《Discover Neuroscience》：Precision of reaches and proprioception in motor control and adaptation
编辑推荐：
本文介绍了一项针对运动与感觉精度的系统性研究。研究人员通过整合来自270名参与者（包含老年亚组）的大型数据集，采用机器人装置测量了手部运动及本体感觉（包括主动与被动定位）的精度，并探究了这些基线变异性是否能够预测个体在视觉旋转适应任务中的学习差异。研究发现，基线运动方差无法预测学习，而本体感觉的精度与训练后的适应后效呈微弱关联。结果表明，手部适应后效可能部分反映了本体感觉的变化，但总体上未发现对旋转光标适应的可靠预测因子。该研究为理解运动控制中感觉与运动噪声的独立贡献提供了实证基础，并对探索-利用假说等理论提出了新的见解。
精准地控制手臂，并在看不见它时依然知道它的位置，这对于我们完成日常动作至关重要。这种感觉被称为本体感觉（proprioception），它如同身体内置的GPS。然而，科学家们一直在争论：我们的运动有多“嘈杂”？我们对自身肢体的感觉有多精确？这些“噪声”是阻碍我们学习的障碍，还是帮助我们探索和适应新环境的“帮手”？例如，经典的“探索-利用”（exploration-exploitation）假说就认为，更高的运动变异性有助于更快地学习新技能。然而，由于缺乏大样本数据，尤其是关于大脑如何将来自肢体的感觉信号（本体感觉）和自身发出的运动预测信号（传出信号，efferent signals）结合起来进行精确定位的实证研究非常有限。此外，这些感觉和运动精度是否会随着年龄增长而下降，以及它们如何影响我们学习新动作（如适应一个扭曲的视觉反馈）的能力，仍然存在诸多疑问。
为了回答这些问题，以D.Y.P. Henriques为通讯作者的研究团队，对在其实验室使用相同机器人装置完成的多个实验数据进行了大规模整合分析。这项研究发表于《Discover Neuroscience》期刊，旨在通过前所未有的样本量，深入探究运动与感觉精度在运动控制和适应中的真实作用。
研究人员主要运用了以下几种关键技术方法来开展研究：
- 1.
机器人运动控制与数据采集平台：使用双关节机器人操纵杆（robot manipulandum）精确控制参与者的手部运动或提供被动位移，同时记录高精度的运动学数据。
- 2.
手部定位任务：设计了两种核心任务来分离感觉与运动信号的贡献。在主动定位（active localization） 任务中，参与者主动将看不见的右手移动到自选位置后，用可见的左手指出其感知位置；在被动定位（passive localization） 任务中，则由机器人将参与者的手移动到匹配位置，参与者再进行定位。这两种条件的差异旨在分离出传出信号（基于运动命令的预测） 的贡献。
- 3.
视觉运动适应范式：在基线测试后，大部分参与者进入了旋转（rotated） 训练阶段，其中屏幕上代表手部位置的光标（cursor） 被顺时针旋转30°或60°，参与者需要适应这种视觉-运动关系的扭曲。
- 4.
大样本队列分析：研究整合了来自14个实验组、总计270名参与者的数据，其中包括232名年轻成人（17-40岁）和38名健康老年人（54-84岁）的子样本，为大样本统计和亚组分析（如年龄效应）提供了坚实基础。
- 5.
