通过机器学习算法解锁了实验室小鼠的面部表情

2020年4月3日，德国MaxPlanck神经生物学研究的Nadine Gogolla团队在Science上发表了题为Facial expressions of emotion states and their neuronal correlates in mice的文章，报道了研究人员通过机器学习算法解锁了实验室小鼠的面部表情，发现了小鼠活动与特定情绪相关的神经回路。

该研究小组将小鼠的头部固定，然后提供引发特定情绪的不同刺激，对小鼠的面部拍照。例如，研究人员给予小鼠蔗糖或奎宁溶液，以唤起愉悦或厌恶感；给小鼠尾巴施加了微小电击使其痛苦；注射氯化锂诱发小鼠不适。

为了确保识别出的面部表情代表真正的情感，他们调节对尾巴电击的强度以及奎宁和蔗糖的浓度，实验人员观察到动物面部表情的强度也在增加。低浓度的盐溶液会在动物的脸上引起愉悦的表情（类似蔗糖实验中的表情），而高浓度的盐溶液会使它们表现出厌恶。这表明了不同刺激可以产生相同的情感表达。

机器学习算法可以识别出特定表情，这些表情是由一组特定的面部肌肉运动产生的。这些表情与诱发的情绪状态相关，例如愉悦、厌恶或恐惧。体验愉悦感的小鼠将鼻子朝其嘴巴向下拉，并将耳朵和下巴向前拉。相反，当它处于疼痛状态时，它会向后拉耳朵，使脸颊变大，有时会斜视。面部表情还具有持久性，其程度与刺激强度相关。

接下来，研究人员搜寻了可能在大脑中编码这些情绪的神经元。他们通过光遗传学技术，把小鼠的单个神经元回路作为目标，已证明这些回路可以触发人类和其他动物的特殊情绪。当研究人员直接刺激这些脑回路时，诱发了小鼠与之相关的面部表情。最后，研究小组使用双光子钙成像技术，识别了小鼠大脑中的单个神经元，且只有在唤起特定的情感和特定的面部表情时才会触发该神经元。该课题组认为这些神经元可能代表了大脑情绪编码的一部分。他们认为情感编码可能是进化保守的，因此人类和小鼠的编码可能具有一些共同的特征。