大震惊！心理/神经科学界的“耿同学”来了，剑指普林斯顿

基本信息

如果想快速理解普林斯顿在心理学、认知神经科学和系统神经科学里的学术气质，一个很好的入口，是看那些同时在 Science 和 Nature Neuroscience 上留下发表记录的研究者。

本轮科普的 PI 筛选只纳入两个条件都满足的研究者：第一，公开资料显示其属于 Princeton Psychology 或 Princeton Neuroscience Institute 相关 faculty pool；第二，公开数据库中能核验其有 Science 和 Nature Neuroscience 的论文记录

最终整理出 17 位研究者，发布最多的有23 篇，属实是大牛中的大牛，下面让我们依次学习下这些大牛的 Science 和 Nature Neuroscience 代表作

人物与代表作

Timothy Buschman：执行控制、注意和工作记忆

官网： https://pni.princeton.edu/people/timothy-buschman

Timothy Buschman 任 Princeton Psychology 教授，并任职于 Princeton Neuroscience Institute。研究方向集中在执行控制、注意和工作记忆。本轮在 Science / Nature Neuroscience 中核验到 3 篇记录。

[1]Timothy J Buschman, Earl K Miller. (2007). Top-down versus bottom-up control of attention in the prefrontal and posterior parietal cortices. Science. https://doi.org/10.1126/science.1138071

这篇研究解决自上而下与自下而上注意控制在脑内如何分工的问题。作者同步记录猴子前额叶和顶叶皮层，发现主动注意先由前额叶表征目标，显著刺激则先由顶叶表征，且两种注意对应不同频段同步。

[2]Markus Siegel,Timothy J Buschman, Earl K Miller. (2015). Cortical information flow during flexible sensorimotor decisions. Science. https://doi.org/10.1126/science.aab0551

这篇研究关注灵活感觉运动决策中信息如何在皮层流动。作者同时记录猴子六个视觉、顶叶和额叶区域，发现任务信息自额顶向视觉区反馈，感觉信息向额顶传递，选择信号在额顶网络整合后扩散。

[3]Alexandra Libby,Timothy J Buschman. (2021). Rotational dynamics reduce interference between sensory and memory representations. Nature Neuroscience. https://doi.org/10.1038/s41593-021-00821-9

这篇研究解决感觉输入与近期记忆表征相互干扰的问题。作者记录小鼠听觉皮层在学习声音序列时的神经活动，发现群体活动会把感觉表征旋转到正交的记忆维度，从而更有效保护记忆免受新感觉干扰。

Jonathan Cohen：认知控制、前扣带皮层、错误监测和任务执行

官网： https://pni.princeton.edu/people/jonathan-cohen

Jonathan Cohen 任 Princeton Psychology 和 Princeton Neuroscience Institute 神经科学讲席教授。研究方向集中在认知控制、前扣带皮层、错误监测和任务执行。本轮在 Science / Nature Neuroscience 中核验到 23 篇记录。

[1]D Servan-Schreiber, H Printz,J D Cohen. (1990). A network model of catecholamine effects: gain, signal-to-noise ratio, and behavior. Science. https://doi.org/10.1126/science.2392679

这篇研究用网络模型解释儿茶酚胺如何影响信号检测和行为。作者建模显示，单个神经元反应性变化未必提升抗噪能力，但在神经网络层面可改善整体信号检测，并可模拟中枢兴奋剂对人类表现的影响。

[2]G S Berns,J D Cohen, M A Mintun. (1997). Brain regions responsive to novelty in the absence of awareness. Science. https://doi.org/10.1126/science.276.5316.1272

这篇研究探讨人在无意识觉察时大脑能否检测新异变化。作者用PET研究隐性序列学习任务，发现未被察觉的序列改变会增强左运动前区、前扣带和右腹侧纹状体血流，提示新异加工可在无意识下发生。

[3]C S Carter, T S Braver, D M Barch, M M Botvinick, D Noll,J D Cohen. (1998). Anterior cingulate cortex, error detection, and the online monitoring of performance. Science. https://doi.org/10.1126/science.280.5364.747

这篇研究重新检验前扣带皮层是否专门负责错误检测。作者用事件相关fMRI发现，前扣带不仅在错误反应时活跃，也在正确但反应竞争较高时活跃，说明它更可能监测容易出错的冲突状态。

[4]M Usher,J D Cohen, D Servan-Schreiber, J Rajkowski, G Aston-Jones. (1999). The role of locus coeruleus in the regulation of cognitive performance. Science. https://doi.org/10.1126/science.283.5401.549

这篇研究解释蓝斑去甲肾上腺素系统如何调节认知表现。作者记录做视觉辨别任务猴子的蓝斑神经元并建立模型，发现蓝斑放电模式随行为表现波动，神经元耦合和同步增强时预测表现更好。

[5]J D Cohen, M Botvinick, C S Carter. (2000). Anterior cingulate and prefrontal cortex: who's in control?. Nature Neuroscience. https://doi.org/10.1038/74783

这篇没有摘要，题名显示它更像评论或新闻观点文章，讨论前扣带皮层与前额叶皮层在认知控制中的相对角色，核心问题可能是监控、执行控制与“谁在主导”之间的理论分工。

[6]A W MacDonald,J D Cohen, V A Stenger, C S Carter. (2000). Dissociating the role of the dorsolateral prefrontal and anterior cingulate cortex in cognitive control. Science. https://doi.org/10.1126/science.288.5472.1835

这篇研究区分背外侧前额叶和前扣带在认知控制中的功能。作者用任务切换Stroop和事件相关fMRI发现，前额叶更参与控制实施，前扣带则在不一致刺激时更活跃，支持绩效监测角色。

[7]J D Greene, R B Sommerville, L E Nystrom, J M Darley,J D Cohen. (2001). An fMRI investigation of emotional engagement in moral judgment. Science. https://doi.org/10.1126/science.1062872

这篇研究关注道德判断中情绪参与的神经基础。作者用fMRI考察不同道德困境，提出困境会系统性改变情绪加工强度，而情绪参与程度会影响人的道德选择，连接了认知神经科学与道德心理学。

[8]J D Cohen, F Tong. (2001). Neuroscience. The face of controversy. Science. https://doi.org/10.1126/science.1066018

这是一篇《Science》评论文章，题名显示其围绕神经科学中“面孔”相关争议展开。因无摘要，只能判断它更像观点性短评，可能讨论面孔加工研究中的分歧、证据解释或领域争论。

[9]Alan G Sanfey, James K Rilling, Jessica A Aronson, Leigh E Nystrom,Jonathan D Cohen. (2003). The neural basis of economic decision-making in the Ultimatum Game. Science. https://doi.org/10.1126/science.1082976

这项研究用最后通牒博弈和功能磁共振考察经济决策的脑机制。面对不公平分配时，前岛叶和背外侧前额叶同时活跃；拒绝不公平提议时前岛叶更强，说明情绪会参与并影响经济选择。

[10]Clay B Holroyd, Sander Nieuwenhuis, Nick Yeung, Leigh Nystrom, Rogier B Mars, Michael G H Coles,Jonathan D Cohen. (2004). Dorsal anterior cingulate cortex shows fMRI response to internal and external error signals. Nature Neuroscience. https://doi.org/10.1038/nn1238

这项事件相关fMRI研究让被试通过试错在两种反应间学习，并用金钱得失反馈提示结果。研究发现，自己犯错和外部错误反馈都会激活背侧前扣带皮层，说明该区整合内外部错误信号。

[11]John G Kerns,Jonathan D Cohen, Angus W MacDonald, Raymond Y Cho, V Andrew Stenger, Cameron S Carter. (2004). Anterior cingulate conflict monitoring and adjustments in control. Science. https://doi.org/10.1126/science.1089910

这项研究检验前扣带皮层是否通过监测冲突来调动认知控制。作者在Stroop颜色命名任务中控制重复效应，发现ACC冲突活动能预测随后前额叶活动增强和行为调整，支持其控制信号作用。

[12]Tor D Wager, James K Rilling, Edward E Smith, Alex Sokolik, Kenneth L Casey, Richard J Davidson, Stephen M Kosslyn, Robert M Rose,Jonathan D Cohen. (2004). Placebo-induced changes in FMRI in the anticipation and experience of pain. Science. https://doi.org/10.1126/science.1093065

这项临床fMRI研究考察安慰剂镇痛究竟改变疼痛体验还是仅影响顺从报告。两项实验显示，安慰剂与丘脑、岛叶、前扣带等疼痛敏感区活动降低相关，并在疼痛预期阶段增强前额叶活动。

[13]Samuel M McClure, David I Laibson, George Loewenstein,Jonathan D Cohen. (2004). Separate neural systems value immediate and delayed monetary rewards. Science. https://doi.org/10.1126/science.1100907

这项fMRI研究关注人们如何在即时与延迟金钱奖励之间取舍。结果显示，即时奖励更激活与多巴胺相关的边缘系统，而前额叶-顶叶系统参与各类跨期选择；两系统相对活动可预测选择偏好。

[14]Sean M Polyn, Vaidehi S Natu,Jonathan D Cohen, Kenneth A Norman. (2005). Category-specific cortical activity precedes retrieval during memory search. Science. https://doi.org/10.1126/science.1117645

这项自由回忆fMRI研究追踪记忆搜索中的类别特异皮层活动。研究用分类算法识别脸、地点、物体学习时的活动模式，发现这些模式会在回忆前数秒重现，并与相应类别的口头回忆相关。

[15]Jack B Nitschke, Gregory E Dixon, Issidoros Sarinopoulos, Sarah J Short,Jonathan D Cohen, Edward E Smith, Stephen M Kosslyn, Robert M Rose, Richard J Davidson. (2006). Altering expectancy dampens neural response to aversive taste in primary taste cortex. Nature Neuroscience. https://doi.org/10.1038/nn1645

这项fMRI研究检验期待是否会调节初级味觉皮层。被试若被引导相信强烈苦味没那么难受，会报告更低厌恶感，岛叶和盖部等初级味觉区活动也减弱，说明期待可改变早期感觉表征。

