ABSTRACT There has been considerable recent progress in measuring conscious level using neural complexity measures. For instance, such measures can reliably distinguish healthy awake from asleep subjects and vegetative state patients. However, this line of research has never explored the dynamics of conscious level during normal wakefulness. Being able to capture meaningful differences in conscious level during wakefulness may provide a vital new insight into the nature of consciousness, by demonstrating what biological, behavioural and cognitive factors relate to such differences. Here we take advantage of a large MEG and fMRI dataset of healthy adults, to examine within-subject conscious level fluctuations during resting state and tasks, by using a range of complexity measures. We first establish the validity of this approach in both neuroimaging domains by relating neural complexity measures to pre-existing techniques for capturing transitions of consciousness from full wakefulness into drowsiness and the earliest stages of sleep, finding decreased complexity as participants become increasingly drowsy. We further demonstrate that neural complexity measures in both MEG and fMRI change both within and between tasks, and relate to performance on an executive task, with higher complexity associated with better performance and faster reaction times. This approach provides a powerful new route to further explore the cognitive and neural underpinnings of consciousness.

Abstract In a single day we transition from vigilant wakefulness to unconscious sleep and dreaming, undergoing diverse behavioural, physiological and neural changes. While during the awake state, exogenous stimuli and endogenous changes lead to sensory reorganisation, this remapping has not been charted throughout the sleep-wake cycle. We recorded neural activity in response to a range of tones using electroencephalography during a full night’s sleep, and examined whether auditory responses become more similar, dissimilar or remain unchanged between wakefulness, non-rapid (NREM) and rapid eye movement (REM) sleep. We found that neural similarities between pairs of auditory evoked potentials differed by conscious state in both early and late auditory processing stages. Furthermore, tone-pairs neural similarities were modulated by conscious state as a function of tone frequency, where some tone-pairs changed similarity between states and others continued unaffected. These findings demonstrate a state-, stimulus- and time-dependent functional reorganization of auditory processing across the sleep-wake cycle.

Abstract Subjective experiences are hard to capture quantitatively without losing depth and nuance, and subjective report analyses are time-consuming, their interpretation contested. We describe Temporal Experience Tracing, a method that captures relevant aspects of the unified conscious experience over a continuous period of time. The continuous multidimensional description of an experience allows us to computationally reconstruct common experience states. Applied to data from 852 meditations – from novice (n=20) and an experienced (n=12) meditators practising Breathing, Loving-Kindness and Open-Monitoring meditation – we reconstructed four recurring experience states with an average duration of 6:46 min (SD = 5:50 min) and their transition dynamics. Three of the experience states assimilated the three meditation styles practiced, and a fourth experience state represented a common low-motivational, ‘off-task’ state for both groups. We found that participants in both groups spent more time in the task-related experience state during Loving Kindness meditation than other meditation styles and were less likely to transition into an ‘off-task’ experience state during Loving Kindness meditation than during Breathing meditation. We demonstrate that drawing the dynamics of experience enables the quantitative analysis of subjective experiences, transforming the time dimension of the stream of consciousness from narrative to measurable.

Abstract There is increasing evidence that level of consciousness can be captured by neural informational complexity: for instance, complexity, as measured by the Lempel Ziv (LZ) compression algorithm, decreases during anesthesia and non-rapid eye movement (NREM) sleep in humans and rats, when compared to LZ in awake and REM sleep. In contrast, LZ is higher in humans under the effect of psychedelics, including subanesthetic doses of ketamine. However, it is both unclear how this result would be modulated by varying ketamine doses, and whether it would extend to other species. Here we studied LZ with and without auditory stimulation during wakefulness and different sleep stages in 5 cats implanted with intracranial electrodes, as well as under subanesthetic doses of ketamine (5, 10, and 15 mg/kg i.m.). In line with previous results, LZ was lowest in NREM sleep, but similar in REM and wakefulness. Furthermore, we found an inverted U-shaped curve following different levels of ketamine doses in a subset of electrodes, primarily in prefrontal cortex. However, it is worth noting that the variability in the ketamine dose-response curve across cats and cortices was larger than that in the sleep-stage data, highlighting the differential local dynamics created by two different ways of modulating conscious state. These results replicate previous findings, both in humans and other species, demonstrating that neural complexity is highly sensitive to capture state changes between wake and sleep stages while adding a local cortical description. Finally, this study describes the differential effects of ketamine doses, replicating a rise in complexity for low doses, and further fall as doses approach anesthetic levels in a differential manner depending on the cortex. In brief Previous studies have shown that Lempel Ziv complexity (LZ) decreases during anesthesia and non-rapid eyes movement (NREM) sleep in humans and rats whereas it increases in REM sleep and under the effect of psychedelics. In this work we show that in the cat, LZ is lowest in NREM sleep, but similar in REM and wakefulness. We also found a ketamine inverted U-shape dose-response curve only in the auditory and prefrontal cortex, with a much larger variability in the ketamine across cats and cortices when compared to the sleep cycle.

Abstract The brain excels at processing sensory input, even in rich or chaotic environments. Mounting evidence attributes this to the creation of sophisticated internal models of the environment that draw on statistical structures in the unfolding sensory input. Understanding how and where this modeling takes place is a core question in statistical learning and predictive processing. In this context, we address the role of transitional probabilities as an implicit structure supporting the encoding of a random auditory stream. Leveraging information-theoretical principles and the high spatiotemporal resolution of intracranial electroencephalography, we analyzed the trial-by-trial high-frequency activity representation of transitional probabilities. This unique approach enabled us to demonstrate how the brain continuously encodes structure in random stimuli and revealed the involvement of a network outside of the auditory system, including hippocampal, frontal, and temporal regions. Linking the frame-works of statistical learning and predictive processing, our work illuminates an implicit process that can be crucial for the swift detection of patterns and unexpected events in the environment.

