肌纤维组织学熵值预测老年人行动能力：肌肉、行动力与衰老研究

《Aging Cell》：Entropy of Muscle Fiber Histology Predicts Mobility in Older Adults: The Study of Muscle, Mobility, and Aging

这篇综述性研究通过计算肌肉内稳态失调指数（HDIM），量化了骨骼肌纤维无序性（熵），并发现高熵值与老年人行动能力下降、肌肉功能减弱（如400米步行速度、峰值VO2、肌肉功率、线粒体最大氧化磷酸化）显著相关，为理解衰老相关的肌肉功能衰退提供了新的生物物理框架。

　　

1 引言

热力学第二定律指出，物理和化学结构会随时间推移而变得更加无序。在生物组织中，这种熵源于分子的随机、不可逆重排（如蛋白质聚集），破坏了原有的结构和功能。随着时间的推移，这些分子层面的紊乱不断累积，破坏了细胞和组织的有序性，并导致更广泛的生物功能障碍。多项队列研究发现，通过测量多种血液化学标志物偏离正常值的变异性来量化的熵，会随着年龄增长而增加，并能预测包括死亡率、衰弱、糖尿病和心血管疾病在内的不良健康结局。量化熵最常用的方法是基于多变量马哈拉诺比斯距离的内稳态失调指数和香农信息熵，但尚不清楚这两种方法是否等效。

衰老过程中，骨骼肌纤维的排列会变得无序。我们假设这种无序结构是由于衰老导致的熵增，但这种可能性尚未被研究。此外，衰老过程中肌肉熵的增加是否与骨骼肌功能和身体活动能力下降有关，也属未知。

本研究利用“肌肉、行动力与衰老研究”（SOMMA）项目中股外侧肌活检的数据和组织学图像，该队列由879名70岁及以上的社区居住者组成。我们检验了以下假设：骨骼肌纤维组织学特征的熵值越大，与涉及肌肉功能测试的表现越差相关，这些测试包括400米步行时间、肌肉功率、心肺运动测试中的峰值摄氧量、简易体能状况量表（SPPB）以及线粒体能量代谢（包括肌肉线粒体的最大氧化磷酸化和ATP生成）。我们从纤维大小多样性、纤维类型异质性和纤维网络的空间连通性来量化熵，并计算了基于纤维大小变异的香农信息熵，测试了其与内稳态失调指数所量化熵值的相关性。

2 材料与方法

2.1 研究参与者

SOMMA是一项前瞻性队列研究，参与者为来自匹兹大学和维克森林大学医学院现场中心招募的70岁及以上老年人。研究排除了无法行走1/4英里或爬一段楼梯、BMI ≥ 40 kg/m²、患有当前恶性肿瘤或晚期慢性疾病、或有肌肉活检或磁共振波谱禁忌症的个体。

2.2 骨骼肌活检、样本制备与染色

对299名拥有足够组织学样本的SOMMA参与者的股外侧肌横切面进行肌球蛋白重链（MHC）免疫标记，以识别纤维类型和肌肉纤维形态。通过荧光显微镜对染色切片进行成像，用于后续分析。

2.3 肌纤维分割、分型与网络生成

使用在细胞和组织数据集上预训练的通用分割算法Cellpose处理MHC亚型染色后的骨骼肌组织学切片图像，以描绘单个肌纤维边界。分割后，基于像素面积测量计算每个纤维的横截面积。通过在分割的肌纤维掩模中量化MHC同工型特异性通道的荧光强度，进行纤维类型（I型、IIA型、IIX型）分类。纤维类型异质性计算为与索引纤维类型不同的相邻纤维数量除以相邻纤维总数。

为评估肌纤维的空间组织，构建了二维纤维邻接网络。在此网络中，每个肌纤维的中心点被视为一个节点，边则通过共享的分割边界定义在直接相邻的纤维之间。使用Python和NetworkX库分析网络拓扑结构，节点特定平均路径长度用于评估每个节点的空间连通性。

