此前，關(guān)于抑郁癥的研究發(fā)現(xiàn)了布羅德曼25區(qū)（Brodmann Area 25）和背外側(cè)前額葉（dorsolateral prefrontal cortex，DLPFC）以及布羅德曼10區(qū)的神奇聯(lián)系：“弱勢”的DLPFC和10區(qū)將帶來“強(qiáng)勢”25區(qū)，而25區(qū)的過分活躍和抑郁癥有著緊密的聯(lián)系。不過，“感性”的25區(qū)同與認(rèn)知控制有關(guān)的10區(qū)以及DLPFC的連接并不豐富。誰會是二者的中間人呢？

近日，一項(xiàng)研究對恒河猴（rhesus monkey）的32區(qū)進(jìn)行了順行性和逆行性的病毒示蹤（anterograde and retrograde tracing）。前者回溯到了DLPFC和10區(qū)，集中在二者的淺層（superficial layer）；后者則能顯示32區(qū)對25區(qū)的輸入：淺層的輸入集中在興奮性細(xì)胞上，也有對抑制性的CB和CR神經(jīng)元的輸入，或許可以用前二者加強(qiáng)相應(yīng)的輸入，而用后者的去抑制（disinhibition）調(diào)控特定的輸入。深層相較淺層，抑制性的PV細(xì)胞得到的輸入更多一些，而25區(qū)的深層部分對于反饋與其他調(diào)控機(jī)制的關(guān)系十分密切，因此32區(qū)的輸入或?qū)p少25區(qū)的活動，讓認(rèn)知占主導(dǎo)。

研究人員根據(jù)解剖觀察提出的A32工作模型

-Joyce et al., J. Neurosci -

另外，該研究還刻畫了具體的連接強(qiáng)度，關(guān)注扣結(jié)（bouton）的大小、線粒體的數(shù)量和突觸表面積等解剖特征，認(rèn)為32區(qū)的輸入同其他區(qū)域的輸入相比更為強(qiáng)大，且遍布25區(qū)的所有部分。最后，出于對氯胺酮（ketamine）抗抑郁效果的關(guān)注，研究者們還注意到了25區(qū)的NMDA受體分布情況，發(fā)現(xiàn)所有的抑制類神經(jīng)元上都有NMDA受體，其中CR的數(shù)量最多，而CR的脫抑制作用或許可以解釋氯胺酮超快速起效的原理。

“眼睛是心靈的窗戶”，這句話對視覺只有人類的百分之一的小鼠來說一點(diǎn)都不管用。小鼠能在漫長的進(jìn)化史上存活下來，很大程度上依賴它的胡子。如同我們的手指能感知不同的形狀、材質(zhì)，小鼠的胡子（科學(xué)名稱是晶須，whisker）就是它們打開世界的鑰匙。
小鼠的胡子如何感知外界呢？為了找到答案，一群來自南加州大學(xué)的研究者想出了一個(gè)很調(diào)皮的點(diǎn)子。它們把小鼠的胡子剃到只剩下一根，然后用棍子從左右不同的方向去撥這最后一根胡子，讓小鼠學(xué)會判斷棍子撥來的方向。訓(xùn)練沒多久，小鼠的成就令人刮目相看了：只需要訓(xùn)練小鼠區(qū)分左右兩種方向（45°和135°），在接下來的測試中它就能辨別出相差15°的7種方向。

別看用棍子撥胡子是一個(gè)簡單的動作，它其實(shí)包含了很多不同的參數(shù)作用，研究者歸納出了12種參數(shù)，包括六種與胡子動力學(xué)有關(guān)的參數(shù)，還有六種與胡子力量產(chǎn)生有關(guān)的參數(shù)。為了知道這12種參數(shù)是否足夠給小鼠信息判斷棍子的方向，研究者構(gòu)建了多項(xiàng)式分布的廣義線性模型（multinomial generalized linear models，GLM） ，在模型中使用12種參數(shù)來預(yù)測7種不同的棍子方向，結(jié)果發(fā)現(xiàn)，這12種參數(shù)足以區(qū)分15°的細(xì)微差別。其中，棍子觸碰胡須時(shí)的滑動距離（slide distance）和垂直彎曲程度（vertical bending）在12個(gè)參數(shù)中對小鼠影響最大。

