长的方式不仅有传统的生化途径,也有物理机制,两者的作用同等重要。

图片

图片

△ 运动神经元的生长在5天内显著增加。响应运动相关的生化(左)和机械(右)信号的神经元。绿球代表神经元簇,它们以长尾或轴突的形式向外生长。Credit: Angel Bu

应用前景

研究小组表示,这项研究结果为治疗神经损伤、肌萎缩性脊髓侧索硬化症(ALS)等疾病提供了新的可能性,或许可以帮助更多患者恢复运动功能。

未来,研究团队还计划探索如何利用靶向肌肉刺激来促进受损神经的生长和愈合。

负责人Raman还说到,“运动对健康的影响可能比我们想象的还要更深远和复杂,它的作用机制还有更多可能性,等待我们进一步探索。”

相关资讯

Nature子刊:科学家在类脑芯片上实现类似LSTM的功能,能效高1000倍

格拉茨技术大学的计算机科学家在 Nature 子刊上发表的一篇论文表明,他们找到了一种在神经形态芯片上模拟 LSTM 的方案,可以让类脑神经形态芯片上的 AI 算法能效提高约 1000 倍。随着智能手机的普及,手机游戏也越来越受欢迎。但视频游戏等程序会大量耗电耗能。与 GPU 等标准硬件相比,基于 spike 的神经形态芯片有望实现更节能的深度神经网络(DNN)。但这需要我们理解如何在基于 event 的稀疏触发机制(sparse firing regime)中模拟 DNN,否则神经形态芯片的节能优势就会丧失。比如

WAIC 2021 | SynSense时识科技首席科学家 Giacomo Indiveri:低功耗人工智能计算系统中的类脑策略

在 WAIC 2021 AI 开发者论坛上,苏黎世大学与苏黎世联邦理工学院终身教授、苏黎世神经信息研究所 INI 所长、SynSense 时识科技联合创始人 & 首席科学家 Giacomo Indiveri 带来主题为《低功耗人工智能计算系统中的类脑策略》的线上主旨演讲。以下为 Giacomo Indiveri 在 WAIC 2021 AI 开发者论坛上的演讲内容,机器之心进行了不改变原意的编辑、整理:大家好,我是 Giacomo Indiveri,来自苏黎世大学及苏黎世联邦理工神经信息研究所,很高兴有机会在这里跟

在理解通用近似定理之前,你可能都不会理解神经网络

通用近似定理很好地解释了为什么神经网络能工作以及为什么它们经常不起作用。