M）的分析流程。在组织学图像面板中，蓝色、绿色和红色纤维分别表示I型、IIA型和IIx型纤维。DM，马哈拉诺比斯距离；APL，平均路径长度。">

2.4 肌肉内稳态失调指数

由于香农熵只能在分布上计算，无法计算单个肌纤维的熵，因此我们选择使用肌肉内稳态失调指数（HDI_M）来计算纤维层面的熵。我们使用肌纤维的三个组织学特征：纤维大小多样性、纤维类型异质性和纤维网络的节点特定平均路径长度来计算HDI_M。这些测量了给定肌纤维与所有参与者标准化纤维特征平均值的偏离程度。在计算HDI_M之前，所有特征在纤维层面按性别和纤维类型分层后使用Z分数进行标准化。对于每个标准化变量，参考质心被定义为零，代表纤维面积、纤维类型异质性和纤维网络中节点特定平均路径长度的正态分布均值。然后，基于三个变量与其标准化质心的偏离，使用整个纤维群体导出的协方差矩阵计算每个纤维的马哈拉诺比斯距离。由于其右偏分布明显，马哈拉诺比斯距离使用自然对数进行转换，结果值定义为HDI_M，是肌纤维层面熵的综合度量。

2.5 与香农熵的相关性

HDI_M和香农熵之间的相关性并非固有，因为它们分别衡量从参考点的统计距离和分布的信息不确定性。为了在相同分析水平上实证检验这两种度量之间的潜在关系，我们在纤维层面实施了分组策略。将研究人群中提取的所有纤维首先根据相似的HDI_M值分层，并分组为300个按HDI_M分层的纤维组。对于每组，HDI_M中值用作代表性HDI_M。在每个HDI_M分层的纤维组内，分别计算纤维横截面积、纤维类型异质性指数和节点特定平均路径长度的香农熵。通过计算纤维组级别HDI_M与各组分香农熵之间的皮尔逊相关系数来分析相关性。

2.6 结局指标

研究的主要结局是400米步行速度。次要结局包括扩展版简易体能状况量表、腿部功率、握力、平板运动心肺测试中的峰值摄氧量以及线粒体能量代谢（包括最大氧化磷酸化和最大ATP生成）。线粒体能量代谢通过高分辨率呼吸测量法和³¹磷磁共振波谱进行评估。

2.7 协变量

评估了体重、身高、BMI，并使用全身磁共振成像评估大腿肌肉体积和总腹部脂肪组织指数。

2.8 统计分析

在SOMMA项目登记的879名老年人中，截至2025年10月，我们获得了299名拥有肌肉组织学数据的老年人的数据。结果以均值±标准差、中位数[四分位距]或数量（%）表示。参与者级别的HDI_M定义为相应肌肉样本内所有纤维级别HDI_M值的平均值。在线性回归模型中，报告了标准化β系数。我们使用两个多变量模型来检验HDI_M与结局之间的关联。模型1调整了年龄、性别和BMI。对于按体重标准化的结局，模型1中调整身高而非BMI。模型2调整了年龄、性别、大腿肌肉体积指数和总腹部脂肪组织指数。统计显著性阈值设定为双侧0.05。

3 结果

3.1 研究参与者的特征

研究参与者的平均年龄为76.4±5.3岁，51.2%为女性。从299个样本中共分割和量化了148,120条纤维。I型纤维比例最高，平均横截面积最大。大约一半的相邻纤维与索引纤维类型不同。纤维网络的平均节点特定平均路径长度为13.3±3.4。

3.2 肌肉内稳态失调指数

HDI_M定义为基于纤维横截面积、纤维类型异质性和节点特定平均路径长度，相对于性别和纤维类型标准化后的全局均值，计算得出的自然对数转换马哈拉诺比斯距离。平均纤维级别HDI_M值为0.58±1.08。图中蓝色表示HDI_M值较低的纤维，红色表示较高的值，渐变反映中间值。任何肌肉组织学特征与平均值的偏差越大，HDI_M值越高。左图主要显示低纤维级别HDI_M值，对应低参与者级别HDI_M，而右图显示更多具有中高值的纤维，导致更高的参与者级别HDI_M。

M）作为熵度量的组织学图像示例。在MHC染色的组织学图像中，蓝色、绿色和红色纤维分别表示I型、IIA型和IIx型纤维。在根据HDI_M值十分位数映射的图像中，更多蓝色表示该十分位数内较低的HDI_M值，而更多红色表示较高的HDI_M值。">

