Nat Commun丨一项动态自然主义情绪调节神经机制研究

情绪调节是维持心理健康与适应性行为的关键能力，其功能障碍被认为是抑郁、焦虑及成瘾等多种精神疾病的核心跨诊断特征。认知重评与接纳作为两种被广泛应用于心理干预的有效策略，在行为层面均可显著降低负性情绪，但其神经实现机制是否依赖共同通路或存在本质差异，尚缺乏系统性实证研究。既往研究多基于静态图片刺激，生态效度有限 ， 难以反映真实生活中的动态情绪体验过程。 同时 ， 传统单变量分析也存在其方法的局限性。 因此，有必要在更接近现实情境的条件下，系统解析情绪调节的脑机制及其跨情境稳定性。

近日，香港大学MIND & AI Lab团队在Benjamin Becker教授（通讯作者）的带领下， 包括 电子科技大学姜恒（第一作者 ， MIND & AI Lab ）以及西南大学周峰（共同通讯作者）等，在国际期刊Nature Communications发表题为Common and distinct neurofunctional signatures of dynamic naturalistic emotion regulation strategies的研究论文 。

本研究结合功能磁共振成像（ fMRI ）与多变量模式分析（ MVPA ），在动态自然主义情境下构建全脑神经解码模型，主要创新体现在：自然主义实验范式 ：采用连续动态视频作为情绪诱发材料，提高生态效度；机器学习建模 ：基于支持向量机构建 消极 情绪及调节策略的全脑神经特征；多队列验证设计 ：涵盖训练、独立验证及多个跨文化泛化数据集；临床转化评估 ：在大麻使用障碍人群中检验神经标志物的应用潜力

研究共纳入：发现队列 59 人（模型训练）；验证队列 33 人（模型检验）；多个 泛化样本 各 358 ， 45 ， 33 余人（跨任务与文化）；临床样本 97 人（健康对照与成瘾人群）

研究成功建立三类全脑神经解码器：负性情绪体验特征（ NNES ），接纳调节特征（ NERS-A ），重评调节特征（ NERS-R ）上述模型在独立样本中表现出良好的预测性能，并能够跨不同任务范式（如静态图片、热痛刺激）实现一定程度的泛化，体现了较高的稳健性与特异性。研究发现：共享机制 ：两种策略均显著依赖默认模式网络（ DMN ），涉及内侧前额叶、后扣带回及楔前叶等区域，提示其在自我参照加工与情绪评估中的核心作用；特异机制 ：认知重评主要依赖额顶控制网络，反映其对执行功能与认知控制的需求；接纳则更多涉及体感运动与注意网络，并伴随情绪相关脑区活动增强，体现对情绪体验的觉察与接纳。相关结果进一步通过贝叶斯分析及空间相似性分析得到验证，支持两种策略在神经层面的可分离性。

通过 基于脑 网络 的 分析与 探照灯 分析，研究表明：基于全脑的模型显著优于单一脑区或功能网络；情绪调节过程由多个脑系统协同编码，而非依赖局部区域。该结果支持当前神经科学关于复杂认知功能 “ 分布式计算 ” 的理论框架。

在大麻使用障碍人群中：重评相关神经解码器无法有效区分调节与情绪体验；负性情绪解码器仍保持正常表现，提示该人群主要存在情绪调节过程受损，而非情绪反应异常。该结果表明所构建的神经特征具有识别情绪调节障碍的潜在临床应用价值。

本研究在动态自然情境下系统建立了情绪体验及其调节的全脑神经功能模型，具有重要理论与应用价值： 揭示情绪调节既依赖共享神经基础，又通过不同网络实现策略特异性，推动情绪调节神经机制研究从 “ 局部功能 ” 向 “ 全脑网络 ” 转变； 将自然主义范式与机器学习方法相结合，为复杂心理过程的脑机制研究提供新路径； 所构建的神经解码器可作为潜在生物标志物，用于精神疾病中情绪调节功能的客观评估及干预效果监测

原文链接：https://doi.org/10.1038/s41467-026-70708-5

制版人：十一

BioArt

Med

Plants

人才招聘

学术合作组织

（*排名不分先后）

转载须知

【非原创文章】本文著作权归文章作者所有，欢迎个人转发分享，未经作者的允许禁止转载，作者拥有所有法定权利，违者必究。