《Frontiers in Neural Circuits》：Fleeing is believing: adaptive behavior under social threat as an inference process
编辑推荐：
不良社会经历深刻地改变动物行为，然而基于先前社会互动选择情境适宜行为的过程仍有待阐明。现有模型能够捕捉统计模式，但缺乏解释个体差异并预测行为结果的机制性框架。研究人员通过将小鼠的社会挫败建模为部分可观测马尔可夫决策过程（Partially Observable
不良社会经历深刻地改变动物行为，然而基于先前社会互动选择情境适宜行为的过程仍有待阐明。现有模型能够捕捉统计模式，但缺乏解释个体差异并预测行为结果的机制性框架。研究人员通过将小鼠的社会挫败建模为部分可观测马尔可夫决策过程（Partially Observable Markov Decision Process, POMDP），采用层级异构型智能体架构——一种平衡探索与开发的结构化交互模块网络——填补了这一空白。该模型成功重建了观测到的行为模式（如探究、犹豫和逃跑），拟合了不同的小鼠表型（如易感型与耐受型），并从机制上捕捉了社会挫败作为动物内部生成模型参数偏移的影响。值得注意的是，包括探究回合、犹豫和逃跑轨迹在内的特征性行为模式均由模型的推理动态自发产生，无需任何轨迹层面的拟合。该模型还再现了光遗传学刺激等干预效应，并为未来实验生成了可检验的预测。模型的模块化架构可自然扩展至其他行为领域，包括觅食和多智能体交互，为可解释的小鼠行为模型奠定了基础。通过在计算层面捕捉不良社会经历如何重塑决策，该工作对人类创伤和焦虑障碍具有潜在的临床相关性。
**研究背景与问题**
防御行为是动物生存的核心，其本质是在信息收集与身体伤害风险之间进行连续的决策权衡（Dall et al., 2005; Lima and Dill, 1990）。尽管现代行为学方法在行为编目方面取得了长足进步，但往往止步于形式化解释驱动动物选择的计算逻辑。为了理解不良经历如何重塑行为并进行定量预测，需要能够将隐藏的内部信念映射到观测行动的规范性模型。
现有计算方法在连接算法理论与生物学实现方面面临挑战。描述性方法包括高分辨率追踪[如DeepLabCut、MoSeq、SimBA、DeepOF]、统计描述（如莱维游走）以及神经动态系统模型，能够表征系统"做什么"却无法解释特定策略为何出现。强化学习模型虽然能提取可解释参数，但无法解释感觉推理和不确定性的神经相关性。其他规范性框架[如贝叶斯自适应马尔可夫决策过程（Bayes-Adaptive Markov Decision Process, BAMDP）]已将探索形式化为风险敏感权衡，纳入了可解释的先验和风险敏感参数，但这类模型将行为抽象为必须从观测过渡中拟合的预定义离散状态，因此既无法建模经验如何重组智能体的内部生成模型，也无法生成关于实际行为动态的可检验预测。
社会挫败范式为研究生态防御行为提供了可操作的测试平台。在该方案中，被攻击性同类击败会引发后续社会互动中稳健、可量化的行为调整，常使行为从社会探索转向社会回避。这类反应可能具有适应性，促进降低未来 encounters 风险的应对策略，但也可能具有临床意义，因为社会应激后的过度僵化的应对模式与重度抑郁和社交焦虑等障碍相关。这种对社会挫败反应的变异性提出了具体挑战：解释相似经历如何产生 divergent 的行为结果。
**研究开展与核心结论**
研究人员开发了一种通过主动推理（Active Inference）实现的层级异构型智能体架构。该模型包含三个不同的交互模块：空间运动模块（Spatio-Motor, M，执行导航）、威胁识别模块（Threat Identification, T，解析刺激身份）和危险情境模块（Danger Context, D，编码安全情境）。这种模块化结构平行于防御回路作为 distinct 计算子系统的解剖学组织。
通过将模型拟合至社会挫败前后小鼠的观测行为特征，研究人员发现表型转变可通过特定模块内的参数更新来捕捉。模型产生了连续的空间轨迹和行为序列（犹豫、逃跑、探索），这些均从信念更新而非显式编程中涌现。作为回路层面预测的概念验证，研究人员展示了模拟危险情境模块的光遗传学激活可复现实验中观测到的状态依赖性逃跑反应，该反应由腹外侧腹内侧下丘脑（ventrolateral ventromedial hypothalamus, VMHvl）的光遗传学刺激所诱发。
