癫痫发作会重新编程小脑浦肯野神经元：多变量电生理分类揭示了隐藏的亚型

《The Cerebellum》：Seizures Reprogram Cerebellar Purkinje Neurons: A Multivariate Electrophysiological Classification Reveals Hidden Subtypes

浦肯野神经元电生理特性与癫痫频谱关联研究揭示慢性癫痫导致PNs兴奋性降低及特定电生理状态收敛，EEG频谱分析显示Beta/Gamma波段异常与行为癫痫严重程度相关，随机森林分类器基于频谱带功率有效预测Racine分期，多尺度方法证实细胞与网络电生理变化一致性，凸显小脑在癫痫发生中的作用及治疗潜力。

　　

摘要

浦肯野神经元（Purkinje neurons, PNs）是小脑皮层唯一的输出神经元，负责控制运动活动、皮层兴奋性以及癫痫发作的传播。它们通过抑制深部小脑核来调节小脑-丘脑-皮层回路，而这些深部小脑核与癫痫的关联日益受到关注。尽管与癫痫相关的皮层和海马神经元的变化已有充分记录，但小脑浦肯野神经元的研究仍相对不足。浦肯野神经元介导的抑制功能受损可能导致网络调节机制崩溃，从而促进癫痫发作。本研究探讨了长期癫痫活动是否会影响浦肯野神经元的被动和主动电生理特性，以及多变量分析是否能够揭示与癫痫相关的生物物理异常。此外，我们还研究了脑电图（EEG）的频谱动态是否能够反映或预测这些细胞变化。研究人员从杏仁核诱发癫痫的大鼠中提取了Crus II区浦肯野神经元的整体细胞膜电位记录，以测定12个内在膜特性。通过主成分分析（PCA）和K均值聚类等多变量分析方法，识别出潜在的电生理亚型。同时利用快速傅里叶变换（FFT）、PCA和监督分类技术分析了海马和杏仁核的EEG信号，以追踪与癫痫发作相关的频谱动态。结果表明，慢性癫痫发作会降低浦肯野神经元的兴奋性，并使其电生理特性趋向于特定状态。EEG分析发现了与癫痫发作严重程度相关的潜在频谱模式。基于频谱功率训练的随机森林分类器能够较为准确地预测Racine分期，其中Beta波段和Gamma波段的影响尤为显著。这些发现表明，慢性癫痫发作会驱动小脑神经元电生理特性及EEG动态的协同变化。这种多尺度分析方法揭示了细胞和网络层面一致的电生理变化，强调了小脑在癫痫发生中的作用，并支持其作为治疗靶点的潜力。