A bstract Core features of higher-order cognition are hypothesized to be implemented via distributed cortical networks that are linked via long-range connections. However, these connections are biologically expensive, and it is unknown how the computational advantages long-range connections provide overcome the associated wiring costs. Our study investigated this question by exploring the relationship between long-range functional connections and local cortical microarchitecture. Specifically, our work (i) profiled distant cortical connectivity using resting-state fMRI and cortico-cortical geodesic distance mapping, (ii) assessed how long-range connections reflect local brain microarchitecture, and (iii) studied the microarchitectural similarity of regions connected through long-range connections. Analysis of two independent datasets indicated that sensory and motor areas had more clustered short-range connectivity patterns, while transmodal association cortices, including regions of the default mode network, were characterized by distributed, long-range connections. Confirmatory meta-analysis suggested that this topographical difference mirrored a shift in cognitive function, from perception/action towards emotional and social cognitive processing. Analysis of myelin-sensitive in vivo MRI in the same participants as well as post mortem histology and gene expression established that gradients in functional connectivity distance are paralleled by those present in cortical microarchitecture. Moreover, long-range connections were found to link together spatially remote regions of association cortex with an unexpectedly similar microarchitecture. These findings provide novel insights into how the organization of distributed functional networks in transmodal association cortex contribute to cognition, because they suggest that long-range connections link together distant islands of association cortex with similar microstructural features.

Summary Exogenous attention, the process that makes external salient stimuli pop-out of a visual scene, is essential for survival. How attention-capturing events modulate processing dynamics in the human brain remains unclear. We obtained a comprehensive depiction of attentional cortical dynamics at high spatiotemporal resolution, by analyzing brain activity from 1,403 intracortical contacts implanted in 28 individuals, while they performed an exogenous attention task. The timing, location and task-relevance of attentional events defined a spatiotemporal gradient of three neural clusters, which mapped onto cortical core-periphery topography and presented a hierarchy of timescales, providing the scaffolding for attention temporal computations. Visual attributes modulated neural activity at one end of the gradient, while activity at the other end reflected the upcoming response timing, with attentional effects occurring at the intersection of visual and response signals. These findings reveal how the psychological construct of exogenous attention emerges over large-scale cortical gradients in the human brain.

ABSTRACT Brain structure scaffolds intrinsic function, supporting cognition and ultimately behavioral flexibility. However, it remains unclear how a static, genetically controlled architecture supports flexible cognition and behavior. Here, we synthesize genetic, phylogenetic and cognitive analyses to understand how the macroscale organization of structure-function coupling across the cortex can inform its role in cognition. In humans, structure-function coupling was highest in regions of unimodal cortex and lowest in transmodal cortex, a pattern that was mirrored by a reduced alignment with heritable connectivity profiles. Structure-function uncoupling in non-human primates had a similar spatial distribution, but we observed an increased coupling between structure and function in association regions in macaques relative to humans. Meta-analysis suggested regions with the least genetic control (low heritable correspondence and different across primates) are linked to social cognition and autobiographical memory. Our findings establish the genetic and evolutionary uncoupling of structure and function in different transmodal systems may support the emergence of complex, culturally embedded forms of cognition.

Abstract The intrinsic functional organization of the brain changes into older adulthood. Age differences are observed at multiple spatial scales, from global reductions in modularity and segregation of distributed brain systems, to network-specific patterns of dedifferentiation. Whether dedifferentiation reflects an inevitable, global shift in brain function with age, circumscribed, experience dependent changes, or both, is uncertain. We employed a multi-method strategy to interrogate dedifferentiation at multiple spatial scales. Multi-echo (ME) resting-state fMRI was collected in younger (n=181) and older (n=120) healthy adults. Cortical parcellation sensitive to individual variation was implemented for precision functional mapping of each participant, while preserving group-level parcel and network labels. ME-fMRI processing and gradient mapping identified global and macroscale network differences. Multivariate functional connectivity methods tested for microscale, edge-level differences. Older adults had lower BOLD signal dimensionality, consistent with global network dedifferentiation. Gradients were largely age-invariant. Edge-level analyses revealed discrete, network-specific dedifferentiation patterns in older adults. Visual and somatosensory regions were more integrated within the functional connectome; default and frontoparietal control network regions showed greater connectivity; and the dorsal attention network was more integrated with heteromodal regions. These findings highlight the importance of multi-scale, multi-method approaches to characterize the architecture of functional brain aging.