[16]Kimberlee D'Ardenne, Samuel M McClure, Leigh E Nystrom,Jonathan D Cohen. (2008). BOLD responses reflecting dopaminergic signals in the human ventral tegmental area. Science. https://doi.org/10.1126/science.1150605

这项研究用针对脑干优化的fMRI，直接考察人类腹侧被盖区是否反映多巴胺式奖励预测误差。结果显示，VTA BOLD信号主要对应正向预测误差，腹侧纹状体则编码正负预测误差。

[17]Aaron Schurger, Francisco Pereira, Anne Treisman,Jonathan D Cohen. (2010). Reproducibility distinguishes conscious from nonconscious neural representations. Science. https://doi.org/10.1126/science.1180029

这项研究提出区分有意识与无意识神经表征的新指标：跨事件活动模式的可重复性。结果发现，相同知觉内容下，有意识表征比无意识表征更可重复，且不能简单归因于信噪比差异。

[18]Eran Eldar,Jonathan D Cohen, Yael Niv. (2013). The effects of neural gain on attention and learning. Nature Neuroscience. https://doi.org/10.1038/nn.3428

这项研究追问全脑神经增益波动如何影响注意范围和学习偏向。作者以瞳孔直径作为蓝斑去甲肾上腺素活动的线索，发现瞳孔、行为学习偏向与全脑功能连接强度和聚类变化相关，说明全局增益会调节人更专注于预设刺激维度。

[19]Amitai Shenhav, Mark A Straccia,Jonathan D Cohen, Matthew M Botvinick. (2014). Anterior cingulate engagement in a foraging context reflects choice difficulty, not foraging value. Nature Neuroscience. https://doi.org/10.1038/nn.3771

这项研究要区分背侧前扣带皮层反映觅食价值还是选择困难。两项神经影像实验显示，只有当觅食价值与困难混在一起时该区才似乎编码价值；分离二者后，dACC活动主要由选择困难解释，为奖励决策研究提供了控制混淆的方案。

[20]Megan T deBettencourt,Jonathan D Cohen, Ray F Lee, Kenneth A Norman, Nicholas B Turk-Browne. (2015). Closed-loop training of attention with real-time brain imaging. Nature Neuroscience. https://doi.org/10.1038/nn.3940

这项研究解决持续注意走神能否被神经反馈训练改善的问题。作者用实时全脑影像和多变量模式分析监测注意状态，一旦检测到走神就提高任务难度作为反馈；一次训练后表现优于对照，且额顶注意网络信息最有效，基底节和颞腹侧表征也更清晰。

[21]Amitai Shenhav,Jonathan D Cohen, Matthew M Botvinick. (2016). Dorsal anterior cingulate cortex and the value of control. Nature Neuroscience. https://doi.org/10.1038/nn.4384

这篇研究论文主要解决背侧前扣带皮层为何同时关联认知控制、评估和动机的问题。作者提出预期控制价值理论，认为dACC会计算当前分配控制的收益与成本，从而授权认知努力，并用该框架解释控制调整和觅食式决策中的多类发现。

[22]Jonathan D Cohen, Nathaniel Daw, Barbara Engelhardt, Uri Hasson, Kai Li, Yael Niv, Kenneth A Norman, Jonathan Pillow, Peter J Ramadge, Nicholas B Turk-Browne, Theodore L Willke. (2017). Computational approaches to fMRI analysis. Nature Neuroscience. https://doi.org/10.1038/nn.4499

这篇综述聚焦fMRI分析方法如何跟上数据复杂度。文章指出传统体素或脑区平均分析忽视分布式表征、任务中连续动态、跨被试联合推断和预测模型约束，进而总结机器学习、优化和并行计算等计算方法如何推动对思想、意图和记忆等认知信号的研究。

[23]Federico d'Oleire Uquillas, Esra Sefik, Jakob Seidlitz, Edan Daniel Hertz, Rafael Romero-Garcia, Varun Warrier, Richard A I Bethlehem, Aaron F Alexander-Bloch,Jonathan D Cohen, Samuel S-H Wang, Jorge Sepulcre, Patrizia Vannini, Jesse Gomez. (2026). Cerebellar aging is spatially heterogeneous and supports cognitive resilience in later life. Nature Neuroscience. https://doi.org/10.1038/s41593-026-02289-x

这项研究追问小脑在衰老中如何变化以及是否支持晚年认知韧性。作者整合三项脑影像研究共4.7万名成人，发现小脑不同区域衰老速度不一，较大的小脑体积随年龄增长与更高认知分数相关；在阿尔茨海默病中，该关系受淀粉样负荷和APOE-ε4影响，支持阈值-储备模型。

Molly Crockett：道德判断、社会决策和伦理心理学

官网： https://psychology.princeton.edu/people/molly-crockett

Molly Crockett 任 Princeton Psychology 教授。研究方向集中在道德判断、社会决策和伦理心理学。本轮在 Science / Nature Neuroscience 中核验到 3 篇记录。

[1]Molly J Crockett, Luke Clark, Golnaz Tabibnia, Matthew D Lieberman, Trevor W Robbins. (2008). Serotonin modulates behavioral reactions to unfairness. Science. https://doi.org/10.1126/science.1155577

这项研究考察血清素如何影响面对不公平时的社会决策。作者在最后通牒博弈中操纵5-HT功能，发现血清素降低的参与者更常拒绝不公平报价，但公平判断、情绪、基础奖赏处理和反应抑制未改变，说明5-HT可能通过调节社会决策中的情绪反应支持自控。

[2]Molly J Crockett, Jenifer Z Siegel, Zeb Kurth-Nelson, Peter Dayan, Raymond J Dolan. (2017). Moral transgressions corrupt neural representations of value. Nature Neuroscience. https://doi.org/10.1038/nn.4557

这项研究解决道德原则如何改变伤害他人获利时的价值表征。通过衡量参与者愿为避免伤害自己或他人付出的金钱成本，作者发现道德偏好越强，因伤害他人获利时背侧纹状体反应越低；外侧前额叶编码此类收益和可责备性，并调节纹状体价值信号。

[3]Killian L McLoughlin, William J Brady, Aden Goolsbee, Ben Kaiser, Kate Klonick,M J Crockett. (2024). Misinformation exploits outrage to spread online. Science. https://doi.org/10.1126/science.adl2829

这项研究检验错误信息是否借助愤怒情绪在网上扩散。作者结合美国Facebook超百万链接、Twitter数据和两项行为实验发现，错误信息来源更易激发愤怒，愤怒促进其分享不弱于可信新闻，还会增加未阅读就转发的意愿，提示单靠准确性动机干预可能不足。

Nathaniel Daw：强化学习、决策和计算模型

官网： https://psychology.princeton.edu/people/nathaniel-daw

Nathaniel Daw 任 Princeton Psychology 和 Princeton Neuroscience Institute 计算与理论神经科学讲席教授。研究方向集中在强化学习、决策和计算模型。本轮在 Science / Nature Neuroscience 中核验到 16 篇记录。

[1]Nathaniel D Daw, Peter Dayan. (2004). Neuroscience. Matchmaking. Science. https://doi.org/10.1126/science.1099898

这篇更像评论/观点文章，题名“Matchmaking”线索有限，未提供摘要。只能克制判断，它可能围绕神经科学中不同理论、方法或研究对象的“配对”关系展开评论，主要问题应是如何把相关发现或领域连接起来，而非报告新的实验结果。

[2]Nathaniel D Daw, Yael Niv, Peter Dayan. (2005). Uncertainty-based competition between prefrontal and dorsolateral striatal systems for behavioral control. Nature Neuroscience. https://doi.org/10.1038/nn1560

这篇研究关注大脑在前额叶与背外侧纹状体两套行为控制系统冲突时如何仲裁。作者用强化学习理论提出按不确定性进行贝叶斯分配：哪个系统预期更准确，就由哪个主导选择。

[3]Yael Niv,Nathaniel D Daw, Peter Dayan. (2006). Choice values. Nature Neuroscience. https://doi.org/10.1038/nn0806-987

这篇评论/新闻类文章题为“Choice values”，没有摘要可用。依据题名，它更像围绕选择价值的概念或新研究进展做简短评述，讨论行为选择中价值信号如何被理解。

[4]Nathaniel D Daw. (2007). Dopamine: at the intersection of reward and action. Nature Neuroscience. https://doi.org/10.1038/nn1207-1505

这篇新闻/观点文章没有摘要。仅从题名看，它更像评论多巴胺如何连接奖励处理与行动选择，聚焦多巴胺信号在“想要什么”和“做什么”之间的交汇作用。

[5]Sara M Constantino,Nathaniel D Daw. (2010). A closer look at choice. Nature Neuroscience. https://doi.org/10.1038/nn1010-1153

这篇评论文章没有摘要。按题名“A closer look at choice”判断，它更像对选择行为研究的短评，可能围绕实验或神经机制证据，提醒读者更细致理解决策过程。

[6]Jian Li, Daniela Schiller, Geoffrey Schoenbaum, Elizabeth A Phelps,Nathaniel D Daw. (2011). Differential roles of human striatum and amygdala in associative learning. Nature Neuroscience. https://doi.org/10.1038/nn.2904

这篇研究考察人类杏仁核和纹状体在联想学习中的分工。作者用反转学习任务和计算模型发现，杏仁核活动追踪可联结性，纹状体则表征强化预测误差，说明二者在厌恶学习中互补。

[7]Hang Zhang,Nathaniel D Daw, Laurence T Maloney. (2015). Human representation of visuo-motor uncertainty as mixtures of orthogonal basis distributions. Nature Neuroscience. https://doi.org/10.1038/nn.4055

这篇研究追问大脑如何表征视觉-运动误差的不确定性。作者用三项快速伸手强迫选择实验重建被试内部误差分布，发现主观分布常呈多峰，更适合由少量均匀分布混合来描述。

[8]Bradley B Doll, Katherine D Duncan, Dylan A Simon, Daphna Shohamy,Nathaniel D Daw. (2015). Model-based choices involve prospective neural activity. Nature Neuroscience. https://doi.org/10.1038/nn.3981

