数学模型为肌肉锻炼制定最佳方式

研究人员开发出一个数学模型，能预测肌肉锻炼的最佳方式。剑桥大学的研究人员使用理论生物物理学方法构建起这套模型，可用于判断特定运动量对肌肉生长的贡献与具体锻炼时长。以这套模型为基础开发出的软件产品，能随时接纳用户输入的个人生理细节，进而提供锻炼优化建议。发表在《Biophysical Journal》期刊上发表的论文表明，不同个人、不同肌肉生长目标都有着最优的抗阻训练量。肌肉只能在极短时间内接近其最大负荷，而随着时间推移施加组合负荷则能激活细胞信号通路、促使人体合成新的肌肉蛋白。但一旦低于某个值，负荷将不足以产生大量信号，这时候必须将锻炼时间成倍延长才能达到相同的增肌效果。而这个临界负荷的值，往往取决于不同个体的特定生理机能。 2018 年，剑桥大学研究人员启动了一个关于肌肉纤维中蛋白质如何在力作用下发生变化的项目。他们发现，作为肌肉主要成分的肌动蛋白与肌球蛋白之间往往缺乏信号分子的结合位点，因此必须由含量排名第三的肌联蛋白负责发出力施加变化信号。每当分子中的一部分在收张状态下保持足够长的时间，肌肉就会转换为不同的状态，让先前隐藏的区域被暴露出来。如果该区域随后能够同参与细胞信号传导的小分子结合，即会激活该分子并产生化学信号链。肌联蛋白是一种巨大的蛋白质，肌肉在拉伸过程中大部分肌联蛋白会处于伸展状态，但在肌肉收缩时，少部分肌联蛋白分子也同时处于紧张状态。这部分肌联蛋白即包含所谓肌联蛋白激酶域，也正是产生影响肌肉生长的化学信号的关键域。如果肌联蛋白分子能承受更大的力、或者在相同的力下保持更长时间，即有可能打开。这两种情况都会增加信号分子的激活数量，而后诱导更多信使RNA的合成，产生新的肌肉蛋白质并促使肌肉细胞的横截面增加。 这一研究成果，也让目前的工作成为现实。研究人员着手构建起一套数学模型，可用于对肌肉生长进行定量预测。他们从简单模型入手，首先跟踪受力情况下打开的肌联蛋白分子并启动信号级联。他们使用显微镜数据来确定肌联蛋白激酶单元在不同受力条件下打开或关闭并激活信号分子的依赖性概率。之后他们再纳入其他影响因素，例如代谢能量交换、重复时长与恢复时间等，进一步充实这套模型。最后他们使用这套模型，对过往长期以来的肌肥大研究进行了验证。论文的一位作者表示，“我们的模型为肌肉生长主要发生在最大负荷的70%的猜测提供了生理依据，这也是目前抗阻训练的基本思路。负荷低于这个水平，肌联蛋白激酶的开放率会急剧下降并阻止敏感信号的出现。而在此之后，肌肉会快速力竭、导致我们的模型无法得到良好的定量测试结果。”这套模型还解决了长期卧床休息的病人、或者身处微重力环境下的宇航员出现肌肉萎缩的问题，能够帮助他们在肌肉状况发生恶化之前保持最低限度的活动时间、并提供最佳恢复方式建议。