该工作的核心意义在于：首先，它提供了将行为动态与潜在计算过程连接的起点；其次，模块化架构提供了可解释性和向其他行为领域扩展的潜力；最后，通过将社会挫败效应框架化为动物内部生成模型的参数偏移，研究人员统一了行为动态、个体差异和回路层面假说，为研究不良经历如何重塑社会决策背后的计算提供了基础。
**关键技术方法**
该研究使用来自Sureka等（2025）的三日社会挫败方案的行为数据，样本包括对照组（n=7）和挫败组（n=6）共13只小鼠；另有独立验证数据集6只（3只挫败、3只对照）。行为追踪采用DeepLabCut进行姿态估计，SimBA进行异常值校正。核心建模采用PyMDP库实现的离散化主动推理框架，将智能体形式化为部分可观测马尔可夫决策过程，包含三个具有不同时标（fast/slow/slowest）的交互模块。参数优化使用Optuna贝叶斯优化框架（TPE采样器），目标函数为复合损失函数，比较模拟与观测行为在庇护所占用时间、社会探究时间、空间转换、探索多样性（空间熵）和不动比例等聚合指标上的差异。模型拟合采用代表性轮廓匹配策略而非逐个体独立优化。光遗传学VMHvl刺激效应通过向危险情境模块施加外生性信念偏置进行在体（in silico）模拟。
**研究结果**
*任务概述*：采用三日社会挫败协议，实验鼠可在由主室、走廊和庇护所组成的双室 arena 中探索，攻击性雄性小鼠被置于主室角落的金属网笼中。记录探究攻击者和在庇护所中度过的时间后，释放攻击者引发社会挫败（6-10次咬击攻击）。对照组攻击者始终被限制在网后。最终测试日，挫败小鼠表现出显著的回避表型，较少时间靠近笼中攻击者且更多时间待在庇护所中。
*模型设计*：智能体接收来自环境的庇护所和威胁的嗅觉感觉输入。三个模块通过交换推断状态和偏好状态进行交互：空间运动模块具有基础庇护所偏好和威胁回避偏好；危险情境模块维持"安全"对"危险"状态的持久偏好；威胁识别模块无特定结果的内在偏好，纯粹由认识价值（epistemic value，即解决不确定性的必要性）驱动，通过调整空间运动模块的偏好产生好奇驱动的接近行为。
典型行为片段（图3）展示了这一冲突的解决：从庇护所开始的高不确定性状态下，威胁识别模块优先以认识价值（图3B,C）覆盖空间运动模块的安全偏好，驱使智能体接近笼中小鼠以有效学习（图3A蓝色轨迹）；随着接近，感觉精度增加，威胁识别模块以超过分类阈值的置信度解析目标身份后，该信念传播至危险情境模块；情境更新为"危险"后，情境模块释放认识覆盖并放大空间运动模块的基础庇护所偏好，智能体执行弹道式逃跑返回庇护所（图3A红色轨迹）。关键地，危险情境模块通过维持"危险"状态桥接感觉缺口，使弹道式逃跑即使在即时威胁证据消失后仍持续。
该模型的核心动态特征还包括：危险情境模块除了阈值交叉触发外，还可通过其自身时间动态转向危险状态；其较慢时标允许威胁信念在模糊感觉证据下累积，使模型能够模拟焦虑样状态——该状态持续存在，逃跑发生而无明确与急性触发因素的关联。
*模型捕捉经验小鼠行为的潜在结构*：通过将模型参数拟合至通过DeepLabCut追踪的实验队列聚合轨迹，使用贝叶斯优化最小化复合损失函数，模型输出在所有分析指标上紧密复现了经验分布，中位拟合误差为0.56σ，表明模拟智能体与实验对象统计不可区分。重要的是，这种拟合仅在聚合行为指标上操作，图5中的路径层面模式是作为模型生成动态的独立、未拟合后果而涌现的。
该模型还自发产生了可识别的、物种典型的行为序列：犹豫——接近主室后局部撤退；逃跑——从刺激区域快速弹道式轨迹直接返回庇护所。与随机游走基线、消融变体和替代模型类别（莱维游走、隐马尔可夫模型）的比较表明，移除关键组件系统性降低拟合质量，而主动推理模型的优势不在于拟合灵活性本身，而在于其架构对行为施加的机制性约束。
*社会挫败诱导模型中的参数偏移*：为量化社会挫败的计算影响，研究人员分别优化模型参数以拟合个体小鼠遭遇前后的观测行为。将这些拟合投影到简化参数空间（图6A）发现，挫败组小鼠在参数空间中表现出一致的方向性偏移，大多数挫败小鼠的净位移向量从相似区域出发向相似方向移动；对照组则展现不同的参数空间运动模式。"创伤向量"（cos θ = ?0.96）显示组间差异，置换检验p = 0.069，马氏距离d = 1.49，表明生物学相关的 divergent trajectories 可能因样本量小（n=7和6）而统计功效不足。参数恢复分析证实这些参数可被可靠识别。