这篇研究检验基于模型的选择是否真的依赖对未来结果的前瞻评估。作者结合序列奖励学习任务与fMRI，发现决策时可解码未来路径表征，且这种前瞻活动与基于模型选择强度相关。

[9]Yan T Wong, Margaret M Fabiszak, Yevgeny Novikov,Nathaniel D Daw, Bijan Pesaran. (2016). Coherent neuronal ensembles are rapidly recruited when making a look-reach decision. Nature Neuroscience. https://doi.org/10.1038/nn.4210

这篇研究关注看和伸手决策中神经元群体如何协同。研究者记录猴后顶叶IPS活动并解码选择，发现跨IPS同步放电的“双相干”神经元集合能更早预测运动选择，提示同步时序参与决策协调。

[10]Nathan F Parker, Courtney M Cameron, Joshua P Taliaferro, Junuk Lee, Jung Yoon Choi, Thomas J Davidson,Nathaniel D Daw, Ilana B Witten. (2016). Reward and choice encoding in terminals of midbrain dopamine neurons depends on striatal target. Nature Neuroscience. https://doi.org/10.1038/nn.4287

这篇研究比较投射到不同纹状体区域的中脑多巴胺末梢如何编码奖励和选择。在工具性反转学习中，腹侧纹状体末梢更响应奖励和线索，背内侧纹状体末梢更响应对侧选择，且均编码预测误差。

[11]Nathaniel D Daw. (2018). Are we of two minds?. Nature Neuroscience. https://doi.org/10.1038/s41593-018-0258-2

这篇评论文章没有摘要。仅据题名“Are we of two minds?”判断，它更像围绕双系统或双过程决策观点的评论，讨论人类行为控制是否可被两套心智/控制机制解释。

[12]Stephen M Fleming, Elisabeth J van der Putten,Nathaniel D Daw. (2018). Neural mediators of changes of mind about perceptual decisions. Nature Neuroscience. https://doi.org/10.1038/s41593-018-0104-6

这项研究关注人在获得新证据后如何改变知觉决策。作者用运动方向判断任务和 fMRI 分离决策后证据、信心与价值，发现后内侧额叶编码证据更新，前额叶活动则调节主观信心变化。

[13]Marcelo G Mattar,Nathaniel D Daw. (2018). Prioritized memory access explains planning and hippocampal replay. Nature Neuroscience. https://doi.org/10.1038/s41593-018-0232-z

论文试图解释动物在规划时会优先调用哪些记忆。作者提出按未来决策收益排序的记忆访问模型，并用海马空间位置回放模拟导航任务，统一解释回放在规划、学习和巩固中的作用。

[14]L T Hunt,N D Daw, P Kaanders, M A MacIver, U Mugan, E Procyk, A D Redish, E Russo, J Scholl, K Stachenfeld, C R E Wilson, N Kolling. (2021). Formalizing planning and information search in naturalistic decision-making. Nature Neuroscience. https://doi.org/10.1038/s41593-021-00866-w

这篇综述讨论自然情境中延展性决策如何依赖规划和信息搜索。文章梳理相关算法进展，并联系内侧颞叶、前额叶和扣带皮层活动，说明规划与好奇式取样怎样共同改善未来行动选择。

[15]Yunzhe Liu, Marcelo G Mattar, Timothy E J Behrens,Nathaniel D Daw, Raymond J Dolan. (2021). Experience replay is associated with efficient nonlocal learning. Science. https://doi.org/10.1126/science.abf1357

研究针对动作与结果相隔时如何学习价值的问题。作者设计区分直接与间接价值学习的任务，并结合脑磁图，发现奖励后出现反向非局部经验回放，且回放强度与更高效的动作价值学习相关。

[16]Rachel S Lee, Yotam Sagiv, Ben Engelhard, Ilana B Witten,Nathaniel D Daw. (2024). A feature-specific prediction error model explains dopaminergic heterogeneity. Nature Neuroscience. https://doi.org/10.1038/s41593-024-01689-1

论文回应多巴胺神经元并非传递单一同质奖励预测误差的难题。作者提出特征特异预测误差模型，认为不同多巴胺神经元编码情境不同方面的误差，从而解释任务变量和动作反应的异质性。

Asif Ghazanfar：灵长类发声交流与发展神经科学

官网： https://psychology.princeton.edu/people/asif-ghazanfar

Asif Ghazanfar 任 Princeton Psychology 教授，并任职于 Princeton Neuroscience Institute。研究方向集中在灵长类发声交流与发展神经科学。本轮在 Science / Nature Neuroscience 中核验到 5 篇记录。

[1]M A Nicolelis,A A Ghazanfar, C R Stambaugh, L M Oliveira, M Laubach, J K Chapin, R J Nelson, J H Kaas. (1998). Simultaneous encoding of tactile information by three primate cortical areas. Nature Neuroscience. https://doi.org/10.1038/2855

研究考察灵长类体感皮层如何同时编码触觉位置。作者在 3b、SII 和 2 区进行多位点神经群记录，发现小规模神经集合可在单试次近乎同步识别刺激位置，但各脑区使用放电率或时间模式等不同编码策略。

[2]Asif A Ghazanfar. (2008). Language evolution: neural differences that make a difference. Nature Neuroscience. https://doi.org/10.1038/nn0408-382

这是一篇评论/新闻类文章，题名指向语言演化中“真正产生功能差异”的神经差别。因无摘要，只能判断其可能围绕人类语言能力与其他动物神经机制差异展开观点性讨论。

[3]Chandramouli Chandrasekaran,Asif A Ghazanfar. (2011). When what you see is not what you hear. Nature Neuroscience. https://doi.org/10.1038/nn.2843

这是一篇评论/新闻类文章，题名提示主题是视觉信息与听觉信息不一致时的大脑处理。因无摘要，只能克制概述为关于多感觉整合、视听冲突或知觉错配的观点性介绍。

[4]D Y Takahashi, A R Fenley, Y Teramoto, D Z Narayanan, J I Borjon, P Holmes,A A Ghazanfar. (2015). LANGUAGE DEVELOPMENT. The developmental dynamics of marmoset monkey vocal production. Science. https://doi.org/10.1126/science.aab1058

研究解决非人灵长类发声发展是否会随成熟和社会反馈改变的问题。作者对婴幼狨猴进行密集采样、声学追踪、生物力学建模和亲代互动实验，发现其叫声显著变化且父母反馈会影响发展速度。

[5]Asif A Ghazanfar, Gavin Steingo. (2025). Groove to the music. Science. https://doi.org/10.1126/science.aec8640

这篇评论围绕会随节拍敲击的猕猴能否揭示音乐性演化展开。摘要只有一个问题，因此应理解为观点性文章，可能借灵长类节奏同步行为讨论音乐感、运动节拍和演化起源。

Uri Hasson：自然语言、叙事理解和人际脑活动同步

官网： https://psychology.princeton.edu/people/uri-hasson

Uri Hasson 任 Princeton Psychology 教授，并任职于 Princeton Neuroscience Institute。研究方向集中在自然语言、叙事理解和人际脑活动同步。本轮在 Science / Nature Neuroscience 中核验到 6 篇记录。

[1]I Levy,U Hasson, G Avidan, T Hendler, R Malach. (2001). Center-periphery organization of human object areas. Nature Neuroscience. https://doi.org/10.1038/87490

这篇研究想解释人类物体识别区为何这样分布。作者用视觉场偏心性分析发现，建筑相关区偏外周、面孔相关区偏中心，提示物体类别表征可能按中央与外周视觉需求组织。

[2]Uri Hasson, Yuval Nir, Ifat Levy, Galit Fuhrmann, Rafael Malach. (2004). Intersubject synchronization of cortical activity during natural vision. Science. https://doi.org/10.1126/science.1089506

这篇论文追问自然观看电影时，不同人的大脑活动是否会同步。研究让受试者观看半小时电影并做功能成像，发现视觉、听觉及联合皮层出现跨个体同步，且与情绪场景和区域选择性反应相关。

[3]Roy Mukamel, Hagar Gelbard, Amos Arieli,Uri Hasson, Itzhak Fried, Rafael Malach. (2005). Coupling between neuronal firing, field potentials, and FMRI in human auditory cortex. Science. https://doi.org/10.1126/science.1110913

这项研究解决fMRI信号与真实神经活动关系不清的问题。作者比较癫痫外科患者听觉皮层单细胞、场电位记录与健康人的电影fMRI反应，发现预测信号高度相关，支持fMRI可反映皮层放电率。

[4]Jonathan D Cohen, Nathaniel Daw, Barbara Engelhardt,Uri Hasson, Kai Li, Yael Niv, Kenneth A Norman, Jonathan Pillow, Peter J Ramadge, Nicholas B Turk-Browne, Theodore L Willke. (2017). Computational approaches to fMRI analysis. Nature Neuroscience. https://doi.org/10.1038/nn.4499

这篇综述讨论传统fMRI分析难以利用数据丰富性的问题。文章梳理机器学习、联合多被试推断、动态建模和预测模型等计算方法，说明它们如何推动对思想、意图、记忆等复杂认知信号的研究。

[5]Janice Chen, Yuan Chang Leong, Christopher J Honey, Chung H Yong, Kenneth A Norman,Uri Hasson. (2017). Shared memories reveal shared structure in neural activity across individuals. Nature Neuroscience. https://doi.org/10.1038/nn.4450

这篇研究关注不同人回忆同一真实事件时，神经表征是否共享。参与者看电影后在fMRI中自由叙述，结果显示默认网络、内侧颞叶和高级视觉区重现事件特异模式，并在个体间呈现共同记忆结构。

[6]Ariel Goldstein, Zaid Zada, Eliav Buchnik, Mariano Schain, Amy Price, Bobbi Aubrey, Samuel A Nastase, Amir Feder, Dotan Emanuel, Alon Cohen, Aren Jansen, Harshvardhan Gazula, Gina Choe, Aditi Rao, Catherine Kim, Colton Casto, Lora Fanda, Werner Doyle, Daniel Friedman, Patricia Dugan, Lucia Melloni, Roi Reichart, Sasha Devore, Adeen Flinker, Liat Hasenfratz, Omer Levy, Avinatan Hassidim, Michael Brenner, Yossi Matias, Kenneth A Norman, Orrin Devinsky,Uri Hasson. (2022). Shared computational principles for language processing in humans and deep language models. Nature Neuroscience. https://doi.org/10.1038/s41593-022-01026-4