接著，通過對初級軀體感覺皮層（primary somatosensory cortex，S1）的鈣信號成像分析，他們發(fā)現(xiàn)大部分活躍的神經(jīng)元都與觸碰行為有關(guān)，只有少部分與拂撣、舔、聲音、和獎勵(lì)行為有關(guān)。有趣的是，這些與觸碰行為有關(guān)的神經(jīng)元的放電情況很大程度依賴于棍子角度的變化，比如有的神經(jīng)元在棍子45°時(shí)鈣信號強(qiáng)度最高，而在其他角度時(shí)比較沉默。

那么，每個(gè)對角度有選擇性的神經(jīng)元是各自響應(yīng)撥胡子過程中的一個(gè)參數(shù)，還是多個(gè)參數(shù)共同決定每個(gè)神經(jīng)元的角度傾向性呢？通過比較GLM模型和實(shí)際采集的鈣信號響應(yīng)，研究者發(fā)現(xiàn)，超過90%的神經(jīng)元會受到超過一種參數(shù)的影響，也就是說，更有可能是多種參數(shù)共同決定了S1神經(jīng)元的角度選擇性，而不是參數(shù)和角度的簡單一一對應(yīng)。

最后，研究者發(fā)現(xiàn)，在把小鼠從新手訓(xùn)練成專家的過程中，S1神經(jīng)元的放電情況是不斷變化的。事實(shí)上，整個(gè)過程只有39.1%的神經(jīng)元在從新手變專家的過程中持續(xù)活躍，而這些持續(xù)活躍的神經(jīng)元都參與了編碼與觸碰有關(guān)的參數(shù)。更有趣的是，盡管神經(jīng)元的活性更新?lián)Q代很快，持續(xù)活躍的神經(jīng)元中對角度有選擇性的神經(jīng)元比例一直保持穩(wěn)定，而且它們各自所選擇的角度在訓(xùn)練中變化也很小——很少超過15°，這樣就最大程度地保證了角度選擇的精確性。

這樣看來，老鼠的胡子不僅可以摸，還能讓它產(chǎn)生很豐富的感覺呢！

-Kim et al., Neuron -

作為已知的動物界中最“聰明”的動物，人類擁有復(fù)雜的認(rèn)知系統(tǒng)。許多人可能意識不到，當(dāng)我們看世界的時(shí)候，大腦會自動進(jìn)行視覺統(tǒng)計(jì)學(xué)習(xí)（visual statistical learning），從大量視覺信息中提取規(guī)律。實(shí)驗(yàn)證據(jù)表明，這應(yīng)當(dāng)是一個(gè)與生俱來的本領(lǐng)。人類會在圖像刺激中偏愛出現(xiàn)頻率更高的“熟悉”物體，找到兩個(gè)刺激物之間的關(guān)系，并通過條件（conditions）對刺激物進(jìn)行預(yù)測（expectation）。

當(dāng)然，發(fā)達(dá)的視覺系統(tǒng)并非人類獨(dú)享，許多動物也有，其行為也頗為復(fù)雜，比如能夠根據(jù)地標(biāo)找路（許多人類還總是找不到路呢）。蜜蜂（honey bee，Apis mellifera）就是一個(gè)典型。我們都知道蜜蜂可以飛到離蜂巢很遠(yuǎn)的地方采蜜，還能夠通過“跳舞”（飛出不同的圖案）進(jìn)行信息交流；此前的研究也表明，蜜蜂能夠根據(jù)感知規(guī)律（perceptual regularities）和抽象關(guān)系（abstract relations，比如上下）進(jìn)行分類（categorization）。這些都說明，蜜蜂的視覺系統(tǒng)比較高級，對視覺信息的處理能力也較強(qiáng)，那么它們會和人類一樣進(jìn)行自動視覺統(tǒng)計(jì)學(xué)系嗎？它們提取到的統(tǒng)計(jì)信息與人類相同嗎？它們采取的學(xué)習(xí)方式會和人類一樣，是可能性學(xué)習(xí)（probabilistic learning）嗎？

