一根神經，如何把「燙！」從指尖送到腦海？

一根神經，如何把「燙！」從指尖送到腦海？

想像你伸手去端一個鍋子，指尖才剛碰到滾燙的金屬，還來不及思考，手就猛然縮回。那一瞬間，你的身體做了一件驚人的事：把「燙」這個訊號，從指尖以每秒數十公尺的速度，沿著一條細到肉眼幾乎看不見的神經纖維，傳到脊髓再傳回肌肉。

問題來了——神經纖維又不是電線，裡面沒有自由流動的電子。那麼，這個訊號究竟是用什麼方式「跑」過去的？答案就是本文的主角：動作電位（action potential）。它不是電流在導線裡的流動，而是一波在細胞膜上自我再生、不會衰減的電化學脈衝。理解它，你就握住了整個神經系統運作的最小密碼。

起點：安靜時的神經元並不「平靜」

要理解訊號怎麼跑，得先看看神經元在「沒事」的時候是什麼狀態。

一個神經元的細胞膜把內外隔成兩個世界。靜止時，膜內相對於膜外帶有約 −70 毫伏（mV） 的電位差，這稱為靜止膜電位（resting membrane potential）。注意這個「靜止」其實是個假象——維持這個電位需要持續耗能。

這個電位差來自兩股力量的拉鋸：

• 離子濃度差：細胞外鈉離子（Na⁺）多、鉀離子（K⁺）少；細胞內則相反，K⁺ 多、Na⁺ 少。這個不平衡由膜上的鈉鉀幫浦（Na⁺/K⁺-ATPase）主動維持，它每消耗一個 ATP，就把 3 個 Na⁺ 打出細胞、把 2 個 K⁺ 拉進來。
• 膜的選擇性通透：靜止時膜對 K⁺ 的通透性遠高於 Na⁺（漏鉀通道一直開著）。K⁺ 順著濃度差往外流，留下膜內偏負的電荷。

當 K⁺ 外流造成的電性吸引力，剛好抵消濃度差造成的外流推力時，系統達到平衡——這個平衡點就接近 −70 mV。這背後的定量描述，正是物理化學裡的能斯特方程式（Nernst equation）與更完整的 GHK 方程式（Goldman-Hodgkin-Katz equation）。

換句話說，神經元就像一顆隨時充飽電、準備被觸發的微型電池。

點火：全有全無的爆發

現在訊號來了。當指尖的感覺受器把「燙」轉換成電訊號，神經元的膜電位開始往正的方向移動，這叫去極化（depolarization）。

關鍵角色登場：電壓門控鈉離子通道（voltage-gated Na⁺ channel）。這種通道平常關著，但對膜電位很敏感。當去極化把膜電位推過一個臨界值——閾值（threshold，約 −55 mV）——大量鈉通道瞬間打開。

接下來發生的事像雪崩：

1. 去極化（上衝）：Na⁺ 順著濃度差與電性吸引，洶湧灌入細胞內，膜電位飛快衝向正值，最高可達約 +30 至 +40 mV。Na⁺ 內流本身又進一步去極化，打開更多鈉通道——這是一個正回饋（positive feedback）循環，所以一旦過閾值就剎不住車。
2. 再極化（下降）：鈉通道有個巧妙設計——它會在開啟後約 1 毫秒自動去活化（inactivation），像門被一片擋板暫時封住。同時，較慢的電壓門控鉀離子通道才姍姍打開，K⁺ 大量外流，把膜電位重新拉回負值。
3. 過極化（undershoot）：鉀通道關得慢，K⁺ 外流稍微「過頭」，膜電位短暫低於 −70 mV，之後才回穩到靜止值。

整個過程約 1–2 毫秒。

這裡有個極重要的性質：動作電位是全有全無（all-or-none）的。只要刺激達到閾值，就會爆發一個固定振幅、固定波形的動作電位；刺激再強，波形也不會更大。沒達到閾值，就什麼都不發生。

那麼神經系統怎麼編碼「強度」？ 不是靠單一脈衝的大小，而是靠頻率（firing rate）——燙得越厲害，神經元每秒發放的動作電位越多。這就是著名的頻率編碼（rate coding）。