Cognitive decline occurs in healthy and pathological aging, and both may be preceded by subtle changes in the brain — offering a basis for cognitive predictions. Previous work has largely focused on predicting a diagnostic label from structural brain imaging. Our study broadens the scope of applications to cognitive decline in healthy aging by predicting future decline as a continuous trajectory, rather than a diagnostic label. Furthermore, since brain structure as well as function changes in aging, it is reasonable to expect predictive gains when using multiple brain imaging modalities. Here, we tested whether baseline multimodal neuroimaging data improve the prediction of future cognitive decline in healthy and pathological aging. Non-brain data (including demographics and clinical and neuropsychological scores) were combined with structural and functional connectivity MRI data from the OASIS-3 project (N = 662; age = 46 – 96y). The combined input data was entered into cross-validated multi-target random forest models to predict future cognitive decline (measured by the Clinical Dementia Rating and the Mini-Mental State Examination), on average 5.8y into the future. The analysis was preregistered and all analysis code is publicly available. We found that combining non-brain with structural data improved the continuous prediction of future cognitive decline (best test-set performance: R 2 = 0.42) and that cognitive performance, daily functioning, and subcortical volume drove the performance of our model. In contrast, including functional connectivity did not improve predictive accuracy. In the future, the prognosis of age-related cognitive decline may enable earlier and more effective cognitive, pharmacological, and behavioral interventions to be tailored to the individual.

Abstract Short mindfulness-based interventions have gained traction in research due to their positive impact on well-being, cognition, and clinical symptoms across various settings. However, these short-term trainings are viewed as preliminary steps within a more extensive transformative path, presumably leading to long-lasting trait changes. Despite this, little is still known about the brain correlates of meditation traits. To address this gap, we investigated the neural correlates of meditation expertise in long-term Buddhist practitioners, comparing the large-scale brain functional connectivity of 28 expert meditators with 47 matched novices. Our hypothesis posited that meditation expertise would be associated with specific and enduring patterns of functional connectivity present during both meditative (open monitoring/open presence and loving-kindness compassion meditations) and non-meditative resting states, as measured by connectivity gradients. Our finding revealed a trend toward the overall contraction in the gradient cognitive hierarchy in experts versus novices during open presence meditation. The signature of expertise was further characterized by an increased integration of large-scale brain networks, including the somatomotor, dorsal and ventral attention, limbic and frontoparietal networks, which correlated with a higher ability to create psychological distance with thoughts and emotions. Applying a support vector classifier to states not included in training, we successfully decoded expertise as a trait, demonstrating that its non-state-dependent nature. Such heightened integration of bodily maps with affective and attentional networks in meditation experts could point toward a signature of the embodied cognition cultivated in these contemplative practices.

Abstract Understanding cortical topographic organization and how it supports complex perceptual and cognitive processes is a fundamental question in neuroscience. Previous work has characterized functional gradients that demonstrate large-scale principles of cortical organization. How these gradients are modulated by rich ecological stimuli remains unknown. Here, we utilize naturalistic stimuli via movie-fMRI to assess macroscale functional organization. We identify principal movie gradients that delineate separate hierarchies anchored in sensorimotor, visual, and auditory/language areas. At the opposite/heteromodal end of these perception-to-cognition axes, we find a more central role for the frontoparietal network along with the default network. Even across different movie stimuli, movie gradients demonstrated good reliability, suggesting that these hierarchies reflect a brain state common across different naturalistic conditions. The relative position of brain areas within movie gradients showed stronger and more numerous correlations with cognitive behavioral scores compared to resting state gradients. Together, these findings provide an ecologically valid representation of the principles underlying cortical organization while the brain is active and engaged in multimodal, dynamic perceptual and cognitive processing. Highlights Movie-fMRI reveals novel, more granular principles of hierarchical cortical organization Top movie gradients delineate three separate perception-to-cognition hierarchies A distinctive third gradient in movie-watching is anchored by auditory/language regions Gradient scores demonstrate good reliability even across different movie stimuli Movie gradients yield stronger correlations with behavior relative to resting state gradients

