需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

“Avatar”，一种改良版 离体 使用工作循环实验 体内 应变与激活

1.6K 次观看

⸱

DOI：

10.3791/65610

⸱

2023年8月18日

 , 
1Northern Arizona University

本文内容

摘要

本文详细介绍了模拟的方法学 体内 肌肉收缩过程中的力量产生 离体 利用实验啮齿动物的“虚拟肌肉”进行工作循环实验，以评估应变瞬变和激活对肌肉力响应的贡献。

摘要

运动行为是动态系统的涌现特征，源于肌肉力量的产生和做功输出。神经与机械系统之间的相互作用在所有生物组织层次上同时发生，从跑步时腿部肌肉特性的调节，到肢体与地面相互作用的动力学过程。理解动物在何种条件下会在控制层级中将其神经控制策略转向内在肌肉力学（“前反射”），将有助于肌肉模型预测 体内 更准确地理解肌肉力量和做功。为了理解 体内 肌肉力学， 离体 在动态变化的应变和加载条件下对肌肉力量和做功的探究 体内 需要进行运动。 在体 应变轨迹通常表现出突然的变化（即应变和速度瞬变），这些变化源于神经激活、肌肉骨骼运动学以及环境施加的负载之间的相互作用。我们研究的主要目标是 "头像" 该技术旨在研究肌肉在应变率和负荷突然变化时的功能表现，此时肌肉内在力学特性对肌肉力量产生的贡献可能达到最大。在 "头像" 技术，传统的循环工作法通过测量进行改进 体内 动态运动过程中来自动物的应变轨迹和肌电图（EMG）信号，以驱动 离体 肌肉经历多次拉伸-缩短循环。该方法与工作循环（work-loop）技术类似，不同之处在于 体内 应变轨迹经过适当缩放后施加于 离体 连接至伺服电机的小鼠肌肉。该技术可实现：（1）模拟 体内 应变、激活、步频和功环模式；（2）调节这些模式以匹配 体内 力响应的准确性；以及（3）以受控组合方式改变应变和/或激活的特定特征，以验证机制性假设。

引言

移动中的动物在复杂环境中展现出令人惊叹的耐力、速度和敏捷性。与人类制造的机器相比，动物的运动能力尤为突出——目前的腿式机器人、假肢和外骨骼在稳定性和敏捷性方面仍远不及动物。在自然地形中实现腿式运动需要精确的控制和快速的调整，以改变速度并应对作为意外干扰的环境特征1,2,3,4然而，理解非稳态运动本质上具有挑战性，因为其动力学依赖于物理环境、肌肉骨骼力学以及感觉运动控制之间复杂的相互作用。1,2. 腿式运动需要通过快速的多模态感觉信息处理以及肢体和关节的协调驱动，来应对意外扰动1,5最终，运动的实现依赖于肌肉产生力量 通过 肌肉骨骼系统的内在力学特性以及神经控制1,5,6,7神经生物力学领域一个尚未解决的重要问题是：这些因素如何相互作用，以在应对意外扰动时产生协调的运动。以下技术利用肌肉对形变的固有力学响应， 体内 可控条件下的应变轨迹 离体 含有的实验 "头像" 肌肉

肌肉工作环技术为理解周期性运动中肌肉内在力学特性提供了重要框架8,9,10传统的作功环技术通过使用在运动过程中测得的频率和激活模式，驱使肌肉沿预定义的、通常是正弦形的应变轨迹进行收缩。 体内 实验2,8,9,11使用正弦波形的长度轨迹可真实估算飞行过程中的做功和功率输出12 和游泳2 在动物由于与环境相互作用及肌肉骨骼运动学未发生应变轨迹快速变化的条件下。然而， 体内 神经激活、肌肉骨骼运动学以及环境施加的负载之间的动态相互作用，共同导致了多足运动过程中肌肉应变的轨迹变化5,7,13,14需要一种更为真实的工作循环技术，以模拟与实际相符的负荷、应变轨迹及力的产生 体内 肌肉-肌腱动力学，以及内在肌肉力学与神经控制如何相互作用以在扰动条件下产生协调运动的机制。