為了探究這些問題的答案，研究人員對經(jīng)典的視覺統(tǒng)計(jì)學(xué)習(xí)范式進(jìn)行了改編，盡可能地將人類和蜜蜂被試的視覺統(tǒng)計(jì)學(xué)習(xí)行為進(jìn)行了直接比對。由于蜜蜂的加入，以往的無監(jiān)督（unsupervised）范式必須更改為有監(jiān)督（supervised）范式。實(shí)驗(yàn)人員因此進(jìn)行了第一個(gè)實(shí)驗(yàn)，探究這一改變對人類視覺統(tǒng)計(jì)學(xué)習(xí)的影響。

142名人類被試被隨機(jī)分配到“主動組（active）”或“被動組（被動組）”。每一個(gè)小實(shí)驗(yàn)（trial）中，他們會看到如圖1A所示的兩個(gè)場景（scene），每個(gè)場景中有不同圖案，圖案會變化，但并非全無規(guī)律可循：有一些圖案出現(xiàn)的頻率較高（single test），有一些圖案常常一起出現(xiàn)（joint test），有一些圖案能預(yù)示這另一些圖案的出現(xiàn)（conditioned test）。主動組的被試接到指示，說兩個(gè)場景中一個(gè)是“目標(biāo)（target）”，一個(gè)是“干擾（distractor）”，要求他們選出“目標(biāo)”。雖然沒有給出進(jìn)一步的解釋，實(shí)驗(yàn)過程中被試會收到反饋，說明每次選擇的對錯(cuò)。他們很快學(xué)會了準(zhǔn)確尋找“目標(biāo)”（圖1B）。與之相對，被動組的被試僅需要在每個(gè)實(shí)驗(yàn)中盯著場景看6秒鐘就可以。完成這一步后，所有被試都會進(jìn)行一個(gè)測試，在許多圖案中選出他們認(rèn)為熟悉的那些。

實(shí)驗(yàn)一的結(jié)果表明，兩組被試都可以準(zhǔn)確選出出現(xiàn)頻率/概率/預(yù)期較高的圖案，說明他們進(jìn)行了自動視覺統(tǒng)計(jì)學(xué)習(xí)。值得注意的是，當(dāng)被要求估計(jì)每個(gè)圖案出現(xiàn)的頻率時(shí)，被試普遍認(rèn)為它們出現(xiàn)的次數(shù)差不多——也就是說，人們沒有意識到刺激物隱藏著統(tǒng)計(jì)學(xué)關(guān)系，進(jìn)一步支持了自動視覺統(tǒng)計(jì)學(xué)習(xí)的存在（圖1C）。