高级数据分析模型：采用贝叶斯统计（Bayesian statistics） 比较组间差异，使用正交距离回归（orthogonal distance regression, ODR） 分析变量间的无方向性关系，并拟合指数学习曲线（exponential learning curve） 来量化适应速率（learning rate）和程度（asymptote）。
研究结果
4.1 运动与本体感觉的精度
研究发现，无论是年轻成人还是老年人，在基线条件下，参与者都能相当精确地定位自己看不见的手。数据分析显示，四种测量指标（有光标训练、无光标训练、主动定位、被动定位）的变异性存在显著差异。其中，无光标（no-cursor） 伸向目标的运动变异性最高，比有视觉反馈的运动高出约26%。相比之下，有光标训练的运动变异性与两种手部定位估计的变异性相似。更重要的是，主动手部定位仅比被动定位略微精确一点（方差减少8.6%），这表明对静止状态下看不见的手的位置估计，主要依赖于本体感觉（proprioception） 信息，而传出（efferent） 预测信号的贡献非常有限。通过反向最大似然估计（reverse Maximum Likelihood Estimate, reverse MLE） 计算，估计传入（afferent，即本体感觉）信号在整合中的权重高达0.914，而传出信号权重仅为0.086。此外，研究未发现运动或感觉精度随年龄增长而下降的证据。
4.2 运动与手部估计的变异性是否相关？
有光标训练的运动变异性与无光标运动变异性显著相关（共享方差22%）。然而，运动变异性（无论有光标还是无光标）与手部定位估计的变异性之间关联很弱（共享方差仅为3-8%）。这表明，在估计看不见的手的位置和将手（看得见或看不见）移向目标这两项任务中，可能涉及许多不共享的独立过程。
4.3 运动与感觉噪声是否影响运动适应？
研究测试了基线期的四种变异性指标是否能预测随后的视觉运动适应表现，包括适应速率（learning rate）、适应程度（asymptote） 和隐性的适应后效（implicit reach aftereffects）。结果发现：
- •
基线运动方差（无论有无光标）无法预测任何学习指标（适应速率、程度或后效）。这挑战了“更高运动变异性导致更快适应”的探索-利用假说。
- •
基线手部定位方差同样无法预测适应速率和程度。
- •
然而，基线手部定位方差（无论是主动还是被动）可以微弱但显著地预测适应后效的大小：定位越精确（方差越小）的个体，产生的适应后效越小。但定位方差并不能预测适应训练后手部定位本身发生的偏移量（即本体感觉重新校准， proprioceptive recalibration）。
4.4 手部定位变化与适应后效之间的关系
正如团队先前研究所示，适应训练后手部感觉发生的偏移（即本体感觉重新校准）与适应后效的大小显著相关（共享方差约20%）。有趣的是，基线手部定位方差和训练后的手部定位偏移这两个彼此无关的变量，却都能独立预测适应后效。将两者结合建立预测模型，能更好地解释适应后效的个体差异（R2≈ 0.29）。这暗示适应后效可能包含不同的子成分，其中一个与基线感觉可靠性有关，另一个则与感觉重新校准的程度有关。
研究结论与意义
这项基于大样本的整合分析得出了几个关键结论：首先，健康成年人对静止状态下看不见的手的径向（radial） 方向具有很高的定位精度，且这种精度主要依赖于本体感觉，传出预测信号的贡献微乎其微。其次，在健康的衰老过程中，这种运动与感觉的精度并未出现显著下降。再者，运动噪声与感觉噪声之间关联较弱，提示它们是相对独立的系统。最重要的是，研究未能为“基线运动或感觉变异性是驱动视觉运动适应个体差异的关键因素”这一流行观点提供支持。基线运动方差无法预测任何适应指标，而基线感觉精度仅与适应后效有微弱关联。
其重要意义在于：研究结果呼吁对当前一些运动学习理论（如探索-利用假说）进行重新审视，特别是在涉及感觉重新校准的适应类型中。它强调了在理解运动适应时，需要将感觉过程（特别是本体感觉的精度和可塑性）与纯粹的运动执行噪声区分开来。本研究发现适应后效同时与基线感觉精度和感觉重新校准相关，这为理解隐性运动适应的潜在机制提供了新线索，表明它可能部分反映了手部本体感觉的变化。最后，研究展示了利用大规模、标准化实验数据来回答基础科学问题的强大力量，为未来研究感觉运动整合、个体差异和衰老提供了宝贵的基准数据和新的分析视角。