在此，我们提出一种新颖的模拟方法 体内 使用跑步机行走时的肌肉力量 "头像" 在受控条件下从实验啮齿动物中获取肌肉组织 离体 与……相关的实验 体内 代表随时间变化的应变轨迹 体内 载荷。利用测得的 体内 从实验动物的靶向肌肉获取受控条件下的肌肉应变轨迹 离体 实验将模拟运动过程中所承受的负荷。在本文所述的实验中， 离体 小鼠趾长伸肌（EDL）被用作一种 "头像" 对于 体内 大鼠在跑台上行走、小跑和飞奔时的腓肠肌内侧头（MG）肌肉活动13该方法与工作循环（work-loop）技术类似，但存在以下差异： 体内 应变轨迹经过适当缩放后施加于 离体 连接到伺服电机的小鼠肌肉。尽管小鼠EDL肌肉在大小、纤维类型和结构上与大鼠MG存在差异，但可以对这些差异进行控制。 "头像" 该技术能够实现：（1）模拟 体内 应变、激活、步频和功环模式；（2）调节这些模式以匹配 在体内 力响应的准确性；以及（3）以受控组合方式改变应变和/或激活的特定特征，以验证机制性假设。

访问受限。请登录或开始试用以查看此内容。

方案

所有动物实验均经北亚利桑那大学机构动物护理与使用委员会批准。本研究使用了来自雄性和雌性野生型小鼠（品系 B6C3Fe a/a-Ttnmdm/J）、年龄为 60–280 天的趾长伸肌（EDL）肌肉。实验动物购自商业来源（见材料表），并在北亚利桑那大学建立种群进行繁育。

1. 选择 体内 菌株轨迹及使用前的准备工作 离体 工作循环实验

注意：在本方案中，离体实验使用了来自在体动态运动的前期测量数据，该数据由作者直接提供（Nicolai Konow，UMass Lowell，个人交流）。原始数据来自Wakeling等人的研究15。要重复本方案，需要具备时间、长度或应变、肌电/激活以及力的数据。

  1. 分割整个 体内 使用任意编程平台（提供MATLab代码）将试验数据分解为单个步态周期 补充编码文件 1).
    1. 绘制长度变化图 与整个所需时间 在体 试验。这用于可视化单个步态周期（从支撑相到支撑相），并评估步态周期间的变异性（图1).
    2. 计算整个试验过程中的应变（长度（L）/ 最佳长度 L₀ 下的最大等长力）0).
    3. 从整个试验中选择一个具有代表性的步态周期，该周期应能代表所有步态周期，且起始和结束时的长度相近。可通过将各步态周期的长度曲线叠加绘图，直观比较后进行选择。
    4. 在选定一个具有代表性的步态周期后，使用任意编程平台从整个试验数据中截取应变、肌电/激活以及力的数据（参见 补充编码文件 1 用于 MATLAB 的代码16).
    5. 若应变、肌电/激活或力的采样频率不同，需对数据点进行插值，使所有信号以相同频率采样。
      注意：研究人员可根据整个试验中各采样点之间的时间间隔，确定采集频率。若变量以相同频率采集，则采样时间将相同。
  2. 计算分段步态的频率。
    1. 通过确定一个分段步态周期的持续时间（秒），用1（秒）除以该持续时间，计算频率（1/持续时间 = 每秒步数）。
    2. 手动确定需要采集的数据点数量 离体 匹配频率的实验。
    3. 计算完成两个步态周期所需的时间。为估算肌肉测量误差（该误差将用于后续统计分析），需至少重复一次上述步态周期。
  3. 利用测得的肌电活动确定刺激相对于应变输入的相位，以确定刺激的起始时间和持续时间 离体 工作循环。可以使用任何编程平台（参见 补充编码文件 1 用于本研究的代码）。
    1. 在同一x轴范围（时间）内观察EMG信号与应变变化图1）。放大肌电（EMG）信号以使其可见；可通过将EMG信号乘以任意数值、对张力和EMG信号进行重缩放以使其处于相同量级，和/或将在EMG信号叠加到张力信号上实现。
      注意：作者使用 MATLAB 中的“rescale”函数对应变和肌电图信号进行了归一化处理，使其处于同一量级（参见 补充图1).
    2. 找出肌电活动开始和结束的位置，该位置由强度变化超过两个标准差来指示17,18.
      注意：根据动物种类和肌肉的不同，肌电图（EMG）起始时间可能与足部接触时间一致，也可能不一致（Monica Daley，加州大学欧文分校，个人交流）（见讨论部分）。
    3. 计算肌电图（EMG）激活起始出现于应变周期的百分比（例如，40%），以及刺激持续的时间（例如，222 ms）。
      注意：研究人员需要考虑兴奋-收缩耦联（ECC）延迟在不同情况下的差异 体内 运动和 离体 工作循环，且可能因动物和肌肉的不同而有所差异（例如， 体内 大鼠 MG 的 ECC 为 24.5 ms， 离体 小鼠EDL的ECC约为5毫秒。
  4. 为工作循环控制器程序准备代表性的应变输入。任何能够采集力输出并输入应变和刺激信号的程序均可用于工作循环控制器程序（参见讨论部分）。
    1. 选取选定的步态周期，并插值到适当数量的点，以确保步态周期在所需时间分辨率下被完整捕捉 体内 频率循环两次（参见步骤 1.2）。
    2. 将步幅重新调整至从“零应变”开始和结束（例如，L0 或 95% L0在按预定长度位移拉伸后（参见步骤 3.3）。
    3. 如有需要，对选定的步长进行“缩放”，以用于小鼠EDL应变变化的输入（参见讨论部分）。进行缩放时，选择一个不会造成损伤的小鼠EDL可拉伸的长度位移（例如，我们通常将小鼠EDL拉伸10% L0 无论 体内 物种）。这可能需要根据初步结果进行调整（参见步骤 3.3）。