这项研究比较人脑与自回归深度语言模型处理自然语言的共同机制。九名受试者听播客并记录ECoG，结果显示两者都进行词前预测、词后惊讶计算，并依赖上下文嵌入表征词义。

Sabine Kastner：视觉注意、知觉和人类脑成像

官网： https://pni.princeton.edu/people/sabine-kastner

Sabine Kastner 任 Princeton Psychology 教授，并任职于 Princeton Neuroscience Institute。研究方向集中在视觉注意、知觉和人类脑成像。本轮在 Science / Nature Neuroscience 中核验到 13 篇记录。

[1]S Kastner, P De Weerd, R Desimone, L G Ungerleider. (1998). Mechanisms of directed attention in the human extrastriate cortex as revealed by functional MRI. Science. https://doi.org/10.1126/science.282.5386.108

这篇研究解释杂乱场景中注意如何帮助视觉系统选择目标。功能MRI显示，多刺激会在物体识别通路中相互抑制，而把注意指向其中一个刺激可减弱邻近刺激干扰，从而过滤无关信息。

[2]Daniel H O'Connor, Miki M Fukui, Mark A Pinsk,Sabine Kastner. (2002). Attention modulates responses in the human lateral geniculate nucleus. Nature Neuroscience. https://doi.org/10.1038/nn957

这项研究追问选择性注意是否只作用于视觉皮层。功能成像结果显示，注意可在外侧膝状体增强被注意刺激、压低被忽略刺激，并提高无刺激时基线活动，提示丘脑已参与视觉增益控制。

[3]Klaus Wunderlich, Keith A Schneider,Sabine Kastner. (2005). Neural correlates of binocular rivalry in the human lateral geniculate nucleus. Nature Neuroscience. https://doi.org/10.1038/nn1554

这篇论文探讨双眼竞争中皮层下结构是否参与视觉意识。研究用fMRI测量外侧膝状体活动，发现其信号随受试者当前知觉而升降，说明LGN不仅是视觉通路入口，也可能参与早期知觉门控。

[4]Diane M Beck,Sabine Kastner. (2005). Stimulus context modulates competition in human extrastriate cortex. Nature Neuroscience. https://doi.org/10.1038/nn1501

这项研究检验刺激背景如何影响视觉皮层中的表征竞争。作者发现多个刺激在普通异质显示中仍相互抑制，但在单个项目突出的pop-out情境下抑制消失，说明底层刺激背景可独立于注意调节竞争。

[5]Sabine Kastner, Stephanie A McMains. (2007). Out of the spotlight: face to face with attention. Nature Neuroscience. https://doi.org/10.1038/nn1107-1344

这篇评论围绕面孔加工与注意关系展开；因无摘要，只能据题名判断，它更像对当时注意研究的新闻式评述，讨论注意焦点之外的面孔信息如何被处理。

[6]Christina S Konen,Sabine Kastner. (2008). Two hierarchically organized neural systems for object information in human visual cortex. Nature Neuroscience. https://doi.org/10.1038/nn2036

该研究要解决物体信息是否只在腹侧视觉通路表征的问题。人类脑成像显示，背侧通路多个区域也有物体选择性，高级区域还能保持大小和视角不变的表征。

[7]Gideon P Caplovitz,Sabine Kastner. (2009). Carrot sticks or joysticks: video games improve vision. Nature Neuroscience. https://doi.org/10.1038/nn0509-527

这篇评论关注电子游戏是否能改善视觉能力；因无摘要，只能据题名判断，它更像新闻/观点文章，讨论视频游戏训练与视觉功能提升之间的研究线索。

[8]Marius V Peelen,Sabine Kastner. (2011). Is that a bathtub in your kitchen?. Nature Neuroscience. https://doi.org/10.1038/nn.2936

这篇评论要说明日常场景为何能被快速识别。摘要显示，相关研究发现后部物体选择性视觉皮层会并行表征场景内多个物体，支持整体场景识别。

[9]Yuri B Saalmann, Mark A Pinsk, Liang Wang, Xin Li,Sabine Kastner. (2012). The pulvinar regulates information transmission between cortical areas based on attention demands. Science. https://doi.org/10.1126/science.1223082

该研究追问注意如何在大规模视觉皮层网络中调度信息。作者结合弥散张量成像和猴子电生理记录，发现丘脑枕核会按注意分配同步皮层区域活动。

[10]Michael M Halassa,Sabine Kastner. (2017). Thalamic functions in distributed cognitive control. Nature Neuroscience. https://doi.org/10.1038/s41593-017-0020-1

这篇综述聚焦丘脑在认知控制中的作用。它整合啮齿类和灵长类研究，指出丘脑不仅转接信息，还能维持和切换皮层间功能连接，支持注意与认知灵活性。

[11]Josef Parvizi,Sabine Kastner. (2018). Promises and limitations of human intracranial electroencephalography. Nature Neuroscience. https://doi.org/10.1038/s41593-018-0108-2

这篇综述评估人类颅内脑电的用途与限制。它指出iEEG可在毫米和毫秒尺度记录神经群参与，并在多节点植入时揭示网络计算阶段中的功能互动。

[12]Nebras M Warsi, Simeon M Wong, Karim Mithani, Sebastian C Coleman, Olivia N Arski, Hrishikesh Suresh, Jürgen Germann, Alexandre Boutet, Lauren Erdman, Flavia Venetucci Gouveia, Barbara Berger, Tamas Minarik, Fa-Hsuan Lin, Hsin-Ju Lee, Benjamin R Morgan, Elizabeth Kerr, Mary Lou Smith, Ayako Ochi, Hiroshi Otsubo, Rohit Sharma, Carolina Gorodetsky, Puneet Jain, Shelly Weiss, Elizabeth J Donner, Andres M Lozano, O Carter Snead,Sabine Kastner, Margot J Taylor, George M Ibrahim. (2026). Closed-loop stimulation modulates attention shifting in children. Nature Neuroscience. https://doi.org/10.1038/s41593-026-02294-0

该研究要解决儿童注意转换波动能否被实时预测和调控的问题。作者用癫痫儿童颅内记录训练分类器，预测注意延迟，并用闭环刺激改善眼动、反应时和准确率。

[13]Kianoush Banaie Boroujeni, Randolph F Helfrich, Ian C Fiebelkorn, J Nicole Bentley, Peter Brunner, Jack J Lin, Robert T Knight,Sabine Kastner. (2026). High-frequency bursts facilitate fast communication for human spatial attention. Nature Neuroscience. https://doi.org/10.1038/s41593-025-02160-5

该研究解释空间注意中感觉信息如何快速跨脑区传递。人类颅内电生理显示，高频活动爆发标记群体放电窗口，其强度、同步和与慢节律解耦可预测表现。

Yael Niv：强化学习、任务状态表示和决策

官网： https://pni.princeton.edu/people/yael-niv

Yael Niv 任 Princeton Psychology 教授，并任职于 Princeton Neuroscience Institute，同时担任研究生项目主任。研究方向集中在强化学习、任务状态表示和决策。本轮在 Science / Nature Neuroscience 中核验到 10 篇记录。

[1]Nathaniel D Daw,Yael Niv, Peter Dayan. (2005). Uncertainty-based competition between prefrontal and dorsolateral striatal systems for behavioral control. Nature Neuroscience. https://doi.org/10.1038/nn1560

该研究要解释当前额叶和背外侧纹状体控制系统冲突时大脑如何仲裁。作者用强化学习框架提出按不确定性进行贝叶斯竞争，以解释不同系统何时主导行为选择。

[2]Yael Niv, Nathaniel D Daw, Peter Dayan. (2006). Choice values. Nature Neuroscience. https://doi.org/10.1038/nn0806-987

这篇评论围绕“选择价值”这一题名线索，讨论大脑如何给不同行动或选项赋值，从而解释决策时为何偏向某些选择。因无摘要，更像对相关发现的新闻性评述。

[3]Yuji K Takahashi, Matthew R Roesch, Robert C Wilson, Kathy Toreson, Patricio O'Donnell,Yael Niv, Geoffrey Schoenbaum. (2011). Expectancy-related changes in firing of dopamine neurons depend on orbitofrontal cortex. Nature Neuroscience. https://doi.org/10.1038/nn.2957

该研究想弄清眶额皮层是否参与多巴胺预测误差信号。研究者记录眶额皮层损伤大鼠在奖赏学习中的多巴胺神经元活动，发现缺少眶额输入后，误差信号难以利用内部反应信息区分未来奖赏不同的状态。

[4]Yael Niv, Stephanie Chan. (2011). On the value of information and other rewards. Nature Neuroscience. https://doi.org/10.1038/nn.2918

这篇评论从题名看关注“信息本身是否具有奖赏价值”，即人为什么会为获得信息而行动。因无摘要，只能判断它更像围绕信息价值与其他奖赏形式的观点性讨论。

[5]Federica Lucantonio, Thomas A Stalnaker, Yavin Shaham,Yael Niv, Geoffrey Schoenbaum. (2012). The impact of orbitofrontal dysfunction on cocaine addiction. Nature Neuroscience. https://doi.org/10.1038/nn.3014

这篇综述解释可卡因成瘾中判断差和适应不良决策的来源。作者汇总证据认为，可卡因改变眶额皮层，破坏状态和转移关系表征，使行为从灵活的模型化控制转向僵化的无模型控制。

[6]Eran Eldar, Jonathan D Cohen,Yael Niv. (2013). The effects of neural gain on attention and learning. Nature Neuroscience. https://doi.org/10.1038/nn.3428

该研究探讨全脑神经增益变化如何影响注意和学习。研究者用瞳孔直径追踪蓝斑-去甲肾上腺素相关增益，发现瞳孔指标与学习偏向个人更易加工的刺激维度相关，并与全脑功能连接强度和聚类变化一致。