-Avarguès-Weber et al., PNAS -

由此，研究人員能夠放心地使用有監(jiān)督學(xué)習(xí)（即“主動組”）的結(jié)果與蜜蜂進(jìn)行對比。

在第二和第三個(gè)實(shí)驗(yàn)中，研究人員為蜜蜂設(shè)計(jì)了類似的實(shí)驗(yàn)流程，在刺激物的設(shè)置上有一定區(qū)別，“目標(biāo)/干擾”測試中的反饋也變成了蔗糖/奎寧。在實(shí)驗(yàn)二中（圖2左），研究人員首先確認(rèn)了蜜蜂能夠進(jìn)行簡單的視覺統(tǒng)計(jì)學(xué)習(xí)，并最終在實(shí)驗(yàn)三中（圖2右）直接比較了人類和蜜蜂的視覺學(xué)習(xí)行為。其中，第四個(gè)測試（圖2右A Test 4）是關(guān)鍵測試，它直接對應(yīng)了人類版本中的條件實(shí)驗(yàn)，即某些圖案會預(yù)示著另一些圖案的出現(xiàn)。實(shí)驗(yàn)結(jié)果表明，盡管蜜蜂能夠提取出頻率和概率信息，它們無法通過條件來預(yù)測圖案的出現(xiàn)。同時(shí)，學(xué)習(xí)過程的長短和刺激物的復(fù)雜程度（圖案差別大?。┮矔@著影響蜜蜂的表現(xiàn)（圖2右C）。

研究人員由此得出初步結(jié)論，蜜蜂會進(jìn)行視覺統(tǒng)計(jì)學(xué)習(xí)，且能夠提取圖案的頻率、空間位置等信息。但與人類不同，蜜蜂無法自動通過條件概率（conditional probability）學(xué)習(xí)兩個(gè)元素之間的預(yù)測關(guān)系（predictability）。

-Avarguès-Weber et al., PNAS -

為了進(jìn)一步證實(shí)這一結(jié)論，研究人員通過計(jì)算機(jī)建模比較了人類和蜜蜂的視覺學(xué)習(xí)方式。他們發(fā)現(xiàn)，人類的學(xué)習(xí)方式可以被概括為“基于概率的學(xué)習(xí)（probabilistic based learning）”，而蜜蜂則更偏向“基于計(jì)數(shù)的學(xué)習(xí)（counting-based learning）”。這與前述的結(jié)果相符，再為結(jié)論提供了支持。

研究人員指出，這項(xiàng)實(shí)驗(yàn)僅僅針對視覺統(tǒng)計(jì)學(xué)習(xí)這一自動自發(fā)、不受主觀意識控制的現(xiàn)象，并不代表蜜蜂就真的缺乏學(xué)習(xí)條件概率的能力。與此同時(shí)，由于動物實(shí)驗(yàn)的特殊性，實(shí)驗(yàn)設(shè)計(jì)并不能做到無監(jiān)督（無反饋），因此不能完全排除增強(qiáng)（reinforcement）對結(jié)果的影響。無論如何，研究人員的結(jié)論依然是：人類的視覺統(tǒng)計(jì)學(xué)習(xí)方式與蜜蜂不同，主要在于人類能夠自動學(xué)習(xí)概率并因之作出預(yù)測；而這一特性或許便是人類“智慧”——高級認(rèn)知能力——的來源之一。

伴隨著萊特兄弟的第一架飛機(jī)“飛人號”的誕生，我們驚嘆世界上居然可以有在天上行走的交通工具，真是聞所未聞。我們常常被新奇的事物抓住眼球，你是否又癡癡地細(xì)數(shù)著今年蘋果發(fā)布會上有哪些革命性的創(chuàng)新，是否會沉迷于一個(gè)新發(fā)現(xiàn)的研究領(lǐng)域，久久不能自拔？當(dāng)大腦釋放新奇信號告訴我們：“這個(gè)東西可沒見過！” 我們就會打起十二分精神去了解并記住它，正所謂活到老，學(xué)到老。

然而我們是如何鑒別事物的新穎性？不同類別的新奇信號又是如何精細(xì)地分門別類地處理并儲存在我們的大腦中呢？既然下丘腦是各類動物調(diào)節(jié)自身穩(wěn)態(tài)和本能行為的關(guān)鍵區(qū)域，又與海馬體之間緊密聯(lián)系，那么，也許它得為鑒別新穎性并影響更高級的認(rèn)知處理負(fù)責(zé)。