心肌收缩数据；长度随时间变化的图表，显示周期性运动模式。
图1随时间变化的长度 体内 整个试验 长度（mm）随大鼠MG时间的变化图。步幅以圆圈标示，从最短长度到最短长度为一个完整步幅。 请点击此处查看此图的放大版本。

2. 评估小鼠肌肉的最大等长收缩力 离体

  1. 设置设备和手术。
    注意：有关所需设备的说明，请参见讨论部分。 离体 工作循环
    1. 通过将氧管针阀插入水浴夹套组织浴槽中来准备组织浴装置（参见 材料清单）。将氧管连接至装有95% O₂2-5% CO₂2. 使20 psi的压力充满水套组织浴槽。
    2. 在手术区域附近准备一个盛有Krebs-Henseleit溶液（步骤2.1.3）的烧杯，从气体管路接出一根额外的氧气管通入其中。该装置用于在手术过程中及术后保持肌肉组织的充氧和湿润。
      注意：如果一次从一只小鼠中取出多块肌肉，肌肉也可在此充氧溶液中保存长达4小时。
    3. 制备1 L含有以下成分（单位：mmol/L）的Krebs-Henseleit溶液-1)：NaCl (118)；KCl (4.75)；MgSO4 (1.18)；KH2PO4 (1.18)；CaCl2 (2.54)；并在室温下用 HCl 和 NaOH 将葡萄糖（10.0）调节至 pH 7.4（参见 材料表）。处理 HCl 和 NaOH 时，应佩戴护目镜和手套等适当的个人防护装备。
    4. 用室温且 pH 7.4 的 Krebs-Henseleit 溶液填充浴槽。将肌肉和钩完全浸入溶液中。
    5. 打开所有设备：双模式肌肉杠杆系统、刺激器和信号接口（DAQ板）（参见 材料表).
  2. EDL 肌肉解剖
    1. 深度麻醉小鼠，然后通过颈椎脱位实施安乐死。将小鼠置于左侧或右侧卧位，使上方的后肢伸展，脚趾接触解剖板。去除从踝关节至膝关节上方的毛发。
    2. 用镊子提起皮肤，从踝关节处向髋部剪开。暴露肌肉后，沿踝部周围像裤边一样环形剪开。上拉皮肤以更清晰地暴露腿部肌肉。
    3. 找到分隔胫骨前肌（TA）与腓肠肌的筋膜线，使用解剖剪刀分离该处以暴露膝部肌腱。将解剖剪刀置于两条暴露的膝部肌腱之间，剪刀尖端将“卡入”肌腱下方的一个“囊状间隙”。在将剪刀远离腿部方向牵拉的过程中，钝性分离该“囊状间隙”，直至剪刀到达踝关节处，以暴露趾长伸肌（EDL）。
    4. 使用4-0丝线外科缝合线的预打结环结（参见 材料清单），将缝合线的一端穿入靠近膝关节的肌腱下方。在近端肌肉-肌腱连接处上方打一个双重方结，注意不要将结打在肌肉上，也不要将肌腱包含在结内。在结上方剪断。轻轻牵拉系在肌腱上的线环，趾长伸肌（EDL）便会从“囊袋”中抽出。
    5. 将环线固定在解剖区域以对EDL施加张力。在远端肌腱连接处，使用另一个预先打好的环结系一个双重方结，注意不要将结打在肌肉上，也不要包含肌腱。从靠近腿部的一侧剪断结线，以完整取下小鼠的EDL肌肉。剪除肌肉近端和远端双重方结以外的多余缝线，将肌肉置于手术区域附近的充氧浴槽中。