[7]Jonathan D Cohen, Nathaniel Daw, Barbara Engelhardt, Uri Hasson, Kai Li,Yael Niv, Kenneth A Norman, Jonathan Pillow, Peter J Ramadge, Nicholas B Turk-Browne, Theodore L Willke. (2017). Computational approaches to fMRI analysis. Nature Neuroscience. https://doi.org/10.1038/nn.4499

这篇综述指出传统 fMRI 分析常忽视体素分布表征、任务中的连续动态和跨被试联合推断。文章介绍机器学习、优化和并行计算等计算方法，说明它们如何帮助解析思想、意图、记忆等复杂认知信号。

[8]Melissa J Sharpe, Chun Yun Chang, Melissa A Liu, Hannah M Batchelor, Lauren E Mueller, Joshua L Jones,Yael Niv, Geoffrey Schoenbaum. (2017). Dopamine transients are sufficient and necessary for acquisition of model-based associations. Nature Neuroscience. https://doi.org/10.1038/nn.4538

该研究检验多巴胺瞬变是否只编码奖赏价值，还是也支持环境模型学习。通过感觉预条件和光遗传操控，作者发现激活多巴胺神经元可恢复刺激-刺激学习，抑制其放电会阻断学习，说明多巴胺对模型化关联获得既充分又必要。

[9]Yael Niv. (2019). Learning task-state representations. Nature Neuroscience. https://doi.org/10.1038/s41593-019-0470-8

这篇综述聚焦学习中最难的问题之一：该学习哪些任务状态。作者总结表征学习研究，讨论如何忽略无关信息、推断潜在原因，并提出眶额皮层表征“任务状态”，为其他脑区的学习和决策提供支持。

[10]Nicolas W Schuck,Yael Niv. (2019). Sequential replay of nonspatial task states in the human hippocampus. Science. https://doi.org/10.1126/science.aaw5181

该研究想知道人类海马能否重放非空间任务序列。参与者完成有序决策任务后静息接受 fMRI，结果显示海马静息活动模式保留相邻任务状态的顺序性，且与眶额皮层任务表征质量和表现相关。

Kenneth Norman：学习、记忆和情境恢复

官网： https://psychology.princeton.edu/people/kenneth-norman

Kenneth Norman 任 Princeton Psychology 和 Princeton Neuroscience Institute 计算与理论神经科学讲席教授。研究方向集中在学习、记忆和情境恢复。本轮在 Science / Nature Neuroscience 中核验到 6 篇记录。

[1]Sean M Polyn, Vaidehi S Natu, Jonathan D Cohen,Kenneth A Norman. (2005). Category-specific cortical activity precedes retrieval during memory search. Science. https://doi.org/10.1126/science.1117645

该研究考察记忆搜索时，大脑是否在回忆前先激活类别线索。研究者用 fMRI 和模式分类识别人脸、地点、物体学习时的皮层模式，发现这些类别活动会在自由回忆前数秒重现，并预测随后回忆的类别。

[2]Megan T deBettencourt, Jonathan D Cohen, Ray F Lee,Kenneth A Norman, Nicholas B Turk-Browne. (2015). Closed-loop training of attention with real-time brain imaging. Nature Neuroscience. https://doi.org/10.1038/nn.3940

这项研究解决持续注意力走神能否被训练的问题。作者用实时脑成像和多变量模式分析监测注意状态，在走神信号出现时调高任务难度作反馈，发现一次训练即可改善表现，额顶注意网络反馈效果最强。

[3]Jonathan D Cohen, Nathaniel Daw, Barbara Engelhardt, Uri Hasson, Kai Li, Yael Niv,Kenneth A Norman, Jonathan Pillow, Peter J Ramadge, Nicholas B Turk-Browne, Theodore L Willke. (2017). Computational approaches to fMRI analysis. Nature Neuroscience. https://doi.org/10.1038/nn.4499

这篇综述讨论fMRI分析方法如何跟上数据复杂度。文章指出传统体素或脑区平均分析忽视分布式表征、动态活动和跨个体联合推断，并梳理机器学习、优化和并行计算如何推动认知神经科学研究。

[4]Aaron M Bornstein,Kenneth A Norman. (2017). Reinstated episodic context guides sampling-based decisions for reward. Nature Neuroscience. https://doi.org/10.1038/nn.4573

这项研究回答过往经验如何影响奖赏决策。作者提出情景抽样机制，并用行为与fMRI显示：被线索唤起的某段情景会带出同一情境中的其他选择，从而使当前决策偏离强化学习模型预测。

[5]Janice Chen, Yuan Chang Leong, Christopher J Honey, Chung H Yong,Kenneth A Norman, Uri Hasson. (2017). Shared memories reveal shared structure in neural activity across individuals. Nature Neuroscience. https://doi.org/10.1038/nn.4450

这项研究考察不同人回忆同一真实事件时神经表征是否共享。参与者看电影后在fMRI中自由复述，结果显示默认网络、内侧颞叶和高级视觉区会重现事件特异模式，并在个体间呈现相似空间组织。

[6]Ariel Goldstein, Zaid Zada, Eliav Buchnik, Mariano Schain, Amy Price, Bobbi Aubrey, Samuel A Nastase, Amir Feder, Dotan Emanuel, Alon Cohen, Aren Jansen, Harshvardhan Gazula, Gina Choe, Aditi Rao, Catherine Kim, Colton Casto, Lora Fanda, Werner Doyle, Daniel Friedman, Patricia Dugan, Lucia Melloni, Roi Reichart, Sasha Devore, Adeen Flinker, Liat Hasenfratz, Omer Levy, Avinatan Hassidim, Michael Brenner, Yossi Matias,Kenneth A Norman, Orrin Devinsky, Uri Hasson. (2022). Shared computational principles for language processing in humans and deep language models. Nature Neuroscience. https://doi.org/10.1038/s41593-022-01026-4

这项研究比较人脑与自回归深度语言模型处理自然语言的共同机制。9名参与者听播客并记录ECoG，结果显示二者都进行词前预测、根据输入词计算惊讶度，并依赖上下文嵌入表征词义。

Elizabeth Gould：成年神经发生、结构可塑性和海马功能

官网： https://pni.princeton.edu/people/elizabeth-gould

Elizabeth Gould 任 Princeton Neuroscience Institute 神经科学讲席教授。研究方向集中在成年神经发生、结构可塑性和海马功能。本轮在 Science / Nature Neuroscience 中核验到 7 篇记录。

[1]E Gould, A Beylin, P Tanapat, A Reeves, T J Shors. (1999). Learning enhances adult neurogenesis in the hippocampal formation. Nature Neuroscience. https://doi.org/10.1038/6365

这项研究解决海马依赖学习是否影响成年新生神经元的问题。作者用BrdU标记大鼠新细胞并比较行为任务，发现需要海马的联想学习会使齿状回成年新生神经元数量翻倍，而非海马任务没有这种效应。

[2]E Gould, A J Reeves, M S Graziano, C G Gross. (1999). Neurogenesis in the neocortex of adult primates. Science. https://doi.org/10.1126/science.286.5439.548

这项研究考察成年灵长类新皮层是否仍有新神经元加入。作者在成年猕猴中发现前额叶、下颞叶和后顶叶联合皮层存在新生神经元，而初级视觉皮层没有，提示成年联合皮层可能持续获得新细胞。

[3]Christian Mirescu, Jennifer D Peters,Elizabeth Gould. (2004). Early life experience alters response of adult neurogenesis to stress. Nature Neuroscience. https://doi.org/10.1038/nn1290

这项研究关注早期逆境如何改变成年海马神经发生对压力的反应。母婴分离大鼠成年后齿状回细胞增殖和未成熟神经元减少，且对糖皮质激素更敏感，正常的压力诱导抑制反应也被削弱。

[4]Christian Mirescu,Elizabeth Gould. (2004). From neurotoxin to neurotrophin. Nature Neuroscience. https://doi.org/10.1038/nn0904-899

这篇没有摘要，题名“从神经毒素到神经营养因子”加上评论/新闻类型，提示它更像围绕某种分子或机制角色转变的观点性短评，可能讨论其从损伤因素到支持神经功能因素的理解变化。

[5]Yevgenia Kozorovitskiy, Maria Hughes, Kim Lee,Elizabeth Gould. (2006). Fatherhood affects dendritic spines and vasopressin V1a receptors in the primate prefrontal cortex. Nature Neuroscience. https://doi.org/10.1038/nn1753

这项研究探讨父亲身份如何影响灵长类前额叶。作者比较狨猴父亲与非父亲，发现首次和有经验父亲的前额叶锥体神经元树突棘密度更高，同时加压素V1a受体及其标记树突棘比例增加。

[6]Alexis M Stranahan, David Khalil,Elizabeth Gould. (2006). Social isolation delays the positive effects of running on adult neurogenesis. Nature Neuroscience. https://doi.org/10.1038/nn1668

这篇研究考察独居是否会改变运动对成年海马神经发生的益处。大鼠实验显示，短期跑步在群居条件下促进新神经元生成，但独居会延迟甚至在额外压力下反转这一效应；降低皮质酮后，运动影响又转为正向。

[7]Timothy J Schoenfeld,Elizabeth Gould. (2012). New neurons retire early. Nature Neuroscience. https://doi.org/10.1038/nn.3268

这是一篇评论/新闻性质文章，题名提示其讨论“新生神经元较早退出”这一发现或观点。由于无摘要，只能判断它可能围绕成年神经发生中新生神经元的功能时程、成熟后作用或研究解释展开简要评述。

Lisa Boulanger：免疫分子在神经发育和突触可塑性中的功能

官网： https://pni.princeton.edu/people/lisa-boulanger

Lisa Boulanger 任 Princeton Neuroscience Institute 副教授。研究方向集中在免疫分子在神经发育和突触可塑性中的功能。本轮在 Science / Nature Neuroscience 中核验到 2 篇记录。

[1]L M Boulanger, M M Poo. (1999). Presynaptic depolarization facilitates neurotrophin-induced synaptic potentiation. Nature Neuroscience. https://doi.org/10.1038/7258

这篇研究解决神经营养因子如何选择性增强活跃突触的问题。作者在发育中神经肌肉突触发现，低水平BDNF单独无效，但与短暂突触前去极化配合时可显著增强诱发和自发传递，说明活动输入更易被选择性强化。

