A060 最新 Nat Neurosci | 藏不了一点，科学家发现面部表情会“泄密”

来源：公众号 PSY-Brain_Frontier ｜ 发布：2025-10-24 ｜ 原文链接

PsyBrain 脑心前沿 | 公众号 PSY-Brain_Frontier

一键关注，点亮星标 ⭐️

不错过每日前沿资讯

认知神经科学前沿文献分享

基本信息：

Title:Facial expressions in mice reveal latent cognitive variables and their neural correlates

发表时间：2025.9.30

Journal:Nature neuroscience

影响因子：20.0

获取原文：

1. 后台回复“文献”即可获取PDF版本
2. 点击页面底部“阅读原文”即可跳转论文原网页

省流总结

这篇论文研究了小鼠在决策任务中，其无意识的面部表情是否能反映大脑内部的认知状态 。传统观点难以区分这些表情是真正反映认知，还是仅仅是执行任务动作（如舔水）产生的附带行为 。作者采用了一项巧妙的觅食任务，在该任务中，小鼠大脑会同时计算多种决策变量（DVs），包括当前正在使用的和未在行为中表达的（即“潜在的”）。作者的主要工作是结合高分辨率视频 和神经记录 ，证明了小鼠的面部表情不仅能编码当前任务相关的决策变量，还能同样清晰地编码那些当前未被使用、但大脑仍在计算的潜在决策变量 。首次提供了确凿证据，表明面部表情是认知活动（包括隐藏的认知活动）的丰富、高维度的“读出器” 。并且，研究通过相关性（时间延迟）和因果性（光遗传学）实验，证明了这些面部表情部分起源于次级运动皮层（M2）的神经活动 。

研究动机与背景

研究背景/共识： 大脑控制身体产生适应性行为 ，但同时也知道大脑活动会“泄漏” (leakage) 为非有意的、非适应性的“附带动作” (incidental movements)，如面部表情和身体语言 。这些附带动作被认为可能反映了内部认知状态

前人工作与困境： 之前的研究已将附带动作（如姿势、瞳孔）与工作记忆或决策变量联系起来 。然而，这些研究中的附带动作几乎总是与当前正在执行的任务或用于报告决策的动作（如手臂移动）相关联 。

主要挑战： 最大的挑战在于，很难排除附带动作（表情）只是因为它们在生物力学上与执行任务所必需的动作（例如舔水、奔跑）相耦合 。换言之，我们不知道面部表情是在反映“认知”，还是在反映“动作”的副产品。

关键科学问题： 作者试图解决的关键问题是：附带的面部动作能否反映与当前任务报告无关的、真正“潜在”的认知变量？如果能证明这一点，将表明非侵入性的面部监测确实可以作为揭示大脑中隐藏的、高维认知计算的可靠窗口 ，并有助于定位这些认知信号“泄漏”到运动系统的神经机制 。

实验设计与方法逻辑

为解决“面部表情是否反映潜在认知”这一核心问题，作者设计了一套精妙的实验逻辑。他们采用了一个概率性觅食任务 ，在该任务中，小鼠需要根据奖赏和失败（舔水）的序列来决定“留下”还是“离开”一个觅食点 。关键在于，先前研究表明小鼠会自发切换多种决策策略（如基于推断的策略或基于刺激绑定的策略） ，每种策略对应一个可量化的决策变量（DV） 。作者使用LM-HMM模型来实时识别小鼠当前正在使用的策略 。这就创造了一个核心测试条件：小鼠大脑会同时计算多个DVs，但在某一时刻其行为只由其中一个DV主导 。作者利用这一点，通过高分辨率摄像机 捕捉面部运动（使用SVD提取运动主成分PCs） ，并使用广义线性模型（GLMs） 来解码。他们特别测试了面部表情是否能解码那些当前未被使用（即潜在的、与当前行为报告正交的）的DVs 。最后，他们结合Neuropixels神经记录 和光遗传学手段 （如抑制M2），探究这些面部表情的神经起源及其因果关系。

基本假设

研究中明确提出了两个对立的假设（场景），并在Fig. 3e中进行了图示说明 ：

Fig 3e: Schematic representation of hypothetical performance of strategy-dependent (left) versus strategy-independent (right) models. Left: the decoding accuracy of the decision variables depends on the strategy. Right: the decoding accuracy of the decision variables is independent of the strategy.

1. 策略依赖（Strategy-dependent）假设： 这是一个“平庸”的假设，即面部表情仅在指导行为时才与决策变量相关 。例如，只有当小鼠使用“推断策略”时，脸上才会有“连续失败次数”的表情 。
2. 策略独立（Strategy-independent）假设： 这是作者的核心假设，即面部表情会反映所有被大脑计算的决策变量，无论它们当前是否被用于指导行为 。

为了验证假设，作者搭建了如下平台，并构建了研究设计：

Fig. 1: Task, strategies and decision variables.

核心发现

发现一：面部表情可被解码以预测不同的决策变量

作者使用面部运动PCs（主成分）作为预测因子，利用GLM模型成功地从面部表情中解码了行动结果（奖赏/失败）、“连续失败次数”（推断策略DV）和“负价值”（刺激绑定DV）。其中，Fig. 2b显示，使用“全脸”或“上半脸”的PCs对“Unique consec. failures”（独特连续失败次数）和“Unique neg. value”（独特负价值）的解码准确率（Decoding accuracy, R²）远高于使用“Body”（身体）或对照的“Arbitrary signal”（任意信号） 。Fig. 2d展示了不同DV对应的加权运动能量图（Weighted mask），显示了它们具有独特且可区分的面部运动模式 。

Fig. 2: Stereotyped facial expressions of decision variables.