      注意：若将肌肉置于充氧浴槽中，务必标记近端和/或远端的方向。
    6. 将EDL肌肉垂直连接在悬挂的铂电极之间，安装到伺服电机杠杆装置上。将远端环形结固定在静止钩上，近端环形结固定在连接于伺服电机臂的钩上。升高组织浴槽，使肌肉浸没于通氧的Krebs-Henseleit溶液中。
      注意：通气时不应扰动浸没的肌肉。若发生扰动，请降低气体压力。在开始刺激前，让肌肉平衡10分钟。
  3. 测量趾长伸肌的最大等长收缩力。
    注意：请参阅 表1 有关使用单收缩和强直收缩测量最大等长收缩力的实验方案，请参见 补充图1 以了解作者所用程序的示意图。
    1. 以超最大刺激强度引发肌肉单次收缩，以确认肌肉在手术过程中未受损伤（80 V，1 pps，1 ms）； 表1；参见 补充图2). 若未发生损伤，使用肌肉杠杆系统上的长度调节旋钮，通过单收缩刺激找到一个肌肉长度，在该长度下主动张力约为 1 V / 0.1271 N，且被动张力小于约 0.1 V / 0.01271 N。
    2. 记录肌肉从结扎线结到结扎线结的起始长度，单位为伏特和毫米。将测量值输入程序的校准部分以设定起始长度（参见 补充图1).
    3. 在最佳长度（L）下找到超最大刺激的抽搐最大等长力0) 的 EDL（表1）。从技术上讲，无需休息时间，但两次刺激之间等待1分钟可使被动张力稳定。记录强直收缩达到最大时的长度（以伏特为单位），此即肌肉的最适长度（L0) 用于抽搐。
    4. 用卡尺在此长度下测量肌肉。从缝合线结到缝合线结测量肌肉长度。一旦 L0 已发现后，将肌肉缩短回初始长度（主动张力约1V / 0.1271 N）。
    5. 找到EDL的超强最大强直收缩最大等长力（80 V，180 pps，500 ms）； 表1）。记录在 L 处超最大强直收缩力的长度（以伏特和毫米为单位）0 用游标卡尺再次测量从缝线结到缝线结之间的纤维长度。
      注意：以 0.5 V/0.65 mm 的步长逐步增加肌肉长度将获得更准确的 L0 无论是单次收缩还是强直收缩。
    6. 测定EDL的次最大等长收缩力（45 V，110 pps，500 ms； 表1) 在 L0 实验前后均需检测以确保刺激方案未引起肌肉疲劳。若肌力下降10%，则视为肌肉已处于“疲劳”状态。
实验刺激强度 (V)脉冲频率 (pps / Hz)刺激持续时间 (ms)备注
1. “预热”8011通过每次增减 0.50 V 来调节长度，以达到约 1 V 的被动张力
2. 最佳肌肉长度单收缩 (L0)8011通过每次增减 0.50 V 来调节长度，以达到约 1 V 的被动张力
3. 最佳肌肉长度强直收缩 (L0)80180500每次长度改变 0.50 V 后休息 3 分钟
4. 实验前亚最大 L045110500在 L0 长度下进行
6. Avatar 实验45110循环使用小鼠 EDL 肌肉的代表性长度变化
7. 实验后亚最大 L045110500实验结束后返回至 L0 并测量 L0