近日，來自日本RIKEN腦科學(xué)中心的科學(xué)家們確認(rèn)了下丘腦中的乳頭上核區(qū)域（supramammillary nucleus，SuM）是新穎信號處理中心，它不僅可以廣泛地應(yīng)答各路新奇刺激，還能對不同種類的刺激分別選擇不同的信息處理路徑。研究者們首先通過對小鼠在不同環(huán)境中的下丘腦神經(jīng)元的活動進(jìn)行分析，他們發(fā)現(xiàn)SuM能同時(shí)對背景新穎和社會新穎刺激產(chǎn)生強(qiáng)烈的反應(yīng)，然而產(chǎn)生應(yīng)答的神經(jīng)元會隨著時(shí)間流逝而減少，說明它們對新穎刺激逐漸適應(yīng)。經(jīng)過進(jìn)一步組織透明化處理，研究者們發(fā)現(xiàn)SuM神經(jīng)元可以廣泛地投射到海馬體的DG和CA2區(qū)域，并且這種投射關(guān)系相對獨(dú)立，說明SuM-DG和SuM-CA2這兩條通路大體上是互不干涉的。并且，他們通過逆行病毒標(biāo)記應(yīng)對不同刺激的海馬體區(qū)域，發(fā)現(xiàn)SuM-DG在新穎背景中激活，然而SuM-CA2則對社會新穎刺激產(chǎn)生反應(yīng)，如果抑制相應(yīng)的環(huán)路，小鼠則表現(xiàn)出針對這類新穎刺激的認(rèn)知障礙。

-Chen et al., Nature -

通過這一研究，科學(xué)家們認(rèn)為SuM能整合內(nèi)部狀態(tài)和認(rèn)知輸入，通過提取背景和社會刺激中的有效信息，進(jìn)而傳遞給海馬體參與記憶的編碼。所以，現(xiàn)在你的下丘腦在告訴你這是一個(gè)非常有趣并值得深入了解的新研究嗎？

小膠質(zhì)細(xì)胞（Microglia），大家應(yīng)該不陌生，是大腦中的原住民，屬于巨噬細(xì)胞家族。它以清除死亡神經(jīng)元、修剪無用突觸打出名號，然而越來越多的新發(fā)現(xiàn)將它推上神壇-調(diào)節(jié)突觸可塑性，影響學(xué)習(xí)記憶及認(rèn)知。近日，來自紐約西奈山伊坎醫(yī)學(xué)院的研究者們發(fā)現(xiàn)了小膠質(zhì)細(xì)胞又一新身份——作為神經(jīng)元活性調(diào)節(jié)器，它可以通過感知三磷酸腺苷（adenosine triphosphate, ATP）抑制神經(jīng)元活性，成為重要的負(fù)反饋調(diào)節(jié)家族一員。

-Badimon et al., Nature -

研究者們發(fā)現(xiàn)，一旦激活前腦的CamKII+興奮性神經(jīng)元，小膠質(zhì)細(xì)胞的整體基因表達(dá)發(fā)生變化，所以神經(jīng)元活性可以改變小膠質(zhì)細(xì)胞的突起延展及運(yùn)動從而影響神經(jīng)元-小膠質(zhì)細(xì)胞之間的互動。然而，如果全腦消融小膠質(zhì)細(xì)胞，雖對小鼠的基線行為沒有改變，但一旦遇到神經(jīng)刺激，小鼠則出現(xiàn)過度反應(yīng)，例如癲癇，而且這種現(xiàn)象的產(chǎn)生源于神經(jīng)元活動同步性、神經(jīng)元放電頻率增強(qiáng)。同時(shí)研究者們注意到，小膠質(zhì)細(xì)胞對神經(jīng)元活性的調(diào)節(jié)是有高度區(qū)域特殊性并依賴于小膠質(zhì)細(xì)胞的數(shù)量。他們發(fā)現(xiàn)小膠質(zhì)細(xì)胞可以通過P2RY12嘌呤受體檢測神經(jīng)元突觸釋放的ATP，從而被激活的突觸招募至附近，隨后小膠質(zhì)細(xì)胞將ATP轉(zhuǎn)化為腺苷（ADO）從而抑制神經(jīng)元的活性，調(diào)節(jié)動物的行為。所以小膠質(zhì)細(xì)胞可以保護(hù)大腦免受過度激活，對動物們的健康生活提供強(qiáng)有力的保障。

