Primate cortex can be organized with specialization and hierarchical principles, but presently there is little evidence for how it is organized temporally. Across six separate datasets, the authors find a hierarchical ordering of intrinsic fluctuation of spiking activity, with timescales that increase from sensory to prefrontal areas. Specialization and hierarchy are organizing principles for primate cortex, yet there is little direct evidence for how cortical areas are specialized in the temporal domain. We measured timescales of intrinsic fluctuations in spiking activity across areas and found a hierarchical ordering, with sensory and prefrontal areas exhibiting shorter and longer timescales, respectively. On the basis of our findings, we suggest that intrinsic timescales reflect areal specialization for task-relevant computations over multiple temporal ranges.

Hierarchy provides a unifying principle for the macroscale organization of anatomical and functional properties across primate cortex, yet microscale bases of specialization across human cortex are poorly understood. Anatomical hierarchy is conventionally informed by invasive tract-tracing measurements, creating a need for a principled proxy measure in humans. Moreover, cortex exhibits marked interareal variation in gene expression, yet organizing principles of cortical transcription remain unclear. We hypothesized that specialization of cortical microcircuitry involves hierarchical gradients of gene expression. We found that a noninvasive neuroimaging measure—MRI-derived T1-weighted/T2-weighted (T1w/T2w) mapping—reliably indexes anatomical hierarchy, and it captures the dominant pattern of transcriptional variation across human cortex. We found hierarchical gradients in expression profiles of genes related to microcircuit function, consistent with monkey microanatomy, and implicated in neuropsychiatric disorders. Our findings identify a hierarchical axis linking cortical transcription and anatomy, along which gradients of microscale properties may contribute to the macroscale specialization of cortical function. Burt et al. analyze patterns of gene expression across human cortex and show expression primarily varies along a sensory-association hierarchy captured by noninvasive neuroimaging, suggesting an organizing principle for microcircuit specialization.

Schizophrenia is a devastating neuropsychiatric syndrome associated with distributed brain dysconnectivity that may involve large-scale thalamo-cortical systems. Incomplete characterization of thalamic connectivity in schizophrenia limits our understanding of its relationship to symptoms and to diagnoses with shared clinical presentation, such as bipolar illness, which may exist on a spectrum. Using resting-state functional magnetic resonance imaging, we characterized thalamic connectivity in 90 schizophrenia patients versus 90 matched controls via: (1) Subject-specific anatomically defined thalamic seeds; (2) anatomical and data-driven clustering to assay within-thalamus dysconnectivity; and (3) machine learning to classify diagnostic membership via thalamic connectivity for schizophrenia and for 47 bipolar patients and 47 matched controls. Schizophrenia analyses revealed functionally related disturbances: Thalamic over-connectivity with bilateral sensory-motor cortices, which predicted symptoms, but thalamic under-connectivity with prefrontal-striatal-cerebellar regions relative to controls, possibly reflective of sensory gating and top-down control disturbances. Clustering revealed that this dysconnectivity was prominent for thalamic nuclei densely connected with the prefrontal cortex. Classification and cross-diagnostic results suggest that thalamic dysconnectivity may be a neural marker for disturbances across diagnoses. Present findings, using one of the largest schizophrenia and bipolar neuroimaging samples to date, inform basic understanding of large-scale thalamo-cortical systems and provide vital clues about the complex nature of its disturbances in severe mental illness.

Significance This study identified elevated global brain signal variability in schizophrenia, but not bipolar illness. This variability was related to schizophrenia symptoms. A commonly used analytic procedure in neuroimaging, global signal regression, attenuated clinical effects and altered inferences. Furthermore, local voxel-wise variance was increased in schizophrenia, independent of global signal regression. Finally, neurobiologically grounded computational modeling suggests a putative mechanism, whereby altered overall connection strength in schizophrenia may underlie observed empirical results.

Significance Working memory (WM) is a core cognitive function thought to rely on persistent activity patterns in populations of neurons in prefrontal cortex (PFC), yet the neural circuit mechanisms remain unknown. Single-neuron activity in PFC during WM is heterogeneous and strongly dynamic, raising questions about the stability of neural WM representations. Here, we analyzed WM activity across large populations of neurons in PFC. We found that despite strong temporal dynamics, there is a population-level representation of the remembered stimulus feature that is maintained stably in time during WM. Furthermore, these population-level analyses distinguish mechanisms proposed by theoretical models. These findings inform our fundamental understanding of circuit mechanisms underlying WM, which may guide development of treatments for WM impairment in brain disorders.

Studies of large-scale brain organization have revealed interesting relationships between spatial gradients in brain maps across multiple modalities. Evaluating the significance of these findings requires establishing statistical expectations under a null hypothesis of interest. Through generative modeling of synthetic data that instantiate a specific null hypothesis, quantitative benchmarks can be derived for arbitrarily complex statistical measures. Here, we present a generative null model, provided as an open-access software platform, that generates surrogate maps with spatial autocorrelation (SA) matched to SA of a target brain map. SA is a prominent and ubiquitous property of brain maps that violates assumptions of independence in conventional statistical tests. Our method can simulate surrogate brain maps, constrained by empirical data, that preserve the SA of cortical, subcortical, parcellated, and dense brain maps. We characterize how SA impacts p-values in pairwise brain map comparisons. Furthermore, we demonstrate how SA-preserving surrogate maps can be used in gene set enrichment analyses to test hypotheses of interest related to brain map topography. Our findings demonstrate the utility of SA-preserving surrogate maps for hypothesis testing in complex statistical analyses, and underscore the need to disambiguate meaningful relationships from chance associations in studies of large-scale brain organization.