表1：刺激方案。 用于确定超最大和次最大单收缩及强直收缩最适长度的刺激方案。该方案根据刺激强度、时间参数以及每秒脉冲数而变化。

3. 使用选定样本完成“替身”工作循环技术 体内 应变轨迹

  1. 设置完成“化身”工作循环技术所需的软件（参见材料表）。
    注意：需要一个输入文件（.csv 或类似格式），用于指定每个时间步长的肌肉长度（参见步骤 1.4）。还需输入刺激开始的周期百分比及刺激持续时间（示例见补充图 3）。
  2. 完成“化身”工作循环技术。
    注意：尽管我们使用自定义的 LabView 程序，研究人员也可使用任何能够控制小鼠 EDL 肌肉在伺服电机杠杆上的长度变化、控制刺激在指定时间的起始（周期百分比）和持续时间（ms），并测量肌肉力量的程序。程序使用示例见补充图 3。
    1. 将步骤 1.4 中获得的经缩放的应变变化和缩放后的长度位移输入程序中。有关“缩放应变变化”的更多说明，请参见步骤 1.4、3.3 及讨论部分。
    2. 根据需要调整肌肉的起始长度（参见第 3.3 节）。输入以 V 和 mm 为单位的起始长度，用于校准结果（参见补充图 3）。
    3. 使用步骤 1.3 中计算出的刺激起始时间和持续时间。
    4. 使肌肉按照确定的长度位移执行两次缩放后的长度变化循环。
    5. 保存数据。若在同一块肌肉上采集多个刺激方案的数据，每次刺激之间需间隔 3 分钟。
    6. 在最佳长度（L0）下使用亚最大激活进行刺激，以判断是否发生疲劳。若力量下降超过 10%，则认为肌肉已疲劳。刺激方案详见表 1。
    7. 将肌肉从浴槽中取出，剪除肌肉上的结扎环结，并用吸水纸吸去多余溶液，称量肌肉质量。使用标准公式计算生理横截面积：肌肉质量/(L0*1.06)19。
  3. 优化“化身”工作循环技术的参数（参见讨论部分）。
    1. 通过匹配ex vivo被动张力上升曲线与in vivo观察到的被动张力上升曲线，确定起始长度和长度位移（图 2）。
      注意：本研究使用 L0 的百分比来缩放起始长度（mm）和位移（% L0；参见步骤 1.4 和讨论部分）。为使ex vivo小鼠 EDL 的张力上升与in vivo大鼠 MG 的张力上升相匹配，作者发现起始长度设为 L0 时拟合效果最佳（图 2）。
    2. 选择三个不同的起始长度（例如 -5% L0、L0 和 +5% L0），在每个起始长度下，以指定的长度位移（例如 10% L0）执行“化身”工作循环。
      注意：在当前使用小鼠 EDL 的“化身”实验中，采用的长度位移为 10% L0。
    3. 重复实验，调整新的起始长度和/或位移，直至ex vivo被动张力上升速率与in vivo被动张力上升速率相近（参见图 2B）。
    4. 根据所用肌肉的纤维类型和激活动力学特性，增加或减少刺激持续时间，以优化ex vivo与in vivo力量的匹配。因此，在“化身”实验中，可能需要调整刺激的起始时间和/或持续时间，以最佳匹配in vivo的力量输出。
    5. 为判断是否需要调整（参见讨论部分），绘制“化身”肌肉与in vivo肌肉的力-时间曲线（图 3），并通过将目标肌肉与“化身”肌肉力量之间的缩放相关系数平方，计算决定系数 R2（参见代表性结果）。