[2]G S Huh,L M Boulanger, H Du, P A Riquelme, T M Brotz, C J Shatz. (2000). Functional requirement for class I MHC in CNS development and plasticity. Science. https://doi.org/10.1126/science.290.5499.2155

这篇研究探讨免疫相关的I类MHC是否参与中枢神经系统发育和可塑性。小鼠缺失细胞表面I类MHC或CD3ζ后，视网膜到中枢靶区连接精修不完全，成年海马LTP增强而LTD消失，显示其对活动依赖性重塑很关键。

Carlos Brody：知觉决策、证据积累和神经机制

官网： https://pni.princeton.edu/people/carlos-brody

Carlos Brody 任 Princeton Neuroscience Institute 神经科学讲席教授。研究方向集中在知觉决策、证据积累和神经机制。本轮在 Science / Nature Neuroscience 中核验到 6 篇记录。

[1]Ranulfo Romo, Adrián Hernández, Antonio Zainos, Luis Lemus,Carlos D Brody. (2002). Neuronal correlates of decision-making in secondary somatosensory cortex. Nature Neuroscience. https://doi.org/10.1038/nn950

这篇研究追问大脑何处、如何把当前感觉与记忆中的感觉作比较。作者训练猴子比较两次指尖振动频率，并记录S2单神经元；部分神经元在第二刺激期同时反映第一和第二刺激，随后活动还与决策相关。

[2]Rogelio Luna, Adrián Hernández,Carlos D Brody, Ranulfo Romo. (2005). Neural codes for perceptual discrimination in primary somatosensory cortex. Nature Neuroscience. https://doi.org/10.1038/nn1513

这篇研究比较触觉频率辨别中可能使用的神经编码。作者分析猴初级躯体感觉皮层单神经元，检验放电间隔、平均频率、总脉冲数和爆发等编码；只有早期时间窗内的脉冲计数能逐试次对应行为偏差和辨别阈值。

[3]Christian K Machens, Ranulfo Romo,Carlos D Brody. (2005). Flexible control of mutual inhibition: a neural model of two-interval discrimination. Science. https://doi.org/10.1126/science.1104171

这篇研究用模型解释两间隔辨别任务中神经网络如何在感知、工作记忆和决策间切换。作者提出简单的互抑网络，显示不改变连接结构也能通过动力学控制完成三阶段功能，提示互抑是灵活认知计算的可用设计模块。

[4]Bingni W Brunton, Matthew M Botvinick,Carlos D Brody. (2013). Rats and humans can optimally accumulate evidence for decision-making. Science. https://doi.org/10.1126/science.1233912

这篇研究要区分决策证据积累中的噪声来源。作者设计随机脉冲证据任务，并用逐试次脉冲时序建模分析大鼠和人类行为；结果显示积累器记忆近乎无噪声，主要变异来自新感觉证据的加入。

[5]Kevin J Miller, Matthew M Botvinick,Carlos D Brody. (2017). Dorsal hippocampus contributes to model-based planning. Nature Neuroscience. https://doi.org/10.1038/nn.4613

这篇研究解决背侧海马是否因果参与基于模型的规划这一争议。作者为大鼠改造可产生大量规划行为的任务，结合算法化行为分析和蝇蕈醇失活，发现背侧海马活动与规划行为存在因果联系，并提供可扩展的动物研究工具。

[6]Chunyu A Duan, Marino Pagan, Alex T Piet, Charles D Kopec, Athena Akrami, Alexander J Riordan, Jeffrey C Erlich,Carlos D Brody. (2021). Collicular circuits for flexible sensorimotor routing. Nature Neuroscience. https://doi.org/10.1038/s41593-021-00865-x

这篇研究解析上丘在情境依赖感觉运动路由中的具体作用。大鼠实验发现一类上丘神经元连接情境表征与运动选择，且比其他上丘和额叶神经元更早编码选择；光遗传失活表明情境编码期上丘活动对选择行为必需。

Tatiana Engel：认知相关神经动力学和潜在电路推断

官网： https://pni.princeton.edu/people/tatiana-engel

Tatiana Engel 任 Princeton Neuroscience Institute 副教授。研究方向集中在认知相关神经动力学和潜在电路推断。本轮在 Science / Nature Neuroscience 中核验到 2 篇记录。

[1]Tatiana A Engel, Nicholas A Steinmetz, Marc A Gieselmann, Alexander Thiele, Tirin Moore, Kwabena Boahen. (2016). Selective modulation of cortical state during spatial attention. Science. https://doi.org/10.1126/science.aag1420

这项研究探讨内源性皮层状态波动如何影响空间注意。作者记录灵长类视觉皮层群体活动，发现神经元会在On/Off放电状态间同步转换；注意可局部调节这种状态，且瞬时相位能预测行为表现。

[2]Christopher Langdon,Tatiana A Engel. (2025). Latent circuit inference from heterogeneous neural responses during cognitive tasks. Nature Neuroscience. https://doi.org/10.1038/s41593-025-01869-7

这篇论文要解决高阶皮层中混杂神经反应如何由潜在连接产生并驱动行为的问题。作者提出潜在回路模型，在情境决策任务中推断低维递归连接，发现情境表征会抑制无关感觉反应，并在猴前额叶数据中得到验证。

Jonathan Pillow：神经编码、统计建模和决策动力学

官网： https://pni.princeton.edu/people/jonathan-pillow

Jonathan Pillow 任 Princeton Neuroscience Institute 教授。研究方向集中在神经编码、统计建模和决策动力学。本轮在 Science / Nature Neuroscience 中核验到 10 篇记录。

[1]Il Memming Park, Miriam L R Meister, Alexander C Huk,Jonathan W Pillow. (2014). Encoding and decoding in parietal cortex during sensorimotor decision-making. Nature Neuroscience. https://doi.org/10.1038/nn.3800

该研究关注猕猴LIP区在感觉运动决策中到底编码什么。作者用广义线性模型分析单次脉冲列，发现LIP同时承载重叠的任务和决策信号；最优解码需在两个时间尺度上整合放电，为研究高阶脑区复合编码提供框架。

[2]Jonathan W Pillow. (2015). Explaining the especially pink elephant. Nature Neuroscience. https://doi.org/10.1038/nn.4122

这篇Nature Neuroscience评论题为“解释特别粉红的大象”，没有摘要可用。仅从题名和文章类型看，它更像围绕某项神经科学发现或模型解释问题展开的观点性短评，而非报告新的实验数据。

[3]Kenneth W Latimer, Jacob L Yates, Miriam L R Meister, Alexander C Huk,Jonathan W Pillow. (2015). NEURONAL MODELING. Single-trial spike trains in parietal cortex reveal discrete steps during decision-making. Science. https://doi.org/10.1126/science.aaa4056

这项研究检验LIP神经元决策期平均放电斜坡是否真代表连续证据积累。作者比较单次脉冲列的连续扩散到边界模型和离散跳变模型，发现约四分之三选择相关神经元更符合跳变动力学，且跳变更能预测选择。

[4]Kenneth W Latimer, Jacob L Yates, Miriam L R Meister, Alexander C Huk,Jonathan W Pillow. (2016). Response to Comment on "Single-trial spike trains in parietal cortex reveal discrete steps during decision-making". Science. https://doi.org/10.1126/science.aad3596

这篇回应文章澄清对“LIP单次脉冲显示离散决策步骤”研究的评论。作者指出对方讨论的平均放电、行为关系和模型扩展并非原报告核心；核心结论是多数LIP神经元用跳变动力学比扩散到边界模型描述更好。

[5]Jacob L Yates, Il Memming Park, Leor N Katz,Jonathan W Pillow, Alexander C Huk. (2017). Functional dissection of signal and noise in MT and LIP during decision-making. Nature Neuroscience. https://doi.org/10.1038/nn.4611

该研究要检验MT到LIP的决策信号转换是否符合经典理想化模型。作者同步分析猴MT和LIP活动，发现选择主要依赖运动刺激早期证据，MT已有早期加权；LIP既重现这种加权，又含与运动积分不同的选择相关累积。

[6]Jonathan W Pillow, Mikio C Aoi. (2017). Is population activity more than the sum of its parts?. Nature Neuroscience. https://doi.org/10.1038/nn.4627

这篇评论题为“群体活动是否大于部分之和？”，没有摘要。依据题名和评论类型，它更像讨论神经群体活动分析中整体模式与单神经元贡献关系的观点文章，而不是提供独立实验结果的研究论文。

[7]Adam J Calhoun,Jonathan W Pillow, Mala Murthy. (2019). Unsupervised identification of the internal states that shape natural behavior. Nature Neuroscience. https://doi.org/10.1038/s41593-019-0533-x

这项研究解决如何从行为数据中无监督识别内部状态的问题。作者在果蝇求偶歌行为中建立模型，发现三个潜在状态可预测逐时歌型选择；这些状态对应不同感觉运动策略，并显示特定神经元足以驱动状态切换。

[8]Mikio C Aoi, Valerio Mante,Jonathan W Pillow. (2020). Prefrontal cortex exhibits multidimensional dynamic encoding during decision-making. Nature Neuroscience. https://doi.org/10.1038/s41593-020-0696-5

该研究探讨前额叶在情境依赖知觉决策中的动态编码作用。作者提出识别任务相关群体维度的方法，发现PFC同时编码情境、选择及相关/无关感觉信息；编码先线性积累后转为旋转动力学，并在整合期保持选择信息。

[9]Zoe C Ashwood, Nicholas A Roy, Iris R Stone, Anne E Urai, Anne K Churchland, Alexandre Pouget,Jonathan W Pillow. (2022). Mice alternate between discrete strategies during perceptual decision-making. Nature Neuroscience. https://doi.org/10.1038/s41593-021-01007-z

这篇研究要解决感知决策中动物是否始终使用同一策略的问题。作者分析小鼠和人类决策实验，用隐马尔可夫模型识别交替出现的策略状态，发现小鼠会在依赖感觉证据的投入状态和多个偏置状态间切换，许多“失误”可由策略转换解释。