Abstract To ensure survival in a dynamic environment, the human neocortex monitors input streams forwarded from different sensory organs for important sensory events. Which principles govern whether different senses share common or modality-specific networks for sensory target detection? We examined whether complex targets evoke sustained supramodal activity while simple targets rely on modality-specific networks with short-lived supramodal contributions. In a series of hierarchical multisensory target detection studies (n=77, of either sex) using Electroencephalography, we applied a temporal cross-decoding approach to dissociate supramodal and modality-specific cortical dynamics elicited by rule-based global and feature-based local sensory deviations within and between the visual, somatosensory and auditory modality. Our data show that each sense implements a cortical hierarchy which orchestrates supramodal target detection responses operating on local and global timescales at successive processing stages. Across different sensory modalities, simple feature-based sensory deviations presented in temporal vicinity to a monotonous input stream triggered an MMN-like local negativity which decayed quickly and early whereas complex rule-based targets tracked across time evoked a P3b-like global ERP response which generalised across a late time window. Converging results from temporal cross-modality decoding analyses across different datasets, we reveal that global ERP responses are sustained in a supramodal higher-order network whereas local ERP responses canonically thought to rely on modality-specific regions evolve into short-lived supramodal activity. Taken together, our findings demonstrate that cortical organisation largely follows a gradient in which short-lived modality-specific as well as supramodal processes dominate local responses whereas higher-order processes encode temporally extended abstract supramodal information fed forward from modality-specific cortices. Sensory target detection at local and global timescales reveals a hierarchy of supramodal dynamics in the human cortex Significance statement Each sense supports a cortical hierarchy of processes tracking deviant sensory events at multiple timescales. Conflicting evidence produced a lively debate around which of these processes are supramodal. Here, we manipulated the temporal complexity of auditory, tactile, and visual targets to determine whether cortical local and global ERP responses to sensory targets share cortical dynamics between the senses. Using temporal cross-decoding, we found that temporally complex targets elicit a supramodal sustained response. Conversely, local responses to temporally confined targets typically considered modality-specific rely on early short-lived supramodal activation. Our finding provides evidence for a supramodal gradient supporting sensory target detection in the cortex, with implications for multiple fields in which these responses are studied (such as predictive coding, consciousness, and attention).

Abstract Throughout the day, humans show natural fluctuations in arousal that impact cognitive function. To study the behavioural dynamics of cognitive control during high and low arousal states, healthy participants performed an auditory conflict task during high-intensity physical exercise ( N = 39) or drowsiness ( N = 33). In line with the pre-registered hypothesis, conflict and conflict adaptation effects were preserved during both altered arousal states. Overall task performance was markedly poorer during low arousal, but not for high arousal. Modelling behavioural dynamics with drift-diffusion analyses revealed evidence accumulation and non-decision time decelerated, and decisional boundaries became wider during low arousal, whereas high arousal was unexpectedly associated with a decrease in the interference of task-irrelevant information processing. These findings show how arousal differentially modulates cognitive control at both sides of normal alertness, and further validates drowsiness and physical exercise as key experimental models to disentangle the interaction between physiological fluctuations on cognitive dynamics.

Fluctuations of chronic pain levels are determined by a complex interplay of cognitive, emotional and perceptual variables. We introduce a pain tracking platform composed of wearable neurotechnology and a smartphone application to measure and predict chronic pain levels and its interplay with other dimensions of experience.

Abstract Breathwork is a term for an understudied school of practices that involve the intentional modulation of respiration to induce an altered state of consciousness (ASC). We map here the neural dynamics of mental content during breathwork, using a neurophenomenological approach by combining Temporal Experience Tracing, a quantitative phenomenological methodology that preserves the temporal dynamics of subjective experience, with low-density portable EEG devices for every session. Fourteen novice participants completed a series of up to 28 breathwork sessions - of 20, 40 or 60 minutes - in 28 days, yielding a neurophenomenological dataset of 301 breathwork sessions. Using hypothesis-driven and data-driven approaches, we found that positive ‘psychedelic-like’ subjective experiences that occurred within the breathwork sessions were associated with increased neural Lempel-Ziv complexity. Further, exploratory analyses showed that the aperiodic exponent of the power spectral density (PSD) - but not oscillatory alpha power - was also associated with these psychedelic-like phenomenological substates. We demonstrate the strength of this neurophenomenological framework, maximising the concurrent data acquisition of brain activity and phenomenological dynamics in multiple experiential dimensions. Non-linear aspects of brain dynamics, like complexity and the aperiodic exponent of the PSD, neurally map both a data-driven complex composite of positive experiences, and hypothesis-driven aspects of psychedelic-like experience states such as high bliss.

Recent evidence indicate that humans can learn entirely new information during sleep. To elucidate the neural dynamics underlying sleep-learning we investigated brain activity during auditory-olfactory discriminatory associative learning in human sleep. We found that learning-related delta and sigma neural changes are involved in early acquisition stages, when new associations are being formed. In contrast, learning-related theta activity emerged in later stages of the learning process, after tone-odour associations were already established. These findings suggest that learning new associations during sleep is signalled by a dynamic interplay between slow-waves, sigma and theta activity.