2020年4月3日，德國MaxPlanck神經生物學研究的Nadine Gogolla團隊在Science上發表了題為Facial expressions of emotion states and their neuronal correlates in mice的文章，報道了研究人員通過機器學習算法解鎖了實驗室小鼠的面部表情，發現了小鼠活動與特定情緒相關的神經回路。

該研究小組將小鼠的頭部固定，然后提供引發特定情緒的不同刺激，對小鼠的面部拍照。例如，研究人員給予小鼠蔗糖或奎寧溶液，以喚起愉悅或厭惡感；給小鼠尾巴施加了微小電擊使其痛苦；注射氯化鋰誘發小鼠不適。

為了確保識別出的面部表情代表真正的情感，他們調節對尾巴電擊的強度以及奎寧和蔗糖的濃度，實驗人員觀察到動物面部表情的強度也在增加。低濃度的鹽溶液會在動物的臉上引起愉悅的表情（類似蔗糖實驗中的表情），而高濃度的鹽溶液會使它們表現出厭惡。這表明了不同刺激可以產生相同的情感表達。

機器學習算法可以識別出特定表情，這些表情是由一組特定的面部肌肉運動產生的。這些表情與誘發的情緒狀態相關，例如愉悅、厭惡或恐懼。體驗愉悅感的小鼠將鼻子朝其嘴巴向下拉，并將耳朵和下巴向前拉。相反，當它處于疼痛狀態時，它會向后拉耳朵，使臉頰變大，有時會斜視。面部表情還具有持久性，其程度與刺激強度相關。

接下來，研究人員搜尋了可能在大腦中編碼這些情緒的神經元。他們通過光遺傳學技術，把小鼠的單個神經元回路作為目標，已證明這些回路可以觸發人類和其他動物的特殊情緒。當研究人員直接刺激這些腦回路時，誘發了小鼠與之相關的面部表情。最后，研究小組使用雙光子鈣成像技術，識別了小鼠大腦中的單個神經元，且只有在喚起特定的情感和特定的面部表情時才會觸發該神經元。該課題組認為這些神經元可能代表了大腦情緒編碼的一部分。他們認為情感編碼可能是進化保守的，因此人類和小鼠的編碼可能具有一些共同的特征。