适应性社会行为和心理健康不仅依赖于对情绪表达的识别，而且依赖于对情绪缺失的推断。虽然承销情绪感知的神经生物学已经得到了很好的研究，但在社会信号中检测缺乏情绪内容的机制仍在很大程度上是未知的。在这里，使用大脑有效连接的先进分析，我们揭示了区分中性和情感的肢体语言的大脑网络。数据显示，相对于情绪性肢体语言，右侧杏仁核和小脑蚓中线更活跃。最重要的是，杏仁核和脑岛之间的有效连接预测了人们识别没有情绪的能力。这些结论在很大程度上扩展了当前的情绪感知概念，表明在识别肢体语言阅读中缺乏情绪时，使用了边缘有效连接。此外，通过提供肢体语言阅读和边缘通路之间缺失的环节，该结果可能会促进对抑郁症或精神分裂症中过度情绪化的社会信号的理解。因此，这项研究为从动物模型到神经精神疾病患者社会认知和潜在的小脑网络的多学科研究开辟了一条道路。 1.简介
社会认知对我们的日常生活至关重要。与面部表情相比，身体信号更不容易被意识控制，因此提供了关于一个人意图和情感状态的不受约束的信息。然而，社会认知的研究主要集中在面部暗示上。此外，大多数神经成像研究评估了相对于非情感刺激的情感反应，使大脑对中性社会信号的反应超出注意力本身。然而，适应性社会行为和心理健康也需要推断情感内容的缺失。在特殊情况下，如涉及社交距离和隔离以及更高水平的焦虑，但也需要完整的社交沟通和同理心的2019冠状病毒病(COVID-19)大流行期间这可能尤其相关。
本研究旨在描述神经网络内的因果交互作用(有效连接)，支持身体语言中情感表达缺失的检测。为此，我们使用动态因果模型(DCM)来分析来自典型发展参与者的功能磁共振(fMRI)数据。先前，由功能磁共振成像(fMRI)获得的定向有效脑连接的DCM测量被证明是有价值的行为预测标记。参与者观看了演员用中性或情感表情敲开一扇看不清楚的门的点光动画(图1A和电影S1)。
 2．结果
2.1 行为和成像测量:身体语言中缺失情绪检测的变异性推断
情绪缺失的准确性(中性敲门命中率)为0.7±0.35(平±SD)。情绪敲门的误报率(无情绪敲门)为0.21±0.19。探索性全脑功能磁共振分析对比中性敲击和情绪性敲击，发现右侧杏仁核和小脑蚓部中线的激活(图1 B和C)，而相反的对比显示右侧脑岛的激活(图1D)。
2.2 有效连接揭示了小脑边缘回路
一项DCM分析评估了在处理中性和情绪点轻敲过程中，这些区域之间的有效连通性的调节。贝叶斯模型缩减(BMR)用于确定组水平上的最优(即最优解释成像数据)连通性。这些分析表明，在中性刺激的加工过程中，杏仁核和小脑蜗与脑岛之间存在负性(即抑制性)的有效连接(图2A)，而脑岛的连接抑制了情感肢体语言的阅读过程中杏仁核和小脑的连接(图2B)。
2.3杏仁核和脑岛之间的相互作用预测行为。
通过对最佳网络下的连接强度的估计，我们随后评估了在中性和情绪性敲击中，个体之间的有效连接的差异是否可以预测参与者在情绪缺失时的行为推断。在中性击打命中率低于1.0的被试中，中性击打命中率与杏仁核到脑岛连接的变化呈负相关(皮尔逊积矩相关，r =0.75, P = 0.01，经多次比较校正)。换句话说，从杏仁核到脑岛的个体连接受到的抑制越大，参与者就越能识别出情绪的缺失。
情绪刺激加工过程中脑岛-杏仁核反向连接的调节与误报率呈正相关(r = 0.88)。这表明，在情绪肢体语言的加工过程中，脑岛到杏仁核的抑制有效连接(即去抑制)较弱的参与者更倾向于将情绪刺激标记为中性。我们发现，脑岛和小脑蚓之间的有效连接的变化和表现之间没有显著的相关性(图2)。中性刺激的处理涉及从杏仁核到小脑蚓的一个潜在的、兴奋性的有效连接。这种联系与成绩没有显著相关(r = 0.51, n.s.)。