静态平衡图，ΣFx=0，显示功环分析；应力与应变的缩放图。
图2：被动张力升高的匹配。 显示工作循环的曲线图 体内 和 离体 被动张力升高（箭头所示）。 在体 来自大鼠MG的缩放工作环（黑色），以2.9 Hz频率行走（数据来自Wakeling等）15). 离体 小鼠EDL在2.9 Hz下的缩放工作循环（绿色）。A小鼠EDL肌的起始长度为+5% L0. (B小鼠EDL肌的起始长度为L0注意，离体被动张力的升高与 体内 A中张力上升，而B中则无。较粗的线条表示刺激。 请点击此处以查看此图的放大版本。

应力-时间图，显示材料测试分析中的动态响应曲线。
图3优化小鼠EDL刺激持续时间以实现匹配 体内 大鼠MG的力（黑线）。 小鼠EDL通过基于EMG的刺激（绿色虚线）产生的力比 在体 力，可能是由于小鼠EDL的失活速度比大鼠MG更快。为优化两者之间的拟合 在体 和 离体 力，对小鼠EDL进行了更长时间的刺激（实线绿色）。基于EMG的刺激R2 = 0.55，优化刺激 R2 = 0.91. 请点击此处查看该图的放大版本。

访问受限。请登录或开始试用以查看此内容。

结果

“虚拟形象”实验的目的是为了复制 在体 尽可能接近地测量力的产生和功的输出 离体 工作循环实验。本研究选择使用小鼠EDL作为大鼠MG的“替代模型”，因为小鼠EDL和大鼠MG均主要由快肌纤维组成20,21。这两块肌肉都是踝关节的主要运动肌（EDL为踝关节背屈肌，MG为踝关节跖屈肌），具有相似的羽状角（小鼠EDL为12.4 + 2.12°22，大鼠 MG 20° 本研究中使用15）。大鼠MG的缩放代表性工作循环15 与……进行比较 离体 “avatar”实验（图4）采用两种不同的刺激方案（一种基于测得的肌电图活动，另一种如步骤 3.3 中优化的方案）。R2 此处呈现的数值是基于完整的缩放拉伸-缩短循环（每种条件2个循环）计算得出，每个循环包含超过20...

访问受限。请登录或开始试用以查看此内容。

讨论

尽管生物体在景观中移动时动作流畅，但其肌肉所承受的负荷和应变却存在显著差异1,6,23. 在这两个过程中 体内 运动1,24 以及在 "头像" 实验中，肌肉在周期性、非稳态条件下接受亚最大刺激。等长力-长度关系和等张力-速度关系均不适用于准确预测此类条件下的肌肉力2理解非稳态应变（即瞬态）和加载的影响对于预测力的产生至关重要 体内 运动，因此也是开发这些方法的主要理由 "头像" 实验2. "虚拟形象" 实验使我们能够在测量肌肉输出力的同时，控制肌肉的负荷和应变轨迹。 "头像" 该技术研究肌肉在受力情况下的力学响应 体内-类似条...

访问受限。请登录或开始试用以查看此内容。

披露

所有作者均声明不存在利益冲突。

致谢

感谢 Nicolai Konow 博士提供本研究使用数据。由 NSF IOS-2016049 和 NSF DBI-2021832 项目资助。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
编织型不可吸收丝线缝合线 4-0 Mersilk 734H
二水合氯化钙（CaCl₂）2)Sigma-Aldrich1086436克雷布斯-亨塞尔特 溶液
葡萄糖 Sigma-AldrichD9434克雷布斯-亨塞尔莱特 溶液
HEPESSigma-AldrichPHR1428克雷布斯-亨塞尔特 溶液
盐酸（HCl） Sigma-Aldrich1.37055克雷布斯-亨塞尔特 溶液
LabView 数据采集 Lab-View
硫酸镁（MgSO₄）4)Sigma-AldrichM7506克雷布斯-亨塞尔莱特 溶液
氯化钾（KCl） Sigma-AldrichP3911克雷布斯-亨塞尔特 溶液
磷酸二氢钾（KH₂PO₄）2PO4)Sigma-Aldrich5.43841克雷布斯-亨塞尔特 溶液
S88 刺激器草M643H05可在 eBay 购买
300B 系列杠杆系统极光1200A含水浴夹套组织浴槽
碳酸氢钠（NaHCO₃）3)Sigma-AldrichS5761克雷布斯-亨塞尔莱特 溶液
氯化钠（NaCl） Sigma-AldrichS9888克雷布斯-亨塞尔莱特 溶液
氢氧化钠（NaOH）Sigma-AldrichS5881克雷布斯-亨塞尔莱特 溶液
野生型小鼠杰克逊实验室B6C3Fe a/a Ttn mdm/J