The large-scale organization of dynamical neural activity across cortex emerges through long-range interactions among local circuits. We hypothesized that large-scale dynamics are also shaped by heterogeneity of intrinsic local properties across cortical areas. One key axis along which microcircuit properties are specialized relates to hierarchical levels of cortical organization. We developed a large-scale dynamical circuit model of human cortex that incorporates heterogeneity of local synaptic strengths, following a hierarchical axis inferred from magnetic resonance imaging (MRI)-derived T1- to T2-weighted (T1w/T2w) mapping and fit the model using multimodal neuroimaging data. We found that incorporating hierarchical heterogeneity substantially improves the model fit to functional MRI (fMRI)-measured resting-state functional connectivity and captures sensory-association organization of multiple fMRI features. The model predicts hierarchically organized higher-frequency spectral power, which we tested with resting-state magnetoencephalography. These findings suggest circuit-level mechanisms linking spatiotemporal levels of analysis and highlight the importance of local properties and their hierarchical specialization on the large-scale organization of human cortical dynamics.

Severe neuropsychiatric conditions, such as schizophrenia, affect distributed neural computations. One candidate system profoundly altered in chronic schizophrenia involves the thalamocortical networks. It is widely acknowledged that schizophrenia is a neurodevelopmental disorder that likely affects the brain before onset of clinical symptoms. However, no investigation has tested whether thalamocortical connectivity is altered in individuals at risk for psychosis or whether this pattern is more severe in individuals who later develop full-blown illness.To determine whether baseline thalamocortical connectivity differs between individuals at clinical high risk for psychosis and healthy controls, whether this pattern is more severe in those who later convert to full-blown illness, and whether magnitude of thalamocortical dysconnectivity is associated with baseline prodromal symptom severity.In this multicenter, 2-year follow-up, case-control study, we examined 397 participants aged 12-35 years of age (243 individuals at clinical high risk of psychosis, of whom 21 converted to full-blown illness, and 154 healthy controls). The baseline scan dates were January 15, 2010, to April 30, 2012.Whole-brain thalamic functional connectivity maps were generated using individuals' anatomically defined thalamic seeds, measured using resting-state functional connectivity magnetic resonance imaging.Using baseline magnetic resonance images, we identified thalamocortical dysconnectivity in the 243 individuals at clinical high risk for psychosis, which was particularly pronounced in the 21 participants who converted to full-blown illness. The pattern involved widespread hypoconnectivity between the thalamus and prefrontal and cerebellar areas, which was more prominent in those who converted to full-blown illness (t(173) = 3.77, P < .001, Hedge g = 0.88). Conversely, there was marked thalamic hyperconnectivity with sensory motor areas, again most pronounced in those who converted to full-blown illness (t(173) = 2.85, P < .001, Hedge g = 0.66). Both patterns were significantly correlated with concurrent prodromal symptom severity (r = 0.27, P < 3.6 × 10(-8), Spearman ρ = 0.27, P < 4.75 × 10(-5), 2-tailed).Thalamic dysconnectivity, resembling that seen in schizophrenia, was evident in individuals at clinical high risk for psychosis and more prominently in those who later converted to psychosis. Dysconnectivity correlated with symptom severity, supporting the idea that thalamic connectivity may have prognostic implications for risk of conversion to full-blown illness.

Background: Lysergic acid diethylamide (LSD) has agonist activity at various serotonin (5-HT) and dopamine receptors. Despite the therapeutic and scientific interest in LSD, specific receptor contributions to its neurobiological effects remain unknown. Methods: We therefore conducted a double-blind, randomized, counterbalanced, cross-over studyduring which 24 healthy human participants received either (i) placebo+placebo, (ii) placebo+LSD (100 µg po), or (iii) Ketanserin, a selective 5-HT2A receptor antagonist,+LSD. We quantified resting-state functional connectivity via a data-driven global brain connectivity method and compared it to cortical gene expression maps. Results: LSD reduced associative, but concurrently increased sensory-somatomotor brain-wide and thalamic connectivity. Ketanserin fully blocked the subjective and neural LSD effects. Whole-brain spatial patterns of LSD effects matched 5-HT2A receptor cortical gene expression in humans. Conclusions: Together, these results strongly implicate the 5-HT2A receptor in LSD’s neuropharmacology. This study therefore pinpoints the critical role of 5-HT2A in LSD’s mechanism, which informs its neurobiology and guides rational development of psychedelic-based therapeutics. Funding: Funded by the Swiss National Science Foundation, the Swiss Neuromatrix Foundation, the Usona Institute, the NIH, the NIAA, the NARSAD Independent Investigator Grant, the Yale CTSA grant, and the Slovenian Research Agency. Clinical trial number: NCT02451072 .