Abstract Decomposition of whole-brain functional connectivity patterns reveals a principal gradient that captures the separation of sensorimotor cortex from heteromodal regions in the default mode network (DMN); this gradient captures the systematic order of networks on the cortical surface. Functional homotopy is strongest in sensorimotor areas, and weakest in heteromodal cortices, suggesting there may be differences between the left and right hemispheres (LH/RH) in the principal gradient, especially towards its apex. This study characterised hemispheric differences in the position of large-scale cortical networks along the principal gradient, and their functional significance. We collected resting-state fMRI and semantic and non-verbal reasoning task performance in 175+ healthy volunteers. We then extracted the principal gradient of connectivity for each participant and tested which networks showed significant hemispheric differences in gradient value. We investigated the functional associations of these differences by regressing participants’ behavioural efficiency in tasks outside the scanner against their interhemispheric gradient difference for each network. LH showed a higher overall principal gradient value, consistent with its role in heteromodal semantic cognition. One frontotemporal control subnetwork was linked to individual differences in semantic cognition: when it was nearer heteromodal DMN on the principal gradient in LH, participants showed more efficient semantic retrieval. In contrast, when a dorsal attention subnetwork was closer to the heteromodal end of the principal gradient in RH, participants showed better visual reasoning. Lateralization of function may reflect differences in connectivity between control and heteromodal regions in LH, and attention and visual regions in RH.

Abstract Connectomics—the study of brain networks—provides a unique and valuable opportunity to study the brain. Research in human connectomics, leveraging functional and diffusion Magnetic Resonance Imaging (MRI), is a resource-intensive practice. Typical analysis routines require significant computational capabilities and subject matter expertise. Establishing a pipeline that is low-resource, easy to use, and off-the-shelf (can be applied across multifarious datasets without parameter tuning to reliably estimate plausible connectomes), would significantly lower the barrier to entry into connectomics, thereby democratizing the field by empowering a more diverse and inclusive community of connectomists. We therefore introduce ‘MRI to Graphs’ ( m2g ). To illustrate its properties, we used m2g to process MRI data from 35 different studies (≈ 6,000 scans) from 15 sites without any manual intervention or parameter tuning. Every single scan yielded an estimated connectome that adhered to established properties, such as stronger ipsilateral than contralateral connections in structural connectomes, and stronger homotopic than heterotopic correlations in functional connectomes. Moreover, the connectomes estimated by m2g are more similar within individuals than between them, suggesting that m2g preserves biological variability. m2g is portable, and can run on a single CPU with 16 GB of RAM in less than a couple hours, or be deployed on the cloud using its docker container. All code is available on https://github.com/neurodata/m2g and documentation is available on docs.neurodata.io/m2g.

Complex macro-scale patterns of brain activity that emerge during periods of wakeful rest provide insight into the organisation of neural function, how these differentiate individuals based on their traits, and the neural basis of different types of self-generated thoughts. Although brain activity during wakeful rest is valuable for understanding important features of human cognition, its unconstrained nature makes it difficult to disentangle neural features related to personality traits from those related to the thoughts occurring at rest. Our study builds on recent perspectives from work on ongoing conscious thought that highlight the interactions between three brain networks - ventral and dorsal attention networks, as well as the default mode network. We combined measures of personality with state-of-the-art indices of ongoing thoughts at rest and brain imaging analysis and explored whether this tripartite view can provide a framework within which to understand the contribution of states and traits to observed patterns of neural activity at rest. To capture macro-scale relationships between different brain systems, we calculated cortical gradients to describe brain organisation in a low dimensional space. Our analysis established that for more introverted individuals, regions of the ventral attention network were functionally more aligned to regions of the somatomotor system and the default mode network. At the same time, a pattern of detailed self-generated thought was associated with a decoupling of regions of dorsal attention from regions in the default mode network. Our study, therefore, establishes interactions between attention systems and the default mode network are important influences on ongoing thought at rest and highlights the value of integrating contemporary perspectives on conscious experience when understanding patterns of brain activity at rest.