参考文献

  1. Dickinson, M. H. How Animals move: an integrative view. Science. 288 (5463), 100-106 (2000).
  2. Sponberg, S., Abbott, E., Sawicki, G. S. Perturbing the muscle work loop paradigm to unravel the neuromechanics of unsteady locomotion. Journal of Experimental Biology. 226 (7), 243561(2023).
  3. Daley, M. A., Biewener, A. A. Running over rough terrain reveals limb control for intrinsic stability. Proceedings of the National Academy of Sciences. 103 (42), 15681-15686 (2006).
  4. Daley, M. A., Usherwood, J. R., Felix, G., Biewener, A. A. Running over rough terrain: guinea fowl maintain dynamic stability despite a large unexpected change in substrate height. Journal of Experimental Biology. 209 (1), 171-187 (2006).
  5. Daley, M. A. Understanding the agility of running birds: Sensorimotor and mechanical factors in avian bipedal locomotion. Integrative and Comparative Biology. 58 (5), 884-893 (2018).
  6. Biewener, A. A. Animal locomotion. , Oxford University Press. Oxford New York. (2003).
  7. Robertson, B. D., Sawicki, G. S. Unconstrained muscle-tendon workloops indicate resonance tuning as a mechanism for elastic limb behavior during terrestrial locomotion. Proceedings of the National Academy of Sciences. 112 (43), E5891-E5898 (2015).
  8. Josephson, R. K. Mechanical power output from striated muscle during cyclic contraction. The Journal of Experimental Biology. 114, 493-512 (1985).
  9. Ahn, A. N. How muscles function - the work loop technique. Journal of Experimental Biology. 215 (7), 1051-1052 (2012).
  10. Sawicki, G. S., Robertson, B. D., Azizi, E., Roberts, T. J. Timing matters: tuning the mechanics of a muscle-tendon unit by adjusting stimulation phase during cyclic contractions. Journal of Experimental Biology. 218 (19), 3150-3159 (2015).
  11. Libby, T., Chukwueke, C., Sponberg, S. History-dependent perturbation response in limb muscle. Journal of Experimental Biology. 223 (1), (2020).
  12. Askew, G. N., Marsh, R. L., Ellington, C. P. The mechanical power output of the flight muscles of blue-breasted quail ( Coturnix chinensis ) during take-off. Journal of Experimental Biology. 204 (21), 3601-3619 (2001).
  13. Sponberg, S., Libby, T., Mullens, C. H., Full, R. J. Shifts in a single muscle's control potential of body dynamics are determined by mechanical feedback. Philosophical Transactions of the Royal Society of London. Series B, Biological Sciences. 366 (1570), 1606-1620 (2011).
  14. Loeb, G. E., Brown, I. E., Cheng, E. J. A hierarchical foundation for models of sensorimotor control. Experimental Brain Research. 126 (1), 1-18 (1999).
  15. Wakeling, J. M., Tijs, C., Konow, N., Biewener, A. A. Modeling muscle function using experimentally determined subject-specific muscle properties. Journal of Biomechanics. 117, 110242(2021).
  16. The Mathworks. MATLAB:R2021a. The Mathworks. , (2021).
  17. Tenan, M. S., Tweedell, A. J., Haynes, C. A. Analysis of statistical and standard algorithms for detecting muscle onset with surface electromyography. PLOS ONE. 12 (5), 0177312(2017).
  18. Roberts, T. J., Gabaldón, A. M. Interpreting muscle function from EMG: lessons learned from direct measurements of muscle force. Integrative and Comparative Biology. 48 (2), 312-320 (2008).
  19. Rice, N., Bemis, C. M., Daley, M. A., Nishikawa, K. Understanding muscle function during perturbed in vivo locomotion using a muscle avatar approach. Journal of Experimental Biology. 226 (13), 244721(2023).
