想象一下，当你的指尖触摸到一个光滑的球体时，皮肤下数以万计的神经末梢会如何协作，将这个物理接触转化为大脑可以理解的“坚硬”、“光滑”等感觉信号？这个看似简单的日常行为，背后隐藏着神经科学的一个深刻问题：在我们感知外部世界的过程中，大脑是如何处理来自皮肤感受器的海量信息，同时又如何高效地分配宝贵的能量资源的？触觉信息的传递不仅与神经元网络的动态特性紧密相连，也与能量代谢息息相关。然而，长期以来，当指尖受到压缩时，神经元如何编码外界刺激信号，以及这种编码过程与伴随的能量消耗之间究竟存在怎样的内在联系，仍然是一个未解之谜。
针对这一问题，发表在《Cognitive Neurodynamics》上的一项研究进行了深入的探索。为了揭示触压刺激下神经元的编码与能量消耗机制，研究人员巧妙地构建了一个由Wang-Zhang模型作为基本单元的“星状”神经元网络，并将其与描述球体压入指尖形变的接触力学模型相结合。通过仿真模拟，他们深入探讨了网络在压力刺激下的远程同步特性和能量编码规律。
为了开展这项研究，作者主要运用了以下几种关键技术方法：1. 构建接触力学模型，以公式计算球体挤压下指尖皮肤的压力分布、位移及应变能密度，并将其通过S形函数转换为能刺激神经元的输入电流。2. 采用基于电路理论的Wang-Zhang神经元模型，该模型能从能量角度计算神经元的膜电位动态与能量消耗。3. 构建星状拓扑结构的神经元网络模型，模拟以中心节点（hub neuron）为枢纽、外围节点间无直接连接的生物神经信息传递模式，并通过平均最大相关系数和Kuramoto序参量等指标分析网络同步行为。4. 进行数值模拟，设定不同压痕深度、耦合强度和网络层数等参数，比较不同模型（Wang-Zhang与Hodgkin-Huxley）的能量消耗，并分析能量与同步性、网络结构的关系。
同步特性
研究发现，星状神经元网络可以实现中心神经元与外围神经元之间的远程同步。耦合强度越大，外围神经元之间越容易实现同步，整个网络呈现出多集群同步共存的状态。通过计算神经元之间的相位差，研究证实了中心与外围神经元之间能够实现相位同步。
能量消耗分布
研究揭示了神经元能量消耗的显著空间分布特征：中心神经元的能量消耗远高于外围神经元。这主要归因于两个因素：首先，中心神经元作为信号整合中心，接收来自所有外围节点的输入，这涉及频繁的突触传递和活跃的离子跨膜转运，消耗大量能量；其次，中心神经元直接承受外部压力，需要消耗更多能量来抵抗形变并维持膜电位稳定。总体上，神经元能量消耗呈现出以受力点为中心的“中间高、两侧低”的空间分布模式。。
压力与能量消耗的关系
指尖所受压力（压痕深度）对神经元的能量消耗有显著影响。仿真结果显示，神经元能量消耗随压痕深度变化呈现不同的模式。在低压力（d= 1 mm）下，能量消耗峰值较低，分布范围最窄，并伴随有因皮肤弹性回弹引起的次级能量峰。在中等压力（d= 3 mm）下，能量消耗峰值达到最高，分布适中且没有次级波动，代表了触觉系统能量利用效率的最佳状态，能够实现精确的压力定位和信号编码。在高压力（d= 4 ~ 5 mm）下，能量消耗峰值有所降低，但分布范围显著扩大，次级波动消失，这种空间上的能量耗散避免了对局部神经元的过度激活和潜在损伤，但也伴随着触觉定位精度略有下降。
网络层数与能量消耗的关系
研究还发现，星状神经元网络存在一个最优层数（约100层），在此层数下，网络的能量消耗与信息处理效率达到最佳平衡。层数过少时，网络容量有限，难以有效处理压力信号；层数过多（例如150层）时，网络虽然能在高压下维持持续的激活状态，但其冗余结构导致能量利用效率下降。。这个发现揭示了能量消耗与网络功能性能之间的动态权衡。
这项研究通过结合力学模型与神经动力学模型，系统阐释了在指尖压缩刺激下，星状神经元网络的同步行为、能量消耗的空间分布规律及其与外界压力的关系。其核心结论强调了中心神经元的枢纽作用和高能量消耗特性，揭示了触觉信号处理过程中的一种高效且经济的能量编码策略——通过中心节点整合信息并协调全局同步，而外围节点则以较低能耗响应的模式。研究还指出了网络结构（层数）与能量效率之间存在一个最优平衡点。这些发现不仅增进了我们对触觉感知神经代谢机制的理解，为理解大脑如何经济高效地处理感觉信息提供了新视角，也为仿生触觉传感器的设计、神经形态计算以及理解某些神经退行性疾病中能量代谢异常提供了有价值的理论参考。该模型将生物物理细节与网络拓扑特性相结合，为未来研究复杂刺激下的神经系统能量动力学开辟了新的途径。