不會倒退：不反應期的妙用

你可能會問：既然一段膜被去極化，它會不會把訊號往「回頭路」也傳一遍，搞得來回亂跳？

不會。秘訣在不反應期（refractory period）：

• 絕對不反應期（absolute refractory period）：鈉通道處於去活化狀態時，無論刺激多強都無法再開，這段膜暫時「不能再點火」。
• 相對不反應期（relative refractory period）：鈉通道逐漸恢復，但因為鉀通道還開著、膜偏過極化，需要更強的刺激才能再觸發。

剛剛放完電的那段膜還在不反應期，所以動作電位只能往「前方尚未興奮」的膜傳播。不反應期確保訊號單向前進、不會回流，同時也設下神經元的最高發放頻率上限。

看一個例子：訊號如何「一棒接一棒」傳下去

把軸突想成一排骨牌。某一段膜爆發動作電位後，內流的 Na⁺ 不只停在原地，會沿著軸突內部往兩側擴散，把相鄰的下一段膜也去極化到閾值，於是下一段也爆發——再去極化更下一段，如此一棒接一棒。

關鍵在於：每一段膜都重新「點火」一次，振幅完全恢復。這就是為什麼動作電位不會像水波那樣越傳越弱。它是「再生式（regenerative）」傳導，而不是被動衰減的電訊號。一條一公尺長的坐骨神經，訊號從脊髓傳到腳趾，到站時依然滿格。

這也回答了開頭的問題：訊號不是「一個東西」跑過去，而是爆發的位置在移動——像跑馬燈的光點，每顆燈泡只是依序亮起。

加速:髓鞘與跳躍式傳導

如果每一小段膜都得老老實實重新點火，傳導其實不算快。演化給出的加速方案是髓鞘（myelin sheath）。

在許多脊椎動物的軸突外，由寡突膠細胞（中樞）或許旺細胞（周邊）纏繞出一層層脂質絕緣鞘。髓鞘不是連續的，每隔一段有個裸露的缺口，叫蘭氏結（node of Ranvier），那裡密集分布著鈉通道。

被髓鞘包住的膜段幾乎不漏電，訊號能以接近「短路」的速度被動傳到下一個蘭氏結，只在蘭氏結處重新點火放大。於是動作電位看起來像在一個個節點之間「跳躍」，這稱為跳躍式傳導（saltatory conduction，saltare 在拉丁文是「跳躍」）。

效果有多顯著？

• 無髓鞘的細軸突，傳導速度約每秒 0.5–2 公尺。
• 有髓鞘的粗軸突，可達每秒 100 公尺以上——時速超過 360 公里。

這正是為什麼你縮手縮得那麼快。也正是為什麼多發性硬化症（multiple sclerosis）這類髓鞘受損的疾病，會造成傳導變慢、訊號失真，引發無力、麻木與協調障礙。

動手試試：用三個變數推估傳導速度

不必進實驗室，你也能定性推理。影響傳導速度的三大因素：

1. 軸突直徑：越粗，軸突內電阻越小，局部電流擴散越遠、越快。（這也是為何烏賊有條「巨大軸突」用於逃生反射——直徑可達 1 毫米，肉眼可見，正是 Hodgkin 與 Huxley 當年得以插入電極研究的對象。）
2. 髓鞘化程度：有髓鞘 → 跳躍式傳導 → 大幅加速。
3. 溫度：溫度越低，通道開關越慢，傳導越慢。（這就是冰敷能暫時麻痺痛覺的部分原因。）

試著排序看看：一條「粗、有髓鞘、溫暖」的軸突，和一條「細、無髓鞘、冰冷」的軸突，誰快？答案顯而易見——前者快上好幾個數量級。把這三個旋鈕轉一轉，你就能預測任何一條神經的「網速」。

終點：訊號如何交棒

動作電位傳到軸突末端（突觸前末梢）後，故事還沒結束。去極化打開了電壓門控鈣離子通道（voltage-gated Ca²⁺ channel），Ca²⁺ 內流觸發突觸囊泡釋放神經傳導物質（neurotransmitter），化學訊號越過突觸間隙，作用到下一個神經元——電訊號就此轉成化學訊號，再轉回電訊號，接力傳遞。

