认知神经科学前沿文献分享
基本信息
Title:Accumulation of virtual tokens towards a jackpot reward enhances performance and value encoding in dorsal anterior cingulate cortex
发表时间:2026-03-28
发表期刊:Nature Communications
影响因子:15.7
获取原文:
1. 添加小助手:PSY-Brain-Frontier即可获取PDF版本
研究背景
日常决策往往依赖特定情境下的动态参考点进行价值评估。然而，在追求长期目标时，多试次累积奖励（如攒积分换大奖）如何动态改变主观价值的内部参考点，目前仍不清楚。尽管已知部分脑区参与相对价值计算，但背侧前扣带回皮层（dorsal anterior cingulate cortex, dACC）如何在单神经元水平编码参考依赖价值（Reference-dependent value, RDV），以及该编码如何随目标进度重塑风险偏好与决策行为，仍存在关键缺口。
实验设计与方法逻辑
研究人员记录了两只执行代币累积风险选择任务的猕猴的dACC单神经元活动。猕猴需在两个概率性选项中抉择以增减虚拟代币，累积代币数（Accumulated tokens count, ATC）达6个时可获果汁大奖。行为层面，研究分析了预期价值（Expected value, EV）、风险与ATC对决策的影响，并对比了三种主观价值预测模型。神经层面，研究将单细胞放电率与行为模型回归，通过ROC分析评估dACC神经元对EV和风险的编码权重在预测选择上的准确性，重点考察RDV模型下“收益”与“损失”的表征差异。
任务设计及 dACC 位点
核心发现
发现一：代币累积进度显著提升决策表现并降低风险偏好
随着ATC增加并逼近大奖阈值，猕猴在选择最优EV选项时反应更快、准确率更高，且表现出更强的风险厌恶。行为数据表明，目标进度的推进直接重塑了动物的决策策略。
Fig. 2 中，作者展示了正确选择概率与任务执行时间随ATC的变化；这张图说明随着代币累积，决策变得更准更快。发现二：dACC神经元对参考依赖价值的“收益”表征显著强于“损失”
模型比较显示，猕猴的决策行为最佳由RDV模型解释。在神经层面，dACC细胞在编码这种动态主观价值时表现出明显的不对称性，对“收益”的编码招募了比“损失”显著更多的细胞。
Fig. 7B 中，作者展示了在选项呈现后的多个任务阶段显著编码收益与损失的细胞比例；这张图把dACC对相对收益的偏好性招募呈现得非常清楚。发现三：收益相关的预期价值编码能更精准地预测选择行为
dACC神经元不仅偏好编码收益，其编码权重还与最终的决策行为高度一致。在RDV模型框架下，收益条件下的EV差异回归权重对实际选择的预测准确性显著高于损失条件下的EV差异，表明基于动态参考点的收益计算是驱动目标导向决策的核心神经信号。
Fig. 7D 中，作者展示了神经编码权重预测选择行为的ROC分析结果；这张图说明收益条件下的神经信号对选择的预测准确性（AUC）显著更高。
省流总结
本研究揭示猕猴在代币累积任务中会根据距离大奖的进度动态调整内部参考点，目标越近决策越稳健。dACC神经元通过参考依赖价值模型追踪该过程，且对“收益”的编码主导了决策预测。该发现为前景理论提供了神经证据，但不可直接外推至人类复杂金融决策。
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
热门跟贴