ABSTRACT Cognitive pathways supporting human language and declarative memory are thought to have uniquely evolutionarily differentiated in our species. However, cross-species comparisons are missing on site-specific effective connectivity between regions important for cognition. We harnessed a new approach using functional imaging to visualize the impact of direct electrical brain stimulation in human neurosurgery patients. Applying the same approach with macaque monkeys, we found remarkably comparable patterns of effective connectivity between auditory cortex and ventro-lateral prefrontal cortex (vlPFC) and parahippocampal cortex in both species. Moreover, in humans electrical tractography revealed rapid evoked potentials in vlPFC from stimulating auditory cortex and speech sounds drove vlPFC, consistent with prior evidence in monkeys of direct projections from auditory cortex to vocalization responsive regions in vlPFC. The results identify a common effective connectivity signature that from auditory cortex is equally direct to vlPFC and indirect to the hippocampus (via parahippocampal cortex) in human and nonhuman primates. Highlights Privileged human auditory to inferior frontal connectivity, linked to monkeys Common auditory to parahippocampal effective connectivity in both species Greater lateralization in human effective connectivity, more symmetrical in monkeys Human fronto-temporal network function rooted in evolutionarily conserved signature eTOC short summary Functional connectivity between regions crucial for language and declarative memory is thought to have substantially differentiated in humans. Using a new technique to similarly visualize directional effective connectivity in humans and monkeys, we found remarkably comparable connectivity patterns in both species between fronto-temporal regions crucial for cognition.

Abstract Mapping the causal effects of one brain region on another (effective connectivity) is a challenging problem in neuroscience, since it requires invasive direct manipulation of brain function, together with whole-brain measurement of the effects produced. Here we establish a unique resource and present data from 26 human patients who underwent electrical stimulation during functional magnetic resonance imaging (es-fMRI). The patients had medically refractory epilepsy requiring surgically implanted intracranial electrodes in cortical and subcortical locations. One or multiple contacts on these electrodes were stimulated while simultaneously recording BOLD-fMRI activity in a block design. Multiple runs exist for patients with different stimulation sites. We describe the resource, data collection process, preprocessing using the fMRIPrep analysis pipeline and management of artifacts, and provide end-user analyses to visualize distal brain activation produced by site-specific electrical stimulation. The data are organized according to the brain imaging data structure (BIDS) specification, and are available for analysis or future dataset contributions on openneuro.org including both raw and preprocessed data.

Abstract Controlling behavior to flexibly achieve desired goals depends on the ability to monitor one’s own performance. It is unknown how performance monitoring can be both flexible to support different tasks and specialized to perform well on each. We recorded single neurons in the human medial frontal cortex while subjects performed two tasks that involve three types of cognitive conflict. Neurons encoding predicted conflict, conflict, and error in one or both tasks were intermixed, forming a representational geometry that simultaneously allowed task specialization and generalization. Neurons encoding conflict retrospectively served to update internal estimates of control demand. Population representations of conflict were compositional. These findings reveal how representations of evaluative signals can be both abstract and task-specific and suggest a neuronal mechanism for estimating control demand.

We are grateful to Owens, Bryja & Bekoff (2024) for their important discussion of individual differences in animals, emphasizing the role of personality in conservation, wildlife research, and wellbeing. But their emphasis also raises new challenges: How should we conceive of personality in nonhuman species? what modern tools could be leveraged to best measure it? and, perhaps most important of all: how can we ensure that the conscious experience of animals — their capacity for wellbeing and for suffering — is not forgotten along the way? We touch on each of these challenges in this invited Precommentary in the hope that they will be taken up by other commentators.

Summary People with autism spectrum disorder (ASD) have atypical gaze onto both static visual images 1,2 and dynamic videos 3,4 that could be leveraged for diagnostic purposes 5,6 . Eye tracking is important for characterizing ASD across the lifespan 7 and nowadays feasible at home (e.g., from smartphones 8 ). Yet gaze-based classification has been difficult to achieve, due to sources of variance both across and within subjects. Here we test three competing hypotheses: (a) that ASD could be successfully classified from the fact that gaze patterns are less reliable or noisier than in controls, (b) that gaze patterns are atypical and heterogeneous across ASD subjects but reliable over time within a subject, or (c) that gaze patterns are individually reliable and also homogenous among individuals with ASD. Leveraging dense eye tracking data from two different full-length television sitcom episodes in a total of over 150 subjects (N = 53 ASD, 107 controls) collected at two different sites, we demonstrate support for the second of these hypotheses. The findings pave the way for the investigation of autism subtypes, and for elucidating the specific visual features that best discriminate gaze patterns — directions that will also inform neuroimaging and genetic studies of this complex disorder.

Individual people differ in their ability to reason, solve problems, think abstractly, plan and learn. A reliable measure of this general ability, also known as intelligence, can be derived from scores across a diverse set of cognitive tasks. There is great interest in understanding the neural underpinnings of individual differences in intelligence, since it is the single best predictor of long-term life success. The most replicated neural correlate of human intelligence to date is total brain volume; however, this coarse morphometric correlate says little about function. Here we ask whether measurements of the activity of the resting brain (resting-state fMRI) might also carry information about intelligence. We used the final release of the Young Adult Human Connectome Project (N=884 subjects after exclusions), providing a full hour of resting-state fMRI per subject; controlled for gender, age, and brain volume; and derived a reliable estimate of general intelligence from scores on multiple cognitive tasks. Using a cross-validated predictive framework, we predicted 20% of the variance in general intelligence in the sampled population from their resting-state connectivity matrices. Interestingly, no single anatomical structure or network was responsible or necessary for this prediction, which instead relied on redundant information distributed across the brain.

Abstract Human brain dynamics are organized into a multi-scale network structure that contains multiple tight-knit, meso-scale communities. Recent work has demonstrated that many psychological capacities, as well as impairments in cognitive function secondary to damage, can be mapped onto organizing principles at this mesoscopic scale. However, we still don’t know the rules that govern the dynamic interactions between regions that are constrained by the topology of the broader network. In this preregistered study, we utilized a unique human dataset in which whole brain BOLD-fMRI activity was recorded