俗話說，“龍生龍，鳳生鳳，老鼠生來會打洞”，但我們也知道，“龍生九子，各不成龍”。基因很大程度上決定了人類生而為人，但它的多樣性又決定了我們每個(gè)人都各不相同，各有所長。

如何知道基因怎樣編碼不同的性狀，并找到?jīng)Q定這種性狀多樣性的遺傳標(biāo)記呢？生物信息學(xué)中有一種定位的方法叫數(shù)量性狀位點(diǎn)定位（Quantitative Trait Loci mapping, QTL mapping）,它的本質(zhì)就是找出基因組上各個(gè)遺傳標(biāo)記跟可以量化的性狀（比如身高，體重，智商）的相關(guān)性，如果相關(guān)性很高，則說明這個(gè)遺傳位點(diǎn)和該性狀大有關(guān)系。

最近，一群來自洛克菲勒大學(xué)的科學(xué)家突發(fā)奇想：如果給一群多樣化的小鼠們做QTL分析，能找到相關(guān)的小鼠“智商基因位點(diǎn)”嗎？如果找到了基因位點(diǎn)，又能不能順藤摸瓜找到“智商基因”？這個(gè)問題看起來有點(diǎn)瘋狂，但功夫不負(fù)有心人，他們真的找到了。

研究者先給200多只由遠(yuǎn)緣祖先小鼠繁殖下來的“孫兒孫女們” （Diversity Outbred, DO）做了T 迷宮自發(fā)交替測試（Spontaneous alternation T-maze）來測量小鼠的工作記憶。然后通過基因測序和QTL定位，發(fā)現(xiàn)五號染色體上的一個(gè)QTL位點(diǎn)（Smart1）在眾多位點(diǎn)中脫穎而出。結(jié)果顯示，在眾多小鼠中，含有來自小鼠品系CAST/EiJ的Smart1遺傳標(biāo)記的小鼠（Smart1CAST）似乎比含有來自另一個(gè)小鼠品系C57BL/6J的Smart1遺傳標(biāo)記的小鼠（Smart1B6）的工作記憶更強(qiáng)。

為了進(jìn)一步驗(yàn)證分析結(jié)果，研究者又做了一個(gè)延緩非匹配位置任務(wù)測試（delayed non-match to place ，DNMP）。在這個(gè)任務(wù)中，小鼠首先需要在T 迷宮中自由選擇其中一個(gè)迷宮臂，然后再回到起點(diǎn)等待一段時(shí)間（比如10秒），最后做第二次選擇，選擇的規(guī)則是：每一次的食物獎賞都將放在與第一次選擇相反的迷宮臂中。為了得到食物獎勵(lì)，小鼠需要動用工作記憶才能記住第一次的選擇的迷宮臂，如果不斷延長等待時(shí)間，則需要的工作記憶也要越強(qiáng)。他們再次發(fā)現(xiàn)：含有兩個(gè)Smart1CAST遺傳標(biāo)記（Smart1CAST/CAST）的小鼠品系 CC012 ，比含有兩個(gè)Smart1B6遺傳標(biāo)記（Smart1B6/B6）的 C57BL/6J 品系能禁受更長的等待時(shí)間，也就是說，CC012 小鼠比 C57BL/6J 的工作記憶更強(qiáng)。