研究人员进一步利用独立数据集（N=6）检验泛化能力：为每个新受试者从现有库中选择最佳匹配参数集，该库方法达到中位误差0.53σ，与原始队列（0.56σ）相当，表明从少数个体衍生的低维参数流形足以解释未见动物的行为变异性。在原始挫败队列（n=6）中，挫败动物基于纯行为变化分数（Δt_shelter ? Δt_investigating）分为易感型和耐受型亚组。在模型参数空间中，这一分离在威胁回避参数（k_threat；Cohen's d = 8.16）上最为显著，无组间重叠。该分离在独立数据集中得以保持：基于原始队列的k_threat阈值分类器（阈值=0.883）正确分类独立数据集中所有个体。易感型和耐受型小鼠在参数空间中表现出近平行的位移向量（余弦=0.932），两者均强烈反对照组轨迹（余弦≈?0.98），表明易感性反映的是幅度而非方向上的定量差异。
*模型模拟光遗传学可复现VMHvl中社会威胁动态编码的发现*：先前实验表明VMHvl刺激触发挫败小鼠而非 naive 对照的稳健逃跑，指示状态依赖性门控机制。研究人员假设危险情境模块功能上平行于VMH，将光遗传学干预建模为对该模块朝向危险状态的外源性偏置。
测试了三种假设：危险敏化（"Model S"）：挫败使危险模块对威胁模块输入敏化，增加社会刺激被视为潜在危险的空间范围；偏置身份先验（"Model T"）：挫败增加社会目标为威胁的先验概率（威胁识别中的过度警觉）；偏置情境先验（"Model D"）：挫败增加环境本身不安全的先验概率（危险情境中的持久风险）。
基线 pre-defeat 参数下，in silico 光遗传学刺激未能诱发任何模型的逃跑，镜像生物学对照。应用为匹配经验 post-defeat 行为统计分布而优化的参数偏移后，Model T和Model D均再现了挫败小鼠光遗传学刺激下升高的逃跑率。Model S在测试条件下未改变模型的光遗传学反应。这展示了受约束的计算简并性（degeneracy）：多种假设可解释VMHvl刺激的状态依赖性影响，但在测试条件下仅修改的社会身份或环境危险先验（Model T和D）得以表达。
在讨论部分，研究人员指出该模型将社会挫败关联的行为结果——从社会回避到保持社会参与——以及个体差异表示为其参数空间内的变异，同时保持可解释性。相对于对照，挫败动物表现出更低的威胁相关社会线索推断阈值，与增加的焦虑一致，以及更强的庇护所寻求行为偏置。参数恢复分析证实这些参数被可靠识别。
电路对应方面，空间运动模块的输出可能与中脑导水管周围灰质（periaqueductal gray, PAG）等脑干结构对齐；危险情境模块可能平行于下丘脑特别是VMH的威胁临近编码；威胁识别模块可能对应于内侧杏仁核（medial amygdala, MeA）的社会相关化学感觉处理。若此映射近似正确，模型预测选择性破坏MeA/PA至VMH的投射将导致受损的社会威胁识别，而防御反应执行保持完整。
关于实验预测，Model D预测无同类存在时的VMH刺激诱发逃跑，Model T预测少量或无反应——因无模糊社会刺激可供分类。该实验结果将帮助揭示挫败是在社会推理层面还是通过全局威胁状态转变来重组防御行为。
该研究的局限性包括：模型省略了触壁行为（thigmotaxis）、社会缓冲、情境依赖性恐惧反应、习惯化以及伸展-注意姿势等更广泛的防御库；行为仅通过质心轨迹建模，省略了姿势和运动学特征；有限模型变种的探索、单一样式的应用、以及样本量较小（主数据集n=13）和边际组显著性（p=0.069）等，均需在更大队列中确认计算特征。未来工作应纳入神经记录以验证信念状态映射，扩展至更丰富的行为测量，并在多种范式、物种中测试框架。
**研究结论**
该工作证明规范性模型可以在保持可解释性的同时捕捉自然防御行为。通过将社会挫败效应框架化为动物内部生成模型的参数偏移，研究人员统一了行为动态、个体差异和回路层面假说。模块化架构展示了共享原则如何产生多样化的防御行为，为研究不良经历如何重塑社会决策背后的计算提供了基础，并为将来跨任务推广框架提供了可能。