3.3 HDI_M与香农熵（信息熵）

我们假设HDI_M值较高的纤维将表现出比低HDI_M纤维更无序和不可预测的特征。为验证此点，将肌纤维按其HDI_M评分分层为300组，计算每组纤维面积、节点特定平均路径长度和纤维类型异质性的香农熵，以量化结构不确定性的程度。HDI_M值较高的纤维与个体纤维特征分布的更大分散度相关，表明结构不确定性增加。与假设一致，纤维组的中位数HDI_M与每组内纤维面积的香农熵显示出强烈的正相关。节点特定平均路径长度和纤维类型异质性也观察到类似的强关联。

M）与HDI_M各组分信息熵的相关性。">

3.4 HDI_M与结局指标的关联

在参与者水平，HDI_M与年龄在回归模型中无显著关联。即使在调整年龄、性别、BMI以及进一步调整年龄、性别、大腿肌肉体积指数和总脂肪组织指数后，更大的参与者级别HDI_M仍与显著降低的400米步行速度相关。在单变量和多变量调整模型中，更大的HDI_M与更差的SPPB表现、更低的握力、更低的腿部功率、更低的氧化磷酸化和更低的ATP_max相关。HDI_M与结局的关联性强于其任何单个组分。

4 讨论

我们的研究结果支持了肌纤维变得无序，这种无序可以量化为熵，并随年龄增加的假说。此外，使用肌纤维的三个特征（包括纤维横截面积、纤维类型异质性和纤维网络的节点特定平均路径长度）测量的更高纤维熵，与更慢的400米步行速度、更差的SPPB表现、更弱的肌肉功率和握力、更低的峰值摄氧量以及降低的线粒体能量代谢（包括最大氧化磷酸化和最大ATP生成）强烈相关。

物质的熵随时间增加。从三个骨骼肌组织学特征推导出的HDI_M的行为符合熵测量的预期。HDI_M与另一种熵测量方法——香农信息熵高度相关。最重要的是，正如假设的那样，HDI_M的增加与多项肌肉功能和身体活动能力测量的结果较差相关。

衰老的骨骼肌表现出进行性的组织学无序，其特征是纤维大小异质性、纤维类型分组以及单个纤维内多种MHC同工型的共表达增加。将这些变化概念化为组织学熵，为理解肌肉复杂的无序提供了一个统一的框架。骨骼肌组织学图像中熵的量化可以作为一种生物标志物，捕捉多种形态变化和结构无序的程度。这个指标也可能有助于跟踪针对肌肉衰老的干预措施所引发的纵向变化。

这些发现的意义不仅限于肌肉。生物尺度上错误和损伤的随机累积日益被认为是生物体衰老的主要驱动力。这些特定的熵，如DNA损伤和组织无序，最终通过反馈回路导致系统整体熵的增加。本研究中定义肌肉熵的方法广泛适用于不同水平的测量，包括血液生物标志物、图像和多组学图谱，为熵框架的广泛验证和扩展提供了机会。

马哈拉诺比斯距离和香农信息熵是量化熵的不同方法，有不同的应用场景。我们发现，使用马哈拉诺比斯距离计算的HDI_M与各纤维特征的信息熵高度相关。这一发现表明两种方法都在评估潜在的熵概念，并支持将HDI_M作为熵的有效代理指标。

本研究存在一些局限性。熵是一种跨越从分子到组织和整个生物体水平的复杂现象，本质上是具有挑战性的，因为它捕捉了生物系统中的随机性或无序性。本研究分析了70岁及以上研究参与者的肌肉样本，所有参与者都可能表现出与年轻参考人群相比的HDI_M偏离。这是一项横断面研究，年龄相关的变化应在纵向随访中得到确认。将纤维级别的HDI_M汇总为每个参与者的单一平均值可能会导致信息损失，掩盖了参与者内部的异质性。此外，SOMMA队列有限的年龄范围可能限制了我们检测年龄相关梯度的能力。需要在更广的年龄跨度中研究HDI_M的轨迹。本研究未明确考虑混合肌纤维类型，可能导致低估了纤维类型的复杂性。

总之，我们得出结论，骨骼肌纤维经历着可以被描述为熵的无序化。HDI_M随年龄增加，并且与身体活动能力、心肺运动中的峰值摄氧量、肌肉功率和肌肉最大氧化磷酸化相关，且独立于大腿肌肉体积。这种方法可以应用于其他数据和图像，以验证熵随衰老而增加，以及这种自然的物理过程与功能丧失相关。骨骼肌组织学特征的熵发展是否可以通过例如阻力训练来减缓，仍有待确定。