[10]Scott S Bolkan, Iris R Stone, Lucas Pinto, Zoe C Ashwood, Jorge M Iravedra Garcia, Alison L Herman, Priyanka Singh, Akhil Bandi, Julia Cox, Christopher A Zimmerman, Jounhong Ryan Cho, Ben Engelhard,Jonathan W Pillow, Ilana B Witten. (2022). Opponent control of behavior by dorsomedial striatal pathways depends on task demands and internal state. Nature Neuroscience. https://doi.org/10.1038/s41593-022-01021-9

这篇研究关注背内侧纹状体直接、间接通路是否总是相反控制行为。作者结合任务操控和带广义线性观测的隐状态模型，发现这种对抗性控制取决于任务认知需求和小鼠内部状态，在证据积累策略中最强，而在重复既往选择策略中较弱。

H. Sebastian Seung：连接组学、神经线路重建和神经编码

官网： https://pni.princeton.edu/people/h-sebastian-seung

H. Sebastian Seung 任 Princeton Neuroscience Institute 和 Computer Science 神经科学讲席教授。研究方向集中在连接组学、神经线路重建和神经编码。本轮在 Science / Nature Neuroscience 中核验到 6 篇记录。

[1]H S Seung. (2000). Half a century of Hebb. Nature Neuroscience. https://doi.org/10.1038/81430

这篇文章题为“Hebb半个世纪”，且类型包含传记和历史文章；因无摘要，只能克制判断其更像回顾或历史性综述，围绕Hebb理论提出后约50年的影响，讨论其在神经可塑性、学习规则或认知神经科学中的地位。

[2]H S Seung, D D Lee. (2000). Cognition. The manifold ways of perception. Science. https://doi.org/10.1126/science.290.5500.2268

这篇评论/观点文章讨论视觉感知如何在输入图像不断变化时仍保持对象稳定。摘要显示，Seung和Lee介绍两种用于处理感知刺激和高维数据变异性的数学算法，帮助解释流形学习如何建模复杂感知空间。

[3]E Aksay, G Gamkrelidze,H S Seung, R Baker, D W Tank. (2001). In vivo intracellular recording and perturbation of persistent activity in a neural integrator. Nature Neuroscience. https://doi.org/10.1038/84023

这篇研究要解释神经积分器中持续放电如何维持。作者在金鱼眼动神经积分器做在体胞内记录和电流扰动，发现眼位相关的膜电位阶跃在超极化后仍存在，短脉冲只产生瞬时效应，提示持续活动主要来自突触输入的持久改变。

[4]Giulio Srubek Tomassy, Daniel R Berger, Hsu-Hsin Chen, Narayanan Kasthuri, Kenneth J Hayworth, Alessandro Vercelli,H Sebastian Seung, Jeff W Lichtman, Paola Arlotta. (2014). Distinct profiles of myelin distribution along single axons of pyramidal neurons in the neocortex. Science. https://doi.org/10.1126/science.1249766

这篇研究检验轴突髓鞘是否沿长度均匀分布。作者用高通量电镜重建小鼠新皮层锥体神经元单根轴突并绘制髓鞘图谱，发现不同神经元具有特异的纵向髓鞘模式，浅层神经元尤其多样，可能调节远距离皮层通信。

[5]Ashwin Vishwanathan, Alex Sood, Jingpeng Wu, Alexandro D Ramirez, Runzhe Yang, Nico Kemnitz, Dodam Ih, Nicholas Turner, Kisuk Lee, Ignacio Tartavull, William M Silversmith, Chris S Jordan, Celia David, Doug Bland, Amy Sterling,H Sebastian Seung, Mark S Goldman, Emre R F Aksay. (2024). Predicting modular functions and neural coding of behavior from a synaptic wiring diagram. Nature Neuroscience. https://doi.org/10.1038/s41593-024-01784-3

这篇研究要从突触连接图预测神经环路功能。作者重建斑马鱼幼体脑干连接组，识别出分别服务眼动和身体运动的强连接模块，并基于连接图建模预测眼位编码和动力学，再用钙成像数据验证，展示连接组可连接结构与功能。

[6]Agnes L Bodor, Casey M Schneider-Mizell, Chi Zhang, Leila Elabbady, Alex Mallen, Andi Bergeson, Derrick Brittain, JoAnn Buchanan, Daniel J Bumbarger, Rachel Dalley, Clare Gamlin, Emily Joyce, Daniel Kapner, Sam Kinn, Gayathri Mahalingam, Sharmishtaa Seshamani, Shelby Suckow, Marc Takeno, Russel Torres, Wenjing Yin, J Alexander Bae, Manuel A Castro, Sven Dorkenwald, Akhilesh Halageri, Zhen Jia, Chris Jordan, Nico Kemnitz, Kisuk Lee, Kai Li, Ran Lu, Thomas Macrina, Eric Mitchell, Shanka Subhra Mondal, Shang Mu, Barak Nehoran, Sergiy Popovych, William Silversmith, Nicholas L Turner, Szi-Chieh Yu, William Wong, Jingpeng Wu, Brendan Celii, Luke Campagnola, Stephanie C Seeman, Tim Jarsky, Naixin Ren, Anton Arkhipov, Jacob Reimer,H Sebastian Seung, R Clay Reid, Forrest Collman, Nuno Maçarico da Costa. (2025). The synaptic architecture of layer 5 thick tufted excitatory neurons in mouse visual cortex. Nature Neuroscience. https://doi.org/10.1038/s41593-025-02004-2

这篇研究解决单个皮层兴奋性细胞突触连接仍不清楚的问题。作者利用小鼠视觉皮层1立方毫米公开电镜数据，分析第5层厚簇状锥体细胞，发现其近邻主要与特定抑制性细胞互联，远端轴突则更多连接兴奋性细胞，并提供自动化连接分析框架。

David Tank：神经线路动力学、成像技术和虚拟导航

官网： https://pni.princeton.edu/people/david-tank

David Tank 任 Princeton Neuroscience Institute 神经科学讲席教授，并担任相关神经科学中心的科学主任。研究方向集中在神经线路动力学、成像技术和虚拟导航。本轮在 Science / Nature Neuroscience 中核验到 13 篇记录。

[1]J J Hopfield,D W Tank. (1986). Computing with neural circuits: a model. Science. https://doi.org/10.1126/science.3755256

这篇研究提出理解神经回路计算的模型框架。作者用非线性分级响应神经元和近似对称突触构成网络，引入最小化原则，使复杂回路在不逐步追踪动力学的情况下也可分析，并指出电子实现可产生新型计算电路。

[2]J J Hopfield,D W Tank. (1987). Response: computing with neural networks. Science. https://doi.org/10.1126/science.235.4793.1228

这篇文章题为“回应：用神经网络计算”，且无摘要；只能依据题名和文章类型判断，它更像围绕此前神经网络计算模型的回应或短文，可能澄清模型假设、计算含义或相关讨论，而不能进一步推断具体实验发现。

[3]D W Tank, M Sugimori, J A Connor, R R Llinás. (1988). Spatially resolved calcium dynamics of mammalian Purkinje cells in cerebellar slice. Science. https://doi.org/10.1126/science.2847315

这篇研究用微荧光成像观察豚鼠小脑切片中浦肯野细胞的钙浓度变化，解决树突内钙信号如何对应电活动的问题。结果显示自发和诱发放电伴随特定时空钙动态，支持钙电导在树突中分区分布的假说。

[4]E C Sobel,D W Tank. (1994). In vivo Ca2+ dynamics in a cricket auditory neuron: an example of chemical computation. Science. https://doi.org/10.1126/science.263.5148.823

这篇研究考察蟋蟀听觉神经元如何把声音刺激转化为细胞内钙动态。作者用Fura-2成像发现鸣声样刺激引发钙升高，其时间过程对应前向掩蔽；缓冲钙会消除相关超极化，提示钙激活电流参与听觉敏感性调节。

[5]D W Tank, A Gelperin, D Kleinfeld. (1994). Odors, oscillations, and waves: does it all compute?. Science. https://doi.org/10.1126/science.265.5180.1819

这篇题为“气味、振荡与波：这一切都在计算吗？”的文章缺少摘要，依据题名更像围绕嗅觉系统中振荡、波动与神经计算关系的评论或观点文章，可能讨论这些动态现象是否具有信息处理功能。

[6]K Svoboda,D W Tank, W Denk. (1996). Direct measurement of coupling between dendritic spines and shafts. Science. https://doi.org/10.1126/science.272.5262.716

这篇研究直接测量树突棘与树突干之间的扩散和电耦合，解决突触输入是否被棘颈隔离的问题。作者用双光子漂白和光释放制造浓度梯度，发现再平衡为20至100毫秒，说明棘在短时间尺度上有化学分隔。

[7]F Helmchen, K Svoboda, W Denk,D W Tank. (1999). In vivo dendritic calcium dynamics in deep-layer cortical pyramidal neurons. Nature Neuroscience. https://doi.org/10.1038/14788

这篇研究追问完整新皮层中深层锥体神经元树突是否会产生钙动作电位。作者在大鼠桶状皮层体内用双光子显微镜记录，发现胡须刺激、复杂放电和皮层尖波可伴随大树突钙瞬变，且树突与胞体耦合并不固定。

[8]K Svoboda, F Helmchen, W Denk,D W Tank. (1999). Spread of dendritic excitation in layer 2/3 pyramidal neurons in rat barrel cortex in vivo. Nature Neuroscience. https://doi.org/10.1038/4569

这篇研究解释大鼠桶状皮层2/3层锥体细胞中树突钙信号为何局限在近胞体区域。作者结合双光子钙成像和树突膜电位记录，发现钠动作电位向远端树突传播失败；尾夹激活皮层状态可增强感觉诱发钙流入。

[9]E Aksay, G Gamkrelidze, H S Seung, R Baker,D W Tank. (2001). In vivo intracellular recording and perturbation of persistent activity in a neural integrator. Nature Neuroscience. https://doi.org/10.1038/84023

这篇研究探讨眼动神经积分器中持续神经活动由什么机制维持。作者在金鱼体内做细胞内记录和电流扰动，发现眼位相关的膜电位阶跃在低于放电阈值时仍存在，支持持续活动主要来自突触输入变化，而非膜多稳态或起搏电流。