為了找出哪些基因參與調(diào)控小鼠的工作記憶，研究者分別給“好記性“的小鼠和”壞記性“的小鼠的不同腦區(qū)分別進(jìn)行RNA表達(dá)譜分析。他們最后將目標(biāo)鎖定在丘腦的和前額葉的四個(gè)基因上：這四個(gè)基因不僅大量表達(dá)，而且”好記性“的小鼠中的表達(dá)量顯著高于”壞記性“小鼠。然后，研究者利用RNA干擾技術(shù)（RNA interference, RNAi）分別抑制“好記性“的小鼠（也就是帶有Smart1CAST的小鼠）中這四個(gè)基因的表達(dá)水平。結(jié)果很殘酷：當(dāng)丘腦基因Gpr12被抑制時(shí)，”好記性“小鼠也記不住了。相反的，如果過量表達(dá)Gpr12，”壞記性“小鼠的則記性變好了——也就是說，一個(gè)基因就可以讓”壞記性“小鼠逆襲。

-Hsiao et al., Cell -

最后，研究者用鈣成像技術(shù)分別檢測”好記性“小鼠 CC012 和”壞記性“小鼠 C57BL/6J 在 DNMP 任務(wù)時(shí)丘腦、前額葉和海馬區(qū)的神經(jīng)放電情況。他們發(fā)現(xiàn)，CC012 小鼠丘腦和前額葉的放電情況高度關(guān)聯(lián)，這種關(guān)聯(lián)只存在于丘腦和前額葉之間，并只存在于任務(wù)中記憶解碼和存儲的階段?？茖W(xué)家現(xiàn)在已經(jīng)確定，丘腦不僅僅只是被動地向前額葉傳遞信息，它也能在與后者交換信息之前主動分析、過濾信息。那么，實(shí)驗(yàn)中的關(guān)聯(lián)意味著丘腦和前額葉正在交換信息嗎？如果是，信息交換究竟是怎樣完成的？遺憾的是，這些問題至今沒有人知道。

無論是“健康人群”內(nèi)各種特征（trait）的測定，還是各種精神疾病中癥狀的診斷，很大程度上都要依賴人們的自我報(bào)告，或稱自陳（self-report），例如問卷調(diào)查或問診等。近年來，人們也在開發(fā)旨在用數(shù)學(xué)語言描述各種特征的模型，用模型中的參數(shù)重新定義這一領(lǐng)域。來自倫敦大學(xué)學(xué)院的團(tuán)隊(duì)指出，我們不能繼續(xù)將自陳作為測量各個(gè)特征的“黃金標(biāo)準(zhǔn)”了。他們認(rèn)為，為特征建模，其目標(biāo)不應(yīng)是最大化各個(gè)參數(shù)與自陳數(shù)據(jù)之間的協(xié)方差（covariance），而是要關(guān)注各個(gè)“癥狀”隨時(shí)間的變化——畢竟，自陳會受到很多因素影響，例如負(fù)面的人生事件等，且量表（inventories）內(nèi)容往往也有“拍腦袋”的成分，與特征的相關(guān)性往往是假設(shè)的。而相比之下，一個(gè)被明確定義的機(jī)理模型（mechnistic model）將可以描繪癥狀的發(fā)展軌跡（symptom trajectories），并能用貝葉斯（Bayesian）方法界定其有效性。

-Sharp et al., BMC Medicine -

為了解釋他們的想法，作者們“踏入職場”，虛構(gòu)了兩個(gè)工作環(huán)境和兩名新人，其中一人算是“健康（healthy）”，另一人則有抑郁特征（depressed）。在左圖中同事們?nèi)巳硕伎梢孕刨嚨暮铆h(huán)境中，抑郁者的學(xué)習(xí)模式將（略反直覺地）側(cè)重于正面的結(jié)果，因而會形成過高的期望（expectation），導(dǎo)致情緒一直低落。而右圖中顯示的是一個(gè)同事們?nèi)巳藘擅嫒恫豢尚湃蔚膲沫h(huán)境，這樣無論“健康”與否，人們都會經(jīng)歷一段時(shí)間的負(fù)面情緒，有類似的下降軌跡；但不同的是，隨著時(shí)間的推移，只有“健康”者會重新回歸一個(gè)更高且更平穩(wěn)的情緒。