 3.讨论
研究结果表明，通过调节杏仁核和脑岛在中性和情绪性肢体语言加工过程中的相互有效连接，可以预测人们对中性肢体语言的识别能力。脑岛和杏仁核被认为是紧密相连的。目前的研究表明，它们的相互作用可能不仅对情绪的处理很重要，而且对推断肢体语言中没有情绪内容也很重要。
杏仁核和脑岛之间的相互作用在很大程度上有助于处理传递中性情绪信息的社会信号，承担适应性社会认知和行为中一个基本但被低估的组成部分。根据以往的研究和理论模型，本研究确定了该网络的功能架构。杏仁核的特定核可以被调节到缺乏情绪内容的刺激，小脑蚓可以使用外部输入来适应内部情绪，岛叶可以作为一个整合和调节者，在评估情感身体信号时沉默其他两个成分。需要进一步的努力来阐明，这个网络是否也可以在肢体语言之外的社会信号中支持情绪中性内容的识别。未来的研究将有助于区分杏仁核内部的异质回路，以及它们与岛叶、小脑小脑蚓部和皮层网络的相互作用，以进行情绪推断和调节。
4.方法
4.1被试
17名男性右利手被试，无神经及精神疾病和药物滥用史。
4.2敲门演示
刺激时男性或女性演员面向右侧用中性或情绪性（高兴和生气）动作敲门的光点动画。刺激被投射到核磁共振扫描仪外的屏幕上。
参与者通过头部线圈上的一个倾斜的镜子观看这些照片。在每个试验中，参与者通过按下相应的按钮来表示他们所感知到的情绪。
4.3MRI采集
任务期间，3.0TMRI采集3D磁化准备快速回波成像，场图，以及功能性平面回波成像。
4.4数据处理和分析
用SPM标准流程处理fMRI数据，包括层时间校正、头动校正、去形变、配准、基于标准化的分割、平滑。然后进行GLM模型分析。
4.5DCM
三个脑区显示出对中性和情绪刺激的显著反应，纳入DCM分析。所有激活体素的第一主向量用来总结区域反应。随后，为每个参与者创建了所有节点之间相互的外部(区域间)连接的单状态、双线性、确定性DCM。GLM感兴趣的两种回归变量被指定为驱动输入到达DCM包括的所有节点:杏仁核、岛叶和小脑蚓部。基于SPM分析结果，第一个GLM回归变量(中性肢体语言)被用于调节杏仁核和小脑蚓部的所有连接。情绪性肢体语言(GLM感兴趣的第二个回归因子)被指定用来调节来自脑岛的所有联系。这些完整的有效连接模型与每个参与者的功能磁共振成像数据进行了拟合，得到了所谓的后连通性参数及其概率。
4.6参数经验贝叶斯
使用参数度量经验贝叶斯(PEB)和BMR在组水平评估所有参与者DCM的后验连接参数估计。PEB框架通过一个层次模型提供了有效连接的稳健的组水平分析。包括单主体层的DCM和主体间层的连接参数的GLM。在估计PEB模型后，使用BMR对对模型证据没有贡献的参数进行修剪。这需要对连接参数空间进行快速自动搜索，从而确定解释数据所需的最小集合。初步的BMR分析表明，最可能的模型是那些驱动输入到杏仁核和岛叶的模型(后参数的概率分别为96%和98%)。因此，用于主BMR分析的完整PEB模型只包括这两个节点上的驱动输入。BMR之后的后验参数估计使用贝叶斯模型平均(BMA)进行平均，随后的BMA参数(后验概率为或高于95%)在SI附录，表S1中报告。得到的有效连通性模式如图2所示。
4.7行为学分析
对每个参与者，计算中性刺激的命中率和误报率。我们提取了个体的调节DCM参数 (BMA后验概率为95%或以上)，其精确度(中性敲击命中率)低于1.0。将行为和连通性参数提交到相关分析中，并进行多次比较校正。所有行为和连通性数据均采用Shapiro-Wilk检验，随后使用参数(皮尔逊积矩相关)或非参数(斯皮尔曼相关)统计数据进行正态分布检验。 |