這個「電 → 化學 → 電」的轉換，正是大腦能進行複雜運算與學習的物理基礎。突觸強度可被經驗改變（突觸可塑性），便是記憶與學習的細胞層次機制。

重點回顧

• 靜止膜電位（約 −70 mV）由離子濃度差與膜的選擇性通透共同決定，並靠鈉鉀幫浦主動維持；神經元像隨時待命的微型電池。
• 動作電位是全有全無的爆發：去極化過閾值 → 鈉通道開、Na⁺ 內流（上衝）→ 鈉通道去活化、鉀通道開、K⁺ 外流（再極化）→ 短暫過極化 → 回復。全程約 1–2 毫秒。
• 訊號強度靠頻率編碼，不是靠脈衝振幅；不反應期確保傳導單向不回流並設定最高發放頻率。
• 再生式傳導讓動作電位沿軸突一棒接一棒、振幅不衰減，而非被動衰減。
• 髓鞘 + 跳躍式傳導大幅提速（可達 >100 m/s）；軸突直徑、髓鞘化、溫度是決定速度的三大旋鈕。

深入探討（研究所視角）

Hodgkin–Huxley 模型：把生物變成方程式。 1952 年，Alan Hodgkin 與 Andrew Huxley 利用烏賊巨大軸突與電壓鉗（voltage clamp）技術，量化了 Na⁺ 與 K⁺ 電導隨電壓與時間的變化，建立了著名的 Hodgkin–Huxley 方程式。他們用 m、h、n 三個門控變數（m 與 h 描述鈉通道的活化與去活化，n 描述鉀通道活化）寫出一組非線性微分方程，精準重現動作電位波形，並因此獲得 1963 年諾貝爾生理醫學獎。這是計算神經科學的奠基之作——它把「離子流」化為可模擬、可預測的動力系統。值得一提的是，他們是在尚未直接觀測到單一通道蛋白前，純粹從巨觀電流反推出通道的存在與行為；數十年後的膜片鉗（patch clamp，Neher 與 Sakmann，1991 諾貝爾獎）才直接記錄到單一離子通道的開關，完美印證了這個推論。

門檻、分歧與動力系統觀點。 從非線性動力學看，神經元的閾值對應一個分岔（bifurcation）：閾下刺激讓系統回到靜止點，閾上刺激把系統推入一段大幅度的極限環軌跡（即動作電位）。不同神經元可分為 Type I（發放頻率可從接近 0 連續增加，對應 saddle-node 分岔）與 Type II（發放有最低頻率，對應 Hopf 分岔），這解釋了不同神經元在編碼上的差異。簡化模型如 FitzHugh–Nagumo 與 Izhikevich 模型，用更少的變數捕捉這些定性行為，是大規模腦模擬的常用工具。

跨領域連結：從生物到 AI。 動作電位的「全有全無」與「閾值觸發」，正是人工神經網路中激活函數（activation function）與早期感知器（perceptron）「神經元發放與否」抽象的生物原型。今日的脈衝神經網路（Spiking Neural Networks, SNN）更進一步，直接以離散的 spike 與時間動態作為運算單位，追求類腦的低功耗運算（neuromorphic computing）。不過要提醒一個常見迷思：人工神經元的「激活」與生物動作電位只是靈感上的類比，兩者的時間尺度、能量機制與資訊編碼方式差異極大，不宜過度等同。

與優生物、優心理的連結。 往下走，動作電位連接到分子生物學——通道蛋白的胺基酸序列如何決定其電壓敏感性與選擇性（離子通道病 channelopathy，如某些癲癇與心律不整即源於通道基因突變），這是優生物的領域。往上走，動作電位的群體放電模式（神經編碼）連接到知覺、決策與意識——當千萬個神經元的 spike 在時間與空間上協調，就湧現出心理學所研究的認知現象。從一個 1 毫秒的離子流脈衝，到一個念頭的形成，這條從分子到心智的長鏈，正是神經科學最迷人的核心命題。

一個值得思考的開放問題。 動作電位幾乎是「數位」的（全有全無），但神經系統真的只用 spike 的時間（temporal coding）與頻率（rate coding）編碼資訊嗎？近年研究顯示，軸突傳導並非完全「數位」——閾下膜電位的變化可以調節傳導與突觸釋放（analog-digital facilitation），意味著神經元可能同時在用類比與數位兩種方式傳訊。這個尚未完全釐清的議題，提醒我們：即使是教科書級的經典機制，前沿研究仍在不斷改寫細節。