发现二：面部表情独立于当前策略，持续编码潜在的（未使用的）决策变量

Fig. 3e图示了“策略依赖”（左）和“策略独立”（右）两种假设的预期结果 。Fig. 3f的真实数据显示，解码准确率不依赖于当前策略，完美复现了“策略独立”模型（Fig. 3e, right） 。例如，即使在小鼠使用“Persistent inference”策略时（粉色点），其面部表情依然能被高精度地解码出“VAL”（Negative Value，蓝色策略的DV） 。这强力证明了面部表情编码了未被使用的（潜在的）认知变量。

Fig. 3: Facial expressions of decision variables do not depend on the strategy.

发现三：M2的神经活动在时间上先于面部表情，且解码能力相当

作者比较了面部PCs和不同脑区（M2, OFC, OC）神经活动对DVs的解码能力和时间延迟。 Fig. 4d和4e显示，面部PCs（Facial PCs, 黄金色）对DVs的解码准确率与M2（深灰色）相当 ，且显著高于OFC和OC 。Fig. 4f的时间延迟（Latency）分析显示，M2的表征（x轴）比面部表情（y轴）更早出现（点在y=x对角线的右下方，即M2延迟更短） ，平均早约50ms 。这表明M2的信号可能驱动了面部表情。

Fig. 4: Expressions of decision variables in facial movement versus neurons.

发现四：光遗传学抑制M2会损害面部表情对决策变量的编码

这是支持M2作用的因果证据。作者通过光遗传学抑制了M2活动 。Fig. 5d（上图）显示，在激光开启（Laser ON，青色）时，解码准确率（R²）的峰值低于激光关闭（Laser OFF，黑色） 。Fig. 5e的散点图更清晰地显示，在抑制组（Inactivated）中，Laser ON的解码准确率（y轴）系统性地低于Laser OFF（x轴），数据点均在对角线（unity line）下方 。同时，Fig. 5f显示Laser ON导致了更长的解码延迟（点在对角线上方） 。这证明M2活动对于维持面部表情对DVs的正常编码是必需的。

Fig. 5: Effect of M2 inactivation on facial expressions of decision variables.

Author information

共一第一兼通讯作者：Fanny Cazettes

Champalimaud Foundation, Lisbon, Portugal

Institut de Neurosciences de la Timone, CNRS and Aix Marseille Université, Marseille, France

共一第二：Davide Reato

前两单位同共一第一

Departement BEL, Centre CMP, Mines Saint-Etienne, Gardanne, France

最后署名：Zachary F. Mainen

Champalimaud Foundation, Lisbon, Portugal

Abstract

Brain activity controls adaptive behavior but also drives unintentional incidental movements. Such movements could potentially be used to read out internal cognitive variables that are also neurally computed. Establishing this would require ruling out that incidental movements reflect cognition merely because they are coupled with task-related responses through the biomechanics of the body. Here we addressed this issue in a foraging task for mice, where multiple decision variables are simultaneously encoded even if, at any given time, only one of them is used. We found that characteristic features of the face simultaneously encode not only the currently used decision variables but also independent and unexpressed ones, and we show that these features partially originate from neural activity in the secondary motor cortex. Our results suggest that facial movements reflect ongoing computations above and beyond those related to task demands and demonstrate the ability of noninvasive monitoring to expose otherwise latent cognitive states.

相关阅读

周报-20251006 | 近两周解读的29篇顶刊论文汇总 | 认知神经科学前沿动态 ⭐️[解读链接]

周报-20250922 |认知神经科学前沿动态周览 *⭐️[解读链接]***

周报-20251020|认知神经科学前沿动态周览**⭐️[ 解读链接 ]****

Nature |决策过程的动力学机制与神经模式转变 ⭐️[解读链接]

Nature |颠覆认知 ! “神经振荡”不成立？耶鲁团队提出大脑“伽马事件”新理论  ⭐️[解读链接]

Science |中国将领衔未来25年全球脑计划，剑指灵长类大脑地图  *⭐️[解读链接]***

Neuron |大脑如何区分现实与想象？伦敦大学学院团队最新研究揭秘“现实信号”的神经密码 ⭐️[解读链接]

Nature | 视觉系统新发现：压缩式的物体识别机制 ⭐️[解读链接]

Nat Hum Behav｜你不是天生就爱跟风：社会特征学习理论揭示人类“随大流”背后的秘密  *⭐️[解读链接]***

Nature |“读心术”成真？从瞳孔变化中解码大脑皮层完整时空动态 ⭐️[解读链接]

PNAS｜刷短视频停不下来？研究揭示“新奇感”是驱动人类探索的古老密码 *⭐️[解读链接]***

Neuron | 最强脑发育数据库RBC开放下载，6000+青少年大脑数据揭示精神健康的秘密 ⭐️[解读链接]

Nature 子刊综述｜大脑预测误差的核心回路 *⭐️[解读链接]***

前沿交流 | 欢迎加入认知神经科学前沿交流群！⭐️[解读链接]

本文解读基于：Facial expressions in mice reveal latent cognitive variables and their neural correlates，Doi：10.1038/s41593-025-02071-5IF: 20.0 Q1 B1。核心图表、方法细节、统计结果与讨论见原文及其拓展数据。

分享人：天天

审核：PsyBrain 脑心前沿编辑部

PsyBrain 脑心前沿

带你了解心理学、脑科学的前沿知识与技术流程

预览时标签不可点

阅读原文

不喜欢

微信扫一扫
关注该公众号

知道了

微信扫一扫
使用小程序

取消 允许

取消 允许

取消 允许

× 分析

微信扫一扫可打开此内容，
使用完整服务