Abstract A century-long debate on bodily states and emotions persists. While the involvement of bodily activity in emotion physiology is widely recognized, the specificity and causal role of such activity related to brain dynamics has not yet been demonstrated. We hypothesize that the peripheral neural monitoring and control of cardiovascular activity prompts and sustains brain dynamics during an emotional experience, so these afferent inputs are processed by the brain by triggering a concurrent efferent information transfer to the body. To this end, we investigated the functional brain-heart interplay under emotion elicitation in publicly available data from 62 healthy participants using a computational model based on synthetic data generation of EEG and ECG signals. Our findings show that sympathovagal activity plays a leading and causal role in initiating the emotional response, in which ascending modulations from vagal activity precede neural dynamics and correlate to the reported level of arousal. The subsequent dynamic interplay observed between the central and autonomic nervous systems sustains emotional processing. These findings should be particularly revealing for the psychophysiology and neuroscience of emotions. Significance We investigate the temporal dynamics of brain and cardiac activities in healthy subjects who underwent an emotional elicitation through videos. We demonstrate that, within the first few seconds, emotional stimuli modulate the heart activity, which in turn stimulate an emotion-specific cortical response in the brain. Then, the conscious emotional experience is sustained by a bidirectional brain-heart interplay and information exchange. Moreover, the perceived intensity of an emotional stimulus is predicted by the intensity of neural control regulating the heart activity. These findings may constitute the fundamental knowledge linking neurophysiology and psychiatric disorders, including the link between depressive symptoms and cardiovascular disorders.

Abstract The autonomic nervous system plays a vital role in self-regulation and responding to environmental demands. Autonomic dynamics have been hypothesized to be involved in perceptual awareness and the physiological implementation of the first-person perspective. Based on this idea, we hypothesized that the autonomic activity measured from cardiac dynamics could differentiate between social touch and self-touch. In our study, we used a newly developed method to analyze the temporal dynamics of cardiac sympathetic and parasympathetic activities during an ecologically valid affective touch experiment. We revealed that different types of touch conditions—social-touch, self-touch, and a control object-touch—resulted in a decrease in sympathetic activity. This decrease was more pronounced during social touch, as compared to the other conditions. Following sympathetic decrease, we quantified an increase in parasympathetic activity specifically during social touch, further distinguishing it from self-touch. Importantly, by combining the sympathetic and parasympathetic indices, we successfully differentiated social touch from the other experimental conditions, indicating that social touch exhibited the most substantial changes in cardiac autonomic indices. These findings may have important clinical implications as they provide insights into the neurophysiology of touch, relevant for aberrant affective touch processing in specific psychiatric disorders and for the comprehension of nociceptive touch.

Abstract Recent studies have established that cardiac and respiratory phases can modulate perception and related neural dynamics. While heart rate and respiratory sinus arrhythmia possibly affect interoception biomarkers, such as heartbeat-evoked potentials, the relative changes in heart rate and cardiorespiratory dynamics in interoceptive processes have not yet been investigated. In this study, we investigated the variation in heart and breathing rates, as well as higher functional dynamics including cardiorespiratory correlation and frontal hemodynamics measured with fNIRS, during a heartbeat counting task. To further investigate the functional physiology linked to changes in vagal activity caused by specific breathing rates, we performed the heartbeat counting task together with a controlled breathing rate task. The results demonstrate that focusing on heartbeats decreases breathing and heart rates in comparison, which may be part of the physiological mechanisms related to “listening” to the heart, the focus of attention, and self-awareness. Focusing on heartbeats was also observed to increase frontal connectivity, supporting the role of frontal structures in the neural monitoring of visceral inputs. However, cardiorespiratory correlation is affected by both heartbeats counting and controlled breathing tasks. Based on these results, we concluded that variations in heart and breathing rates are confounding factors in the assessment of interoceptive abilities and relative fluctuations in breathing and heart rates should be considered to be a mode of covariate measurement of interoceptive processes.

Abstract Dynamical information exchange between central and autonomic nervous systems, as referred to functional brain–heart interplay, occurs during emotional and physical arousal. It is well documented that physical and mental stress lead to sympathetic activation. Nevertheless, the role of autonomic inputs in nervous-system-wise communication under mental stress is yet unknown. In this study, we estimated the causal and bidirectional neural modulations between EEG oscillations and peripheral sympathetic and parasympathetic activities using a recently proposed computational framework for a functional brain–heart interplay assessment, namely the sympathovagal synthetic data generation model. Mental stress was elicited in 37 healthy volunteers by increasing their cognitive demands throughout three tasks associated with increased stress levels. Stress elicitation induced an increased variability in sympathovagal markers, as well as increased variability in the directional brain–heart interplay. The observed heart–to–brain interplay was primarily from sympathetic activity targeting a wide range of EEG oscillations, whereas variability in the efferent direction seemed mainly related to EEG oscillations in the gamma band. These findings extend current knowledge on stress physiology, which mainly referred to top-down neural dynamics. Our results suggest that mental stress may not cause an increase in sympathetic activity exclusively as it initiates a dynamic fluctuation within brain-body networks including bidirectional interactions at a brain–heart level. We conclude that directional brain–heart interplay measurements may provide suitable biomarkers for a quantitative stress assessment and bodily feedback may modulate the perceived stress caused by increased cognitive demand.