[10]Emre Aksay, Itsaso Olasagasti, Brett D Mensh, Robert Baker, Mark S Goldman,David W Tank. (2007). Functional dissection of circuitry in a neural integrator. Nature Neuroscience. https://doi.org/10.1038/nn1877

这篇研究检验神经积分器中互抑是否通过正反馈维持短期记忆样持续放电。作者在金鱼眼动积分器中药理沉默对侧细胞群并记录眼位和放电，结果不符合传统预测，提出互抑主要协调各群体自身的持续活动。

[11]Daniel A Dombeck, Christopher D Harvey, Lin Tian, Loren L Looger,David W Tank. (2010). Functional imaging of hippocampal place cells at cellular resolution during virtual navigation. Nature Neuroscience. https://doi.org/10.1038/nn.2648

这篇研究解决自由导航任务中如何以细胞分辨率观察海马位置细胞活动的问题。作者让头固定小鼠在虚拟现实环境中行动，通过慢性海马窗和GCaMP3双光子成像识别CA1位置细胞，并比较位置场与局部解剖位置。

[12]Andrew Miri, Kayvon Daie, Aristides B Arrenberg, Herwig Baier, Emre Aksay,David W Tank. (2011). Spatial gradients and multidimensional dynamics in a neural integrator circuit. Nature Neuroscience. https://doi.org/10.1038/nn.2888

这篇研究用斑马鱼眼动神经积分器解析持续放电时间常数的空间组织。作者进行群体光学记录，发现细胞间持久性差异可达十倍，且相似性随距离下降，时间常数沿脑区轴向形成梯度，支持局部连接更强的多维动力学模型。

[13]John Peter Rickgauer, Karl Deisseroth,David W Tank. (2014). Simultaneous cellular-resolution optical perturbation and imaging of place cell firing fields. Nature Neuroscience. https://doi.org/10.1038/nn.3866

这项研究解决行为中如何同时操控并记录单个神经元活动的问题。作者开发双波长双光子方法，在虚拟现实导航小鼠中刺激并成像海马CA1位置细胞，发现单细胞偏置会影响同期活跃的小群细胞，提示局部相互作用参与塑造位置场。

Ilana Witten：奖赏学习、成瘾相关神经环路和决策

官网： https://pni.princeton.edu/people/ilana-witten

Ilana Witten 任 Princeton Neuroscience Institute 教授。研究方向集中在奖赏学习、成瘾相关神经环路和决策。本轮在 Science / Nature Neuroscience 中核验到 11 篇记录。

[1]Ilana B Witten, Joseph F Bergan, Eric I Knudsen. (2006). Dynamic shifts in the owl's auditory space map predict moving sound location. Nature Neuroscience. https://doi.org/10.1038/nn1781

这项研究追问谷仓猫头鹰如何定位运动声源。作者记录视顶盖听觉空间图，发现感受野会向接近的声音动态偏移，且偏移随声速增加，可补偿感觉和运动延迟；计算模型提示这种预测性编码或是中枢神经系统的普遍机制。

[2]Ilana B Witten, Shih-Chun Lin, Matthew Brodsky, Rohit Prakash, Ilka Diester, Polina Anikeeva, Viviana Gradinaru, Charu Ramakrishnan, Karl Deisseroth. (2010). Cholinergic interneurons control local circuit activity and cocaine conditioning. Science. https://doi.org/10.1126/science.1193771

这项研究解决伏隔核胆碱能中间神经元在局部环路和药物学习中的因果作用。作者结合光遗传、自由行为电生理和切片实验，发现这类不足1%的细胞能强力调制环路活动；沉默可卡因诱发活动会阻断可卡因条件化。

[3]Elizabeth E Steinberg, Ronald Keiflin, Josiah R Boivin,Ilana B Witten, Karl Deisseroth, Patricia H Janak. (2013). A causal link between prediction errors, dopamine neurons and learning. Nature Neuroscience. https://doi.org/10.1038/nn.3413

这项研究检验多巴胺预测误差信号是否因果驱动线索-奖赏学习。作者在大鼠阻断和消退任务中用光遗传精确激活多巴胺神经元，模拟奖赏预测误差，结果足以长期增强线索诱发的寻奖行为，连接了理论模型与实验证据。

[4]Nathan F Parker,Ilana B Witten. (2016). Gaining on reward prediction errors. Nature Neuroscience. https://doi.org/10.1038/nn.4246

这篇文章没有摘要，题名指向“奖赏预测误差的增益”问题，文章类型为评论/观点。它更可能围绕多巴胺或学习理论中预测误差信号如何被放大、调节或解释展开评述，而非报告新的实验数据。

[5]Nathan F Parker, Courtney M Cameron, Joshua P Taliaferro, Junuk Lee, Jung Yoon Choi, Thomas J Davidson, Nathaniel D Daw,Ilana B Witten. (2016). Reward and choice encoding in terminals of midbrain dopamine neurons depends on striatal target. Nature Neuroscience. https://doi.org/10.1038/nn.4287

这项研究解决中脑多巴胺神经元是否按纹状体投射靶区功能分化的问题。作者在工具性反转学习任务中比较不同终末，发现腹侧纹状体终末更强编码奖赏和奖赏线索，背内侧终末更强编码对侧选择，但二者都编码预测误差。

[6]Daniel Dautan, Albert S Souza, Icnelia Huerta-Ocampo, Miguel Valencia, Maxime Assous,Ilana B Witten, Karl Deisseroth, James M Tepper, J Paul Bolam, Todor V Gerdjikov, Juan Mena-Segovia. (2016). Segregated cholinergic transmission modulates dopamine neurons integrated in distinct functional circuits. Nature Neuroscience. https://doi.org/10.1038/nn.4335

这项研究探讨脑干胆碱能输入如何调控VTA多巴胺系统。作者用光遗传和在体近细胞记录发现，LDT输入选择性增强厌恶刺激兴奋的中脑边缘多巴胺神经元爆发，而PPN输入作用于另一类功能环路，显示奖赏回路存在分隔调制。

[7]Akira Uematsu, Bao Zhen Tan, Edgar A Ycu, Jessica Sulkes Cuevas, Jenny Koivumaa, Felix Junyent, Eric J Kremer,Ilana B Witten, Karl Deisseroth, Joshua P Johansen. (2017). Modular organization of the brainstem noradrenaline system coordinates opposing learning states. Nature Neuroscience. https://doi.org/10.1038/nn.4642

这项研究解决蓝斑去甲肾上腺素系统如何协调相反学习状态的问题。作者在大鼠中做投射图谱和编码分析，发现杏仁核投射模块促进厌恶学习，内侧前额叶投射模块促进消退；强厌恶刺激则广泛招募细胞，支持模块化调控情绪反应。

[8]Scott S Bolkan, Iris R Stone, Lucas Pinto, Zoe C Ashwood, Jorge M Iravedra Garcia, Alison L Herman, Priyanka Singh, Akhil Bandi, Julia Cox, Christopher A Zimmerman, Jounhong Ryan Cho, Ben Engelhard, Jonathan W Pillow,Ilana B Witten. (2022). Opponent control of behavior by dorsomedial striatal pathways depends on task demands and internal state. Nature Neuroscience. https://doi.org/10.1038/s41593-022-01021-9

这项研究重新检验背内侧纹状体直接、间接通路是否总是相反控制行为。作者结合任务操控和带广义线性观测的隐马尔可夫模型发现，对抗性控制取决于任务认知需求和小鼠内部状态，在证据积累策略状态下贡献更大。

[9]Julia Cox, Adelaide R Minerva, Weston T Fleming, Christopher A Zimmerman, Cameron Hayes, Samuel Zorowitz, Akhil Bandi, Sharon Ornelas, Brenna McMannon, Nathan F Parker,Ilana B Witten. (2023). A neural substrate of sex-dependent modulation of motivation. Nature Neuroscience. https://doi.org/10.1038/s41593-022-01229-9

这项研究寻找动机性别差异的神经基础。作者在小鼠价值决策任务中发现雌雄选择相似，但雌性参与任务的动机更受行动价值调节；抑制ACC到背内侧纹状体投射会优先破坏雌性这种价值-动机关系，提示该通路介导性别特异调制。

[10]Rachel S Lee, Yotam Sagiv, Ben Engelhard,Ilana B Witten, Nathaniel D Daw. (2024). A feature-specific prediction error model explains dopaminergic heterogeneity. Nature Neuroscience. https://doi.org/10.1038/s41593-024-01689-1

这篇研究针对多巴胺神经元是否只广播单一奖励预测误差信号的问题，提出“特征特异性预测误差”模型，解释腹侧被盖区和黑质多巴胺神经元在不同任务变量、动作反应中的异质编码。

[11]Tomohito Minakuchi, Eartha Mae Guthman, Preeta Acharya, Justin Hinson, Weston Fleming,Ilana B Witten, Stefan N Oline, Annegret L Falkner. (2024). Independent inhibitory control mechanisms for aggressive motivation and action. Nature Neuroscience. https://doi.org/10.1038/s41593-023-01563-6

这篇研究用小鼠攻击行为解析下丘脑VMHvl的抑制输入如何分工控制攻击动机与动作。结果显示，本地VMHvl shell输入可终止攻击动作，而MPO到VMHvl输入维持低动机状态，并伴随正价和抗焦虑效应。

小编观点

太勇了！领域需要更多的耿同学！！！

你怎么看？

分享人：天天

审核：PsyBrain 脑心前沿编辑部

你好，这里是「PsyBrain 脑心前沿」

专注追踪全球认知神经科学的最尖端突破

视野直击 Nature, Science, Cell 正刊 及核心子刊与顶级大刊

每日速递「深度解读」与「前沿快讯」

科研是一场探索未知的长跑，但你无需独行。欢迎加入PsyBrain 学术社群，和一群懂你的同行，共同丈量脑与心智的无垠前沿。

点击卡片进群，欢迎你的到来

一键关注，点亮星标 ⭐ 前沿不走丢！

一键分享，让更多人了解前沿