Science：首次解读小鼠面部表情

来源：科研圈

小鼠的面部表情透露了它的感受，这为研究人员研究情绪的神经机制提供了可能性。

图片来源：马克斯·普朗克神经生物学研究所/ KUHL

来源 MAX-PLANCK-GESELLSCHAFT                                        

马克斯·普朗克神经生物学研究所（Max Planck Institute of Neurobiology）的研究人员首次描述了小鼠不同情绪的面部表情。与人类相似，当小鼠尝到了甜味或苦味，或变得焦虑时，它们的脸看起来完全不同。有了这种测量小鼠情绪的新方法，神经生物学家将得以研究大脑中产生和处理情绪的基本机制。

快乐、厌恶、恐惧——反映这些情绪的面部表情在每个人身上都是一样的。例如，当对某事感到厌恶时，我们的眼睛会眯起来，鼻子会起皱纹，上唇会不对称地扭曲。即使是刚出生的婴儿，当他们感到悲伤、高兴或厌恶时，也会有明显不同的面部表情。我们还能够识别宠物面部表情中的情感。相比之下，其它动物的面部在我们看来可能毫无表情。但正如马克斯·普朗克研究所的科学家们现在所证明的那样，这种看法是错的。

利用机器视觉，研究人员能够可靠地将五种情绪状态与小鼠的面部表情关联起来：小鼠的快乐、厌恶、恶心、疼痛和恐惧对于计算机算法来说是有明显差异的。他们甚至可以测量这些情绪的相对强度。

愉悦的表情

研究表明，小鼠的面部表情实际上不仅仅是对环境的反应。它反映了触发因素（trigger）的情感价值。这项研究的负责人 Nadine Gogolla 解释说：“当口渴的小鼠舔糖水时，它们露出的表情要比饱足的小鼠愉悦得多。”并且，尝了微咸的水的小鼠会表现出“满意”的表情，而尝了非常咸的水的小鼠则表现出“厌恶”的表情。从这些实验和其它实验中，研究人员得出结论：脱离感官刺激，面部表情实际上反映了一种情绪的内在特性。

然而，情绪不仅仅是对外部刺激的反应，它们是通过大脑本身的机制产生的。研究人员接下来研究了大脑不同区域的神经元活动如何影响面部表情。通过用光激活被认为在情绪处理中起作用的特定大脑区域，神经生物学家能够唤起不同情绪的面部表情。

情绪背后的机制

发现小鼠面部表情的主要好处是让我们得以探索产生情绪的机制。而这正是目前的问题所在：如果没有可靠的情绪测量方法，研究情绪在大脑中的起源就很困难。该研究的第一作者 Nejc Dolensek 说道：“我们人类可能会注意到小鼠面部的细微变化，但我们只能通过大量的经验来识别其背后的情绪，而且几乎无法判断其强度。有了这个自动面部识别系统，我们现在可以在毫秒级的时间尺度上测量一种情绪的强度和性质，并将其与大脑相关区域的神经元活动进行比较。”其中一个大脑区域是岛叶皮层（insular cortex），它与动物和人类的情感行为和情感感知相关。

当科学家们用双光子显微镜测量单个神经元的活动，并同时记录小鼠的情绪面部表情时，令人惊讶的事情出现了：岛叶皮层的单个神经元反应与小鼠的面部表情强度相同，发生时间也完全相同。此外，每个神经元只与一种情绪有关联。

这些结果表明了“情绪神经元”的存在，每个神经元都反映一种特定的感觉，至少在岛叶皮层是这样。Nadine Gogolla 解释说：“通过记录面部表情，我们现在可以在小鼠动物模型中研究情绪背后的基本神经元机制。这是研究情绪及其处理过程中可能出现的障碍（如焦虑障碍或抑郁症）的重要前提。”

原文链接：https://eurekalert.org/emb_releases/2020-04/m-tfe033120.php 

论文信息

【标题】Facial expressions of emotion states and their neuronal correlates in mice

【作者】Nejc Dolensek, Daniel A. Gehrlach, Alexandra S. Klein, Nadine Gogolla

【期刊】Science

【时间】03 Apr 2020

【DOI】10.1126/science.aaz9468

【链接】https://science.sciencemag.org/content/368/6486/89 

【摘要】Understanding the neurobiological underpinnings of emotion relies on objective readouts of the emotional state of an individual, which remains a major challenge especially in animal models. We found that mice exhibit stereotyped facial expressions in response to emotionally salient events, as well as upon targeted manipulations in emotion-relevant neuronal circuits. Facial expressions were classified into distinct categories using machine learning and reflected the changing intrinsic value of the same sensory stimulus encountered under different homeostatic or affective conditions. Facial expressions revealed emotion features such as intensity, valence, and persistence. Two-photon imaging uncovered insular cortical neuron activity that correlated with specific facial expressions and may encode distinct emotions. Facial expressions thus provide a means to infer emotion states and their neuronal correlates in mice.