Abstract Research on interoception has revealed the role of heartbeats in shaping our perceptual awareness and embodying a first-person perspective. These heartbeat dynamics exhibit distinct responses to various types of affective touch. We advanced that those dynamics are directly associated to the brain activity that allow self-other distinction. In our study encompassing self and social affective touch, we employed a method to quantify the distinct couplings of temporal patterns in cardiac sympathetic and parasympathetic activities with brain connectivity. Our findings revealed that social touch led to an increase in the coupling between specific brain networks and parasympathetic/vagal activity, particularly in the alpha, beta, and gamma bands. Conversely, as social touch progressed, we observed a decrease in the coupling between brain networks and sympathetic dynamics across a broad frequency range. These results show how heartbeat dynamics are intertwined with brain organization and provide fresh evidence on the neurophysiological mechanisms of affective touch.

A growing body of work shows that autonomic signals provide a privileged evidence stream to capture various aspects of subjective and neural states. This work investigates the potential for autonomic markers to track the effects of psychedelics - potent psychoactive drugs with important scientific and clinical value. For this purpose, we introduce a novel Bayesian framework to estimate the entropy of heart rate dynamics under psychedelics. We also calculate Bayesian estimates of mean heart rate and heart rate variability, and investigate how these measures relate to subjective reports and neural effects. Results on datasets covering four drugs - lysergic acid diethylamide (LSD), dimethyltryptamine (DMT), psilocybin, and sub-anaesthetic doses of the dissociative agent ketamine - show consistent increases in mean heart rate, high-frequency heart rate variability, and heart rate entropy during the psychedelic experience. Moreover, these effects have predictive power over various dimensions of the psychedelic experience. Changes in heart rate entropy were found to be correlated with increases in brain entropy, while other autonomic markers were not. Overall, our results show that a cost-efficient autonomic measure has the potential to reveal surprising detail about subjective and brain states, opening up a range of new research avenues to explore in both basic and clinical neuroscience.

The time-resolved analysis of heart rate (HR) and heart rate variability (HRV) is crucial for the evaluation of the dynamic changes of autonomic activity under different clinical and behavioural conditions. Standard HRV analysis is performed in the frequency domain because the sympathetic activations tend to increase low-frequency HRV oscillations, while the parasympathetic ones increase high-frequency HRV oscillations. However, a strict separation of HRV into frequency bands may cause biased estimations, especially in the low-frequency range. To overcome this limitation, we propose a robust estimator that combines HR and HRV dynamics, based on the correlation of the Poincaré plot descriptors of interbeat intervals from the electrocardiogram. To validate our method, we used electrocardiograms gathered from open databases where standardized paradigms were applied to elicit changes in autonomic activity. Our proposal outperforms the standard spectral approach for the estimation of low- and high-frequency fluctuations in HRV, and its performance is comparable with newer methods. Our method constitutes a valuable, robust, time-resolved and cost-effective tool for a better understanding of autonomic activity through HR and HRV in a healthy state and potentially for pathological conditions.

The time-resolved analysis of heart rate (HR) and heart rate variability (HRV) is crucial for the evaluation of the dynamic changes of autonomic activity under different clinical and behavioral conditions. Standard HRV analysis is performed in the frequency domain because the sympathetic activations tend to increase low-frequency HRV oscillations, while the parasympathetic ones increase high-frequency HRV oscillations. However, a strict separation of HRV in frequency bands may cause biased estimations, especially in the low frequency range. To overcome this limitation, we propose a robust estimator that combines HR and HRV dynamics, based on the correlation of the Poincare plot descriptors of interbeat intervals from the electrocardiogram. To validate our method, we used electrocardiograms gathered from different open databases where standardized paradigms were applied to elicit changes in autonomic activity. Our proposal outperforms the standard spectral approach for the estimation of low- and high-frequency fluctuations in HRV, which are mostly triggered by sympathetic and parasympathetic activity, respectively. Our method constitutes a valuable, robust, time-resolved, and cost-effective tool for a better understanding of autonomic activity through HR and HRV in healthy state and potentially for pathological conditions.

Abstract The measurement of the autonomic modulations of cardiac dynamics plays a crucial role in the understanding of cardiovascular health and disease. We aimed to estimate the time-resolved sympathetic and parasympathetic modulations of cardiac dynamics in a rat models. In this study, we present the adaptation of the method for rat cardiac analysis and compare it with standard measures of low-frequency (LF) and high-frequency (HF) components, which are commonly used for sympathetic and parasympathetic activity estimation, respectively. To evaluate the performance of our method, we study a dataset comprising spontaneously hypertensive rats (SHR) and Wistar-Kyoto rats (WKY). These rats were administered dobutamine to elicit autonomic dynamics. The results obtained from our method demonstrated accurate time-resolved depiction of sympathetic reactivity induced by dobutamine administration. These responses closely resembled the expected autonomic alterations observed during physical exercise conditions, albeit emulated pharmacologically. The comparisons with LF and HF measures further confirmed the effectiveness of our method in better capturing autonomic changes in rat cardiac dynamics. Our findings highlight the potential of our adapted method for time-resolved analysis in future clinical and translational studies involving rodents’ models. The validation of our approach in animal models opens new avenues for investigating the relationship between ongoing changes in cardiac activity and parallel changes in brain dynamics. Such investigations are crucial for advancing our understanding of the intricate brain-heart connection, particularly in cases involving neurodegeneration, brain injuries, and cardiovascular conditions.