PsyBrain 脑心前沿 / 科研分析：认知神经科学前沿的结构化精读 / E · 情绪 · 社会 · 人格 / E034 · NatCommun你的情绪坐标在哪里？fMRI结合计算建

E034 Nat Commun | 你的情绪坐标在哪里？fMRI结合计算建模揭秘“情绪认知地图”的神经解剖基础

来源：公众号 PSY-Brain_Frontier ｜发布：2026-03-18 ｜原文链接

一键关注，点亮星标 ⭐️ 前沿不走丢！

认知神经科学前沿文献分享

基本信息

Title:Map-like representations of emotion knowledge in hippocampal-prefrontal systems

发表时间：2026.1.26

发表期刊: Nature Communications

影响因子：15.7

获取原文：

*添加小助手:*PSY-Brain-Frontier即可获取PDF版本
点击页面底部“阅读原文”即可跳转论文原网页

研究背景

人类的情绪体验远不止是心跳加速或手心出汗这样的瞬间身体反应，它深刻依赖于我们跨越时间和情境所积累的“情绪知识”。不论是童年宠物带来的具体温馨感，还是面对危险时产生的普遍威胁感，即使这些经历在视觉、听觉和思维上千差万别，我们的大脑都能神奇地将它们抽象并压缩成不同的情绪类别。

以往的行为学研究表明，人类天生自带一种“降维”能力：我们会用一个由“效价”（Valence，即愉悦或不愉悦）和“唤醒度”（Arousal，即平静或激动）组成的二维低维空间来概念化复杂的情绪体验。这就好比我们在内心中绘制了一张“情绪地图”，将不同的感受像地标一样锚定在坐标系中。有了这张地图，我们就能预测情绪的走向（例如从焦虑不可避免地滑向恐惧），并以此指导决策。

然而，这个过程背后存在一个巨大的未解之谜：大脑究竟是如何构建这种低维情绪结构的？我们确知海马体与前额叶回路（hippocampal-prefrontal circuits）是人类构建物理空间认知地图、进行导航的核心枢纽。那么，这套用于“空间认路”的神经系统，是否也同样支持我们对情绪体验进行结构化的抽象，从而在“心灵的迷宫”中导航呢？

近期，一篇发表于 Nature Communications 的最新研究直击这一痛点，揭示了大脑组织情绪知识的底层逻辑。

研究核心总结

本研究让参与者在功能磁共振成像（fMRI）扫描下观看了超过2.5小时的引发情绪波动的电影片段。研究者不仅收集了独立被试对电影的连续情绪评分，还创新性地引入了关系记忆的计算模型：托尔曼-艾宾浩斯机（Tolman-Eichenbaum Machine, TEM）来模拟人类情绪地图的形成过程。

Fig. 1 | Experimental paradigm and behavior.

一、海马体构建情绪的“层级概念库”

研究表明，海马体的活动模式并不是简单地反映二维的情感坐标，而是以一种结构化的层级方式表征了具体的情绪概念（如恐惧、愤怒、内疚等）。这种表征具有精细的解剖学梯度：后侧海马体（Posterior hippocampus）更擅长编码细粒度、高颗粒度的具体情绪类别；而前侧海马体（Anterior hippocampus）则更多参与表征时间尺度更长、更宽泛的情感状态。这种组织方式说明，海马体会根据情绪之间的共享属性（如效价），将它们在时间与语义上进行层级化聚类。

Fig. 2 | Decoding the representation of emotion concepts in the human hippocampus.

二、腹内侧前额叶（vmPFC）追踪情绪的“二维轨迹”

与海马体形成鲜明对比（双重分离），腹内侧前额叶皮层（vmPFC）能够比具体情绪类别更准确地追踪个体在二维情感空间中的连续轨迹。研究结果显示，vmPFC的作用并非直接编码独立的效价或唤醒度维度，而是负责表征一种高度整合的、低维的关系结构，类似于地图中的经纬度网格。

Fig. 3 | Decoding emotion category ratings and trajectories in affective space from BOLD response patterns in hippocampal-prefrontal systems and the amygdala.

三、认知模型（TEM）揭示神经计算机制

为了探究背后的具体计算机制，研究者利用TEM模型模拟了智能体在情绪空间中的导航学习。fMRI数据与模型内部状态的比对显示出惊人的一致性：海马体的神经活动高度契合模型中的“p层”：将特定的感官体验与抽象位置绑定在一起的“联合编码”（Conjunctive codes）。相反，vmPFC的活动则高度匹配模型中的“g层”，特别是在较大尺度上，提供了一种跨越整个情感空间的抽象网格状关系结构（Grid-like code）。

图10

Fig. 4 | Simulating the construction of emotion maps using the Tolman- Eichenbaum Machine (TEM).

图11

研究意义

该研究提供了一个极具启发性的结论：人类大脑在组织抽象的情绪知识时，复用了与空间导航和物理环境映射相同的“认知地图”神经计算机制。我们日常在自我报告中习惯使用的“效价-唤醒”情绪二维图景，本质上正是海马-前额叶系统进行高级神经计算和关系抽象后的直接产物。

图12

Fig. 5 | Decoding representations of conjunctive codes and relational structure in hippocampal-prefrontal systems.

图13

Abstract

Why do some experiences endure in memory better than others? Here we explore the possibility that learning fluctuates rhythmically several times per second, with fortuitously timed experiences being more memorable. Although such fleeting opportunities for encoding would evade our awareness, they are predicted by a prominent model describing how theta rhythms in the brain coordinate memory—the Separate Phases for Encoding and Retrieval (SPEAR) model. In a preregistered study, we adapted a dense sampling approach to reconstruct the millisecond time course of memory encoding in n = 125 participants. We found that memory encoding fluctuated at a theta rhythm (3–10 Hz), that these rhythms were not a by-product of rhythmic attention and that—like theta rhythms in the brain—memory rhythms were modulated by putative markers of acetylcholine. Our findings provide behavioural evidence consistent with the SPEAR model of episodic memory.

图14