  20. Silva Cornachione, A., CaçãoOliveiraBenedini-Elias, P., Cristina Polizello , P., César Carvalho, L., CláudiaMattiello-Sverzut, A. Characterization of Fiber types in different muscles of the hindlimb in female weanling and adult wistar rats. Acta Histochemica Et Cytochemica. 44 (2), 43-50 (2011).
  21. Hämäläinen, N., Pette, D. The histochemical profiles of fast fiber types IIB, IID, and IIA in skeletal muscles of mouse, rat, and rabbit. Journal of Histochemistry & Cytochemistry. 41 (5), 733-743 (1993).
  22. Charles, J. P., Cappellari, O., Spence, A. J., Hutchinson, J. R., Wells, D. J. Musculoskeletal geometry, muscle architecture and functional specialisations of the mouse hindlimb. PLOS ONE. 11 (4), 0147669(2016).
  23. Nishikawa, K. Titin: A Tunable spring in active muscle. Physiology (Bethesda, Md). 35 (3), 209-217 (2020).
  24. Dick, T. J. M., Biewener, A. A., Wakeling, J. M. Comparison of human gastrocnemius forces predicted by Hill-type muscle models and estimated from ultrasound images). The Journal of Experimental Biology. 220, 1643-1653 (2017).
  25. Daley, M. A., Biewener, A. A. Leg muscles that mediate stability: mechanics and control of two distal extensor muscles during obstacle negotiation in the guinea fowl. Philosophical Transactions of the Royal Society B: Biological Sciences. 366 (1570), 1580-1591 (2011).
  26. Seth, A., Sherman, M., Reinbolt, J. A., Delp, S. L. OpenSim: a musculoskeletal modeling and simulation framework for in silico investigations and exchange. Procedia IUTAM. 2, 212-232 (2011).
  27. Sandercock, T. G., Heckman, C. J. Doublet potentiation during eccentric and concentric contractions of cat soleus muscle. Journal of Applied Physiology. 82 (4), Bethesda, Md. 1219-1228 (1997).
  28. Marsh, R. L. How muscles deal with real-world loads: the influence of length trajectory on muscle performance. The Journal of Experimental Biology. 202, 3377-3385 (1999).
  29. Hessel, A. L., Monroy, J. A., Nishikawa, K. C. Non-cross bridge viscoelastic elements contribute to muscle force and work during stretch-shortening cycles: evidence from whole muscles and permeabilized fibers. Frontiers in Physiology. 12, 648019(2021).
  30. Lindstedt, S., Nishikawa, K. Huxleys' missing filament: form and function of titin in vertebrate striated muscle. Annual Review of Physiology. 79, 145-166 (2017).
  31. Abbate, F., De Ruiter, C. J., Offringa, C., Sargeant, A. J., De Haan, A. In situ rat fast skeletal muscle is more efficient at submaximal than at maximal activation levels. Journal of Applied Physiology. 92 (5), 2089-2096 (2002).
  32. Eng, C. M., Smallwood, L. H., Rainiero, M. P., Lahey, M., Ward, S. R., Lieber, R. L. Scaling of muscle architecture and fiber types in the rat hindlimb. Journal of Experimental Biology. 211 (14), 2336-2345 (2008).
  33. Manuel, M., Chardon, M., Tysseling, V., Heckman, C. J. Scaling of motor output, from mouse to humans. Physiology (Bethesda, Md). 34 (1), 5-13 (2019).
  34. Zajac, F. E. Muscle and tendon: properties, models, scaling, and application to biomechanics and motor control. Critical Reviews in Biomedical Engineering. 17 (4), 359-411 (1989).
  35. Rice, N. Understanding muscle function during in vivo locomotion using a novel muscle avatar approach. ProQuest Dissertations and Theses. , https://libproxy.nau.edu/login?url=https://www.proquest.com/dissertationstheses/understanding-muscle-function-during-em-vivo/docview/2444890224/se-2?accountid=12706 (2020).

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

“Avatar”，一种改良版 离体 使用工作循环实验 体内 应变与激活
联系我们
向图书馆推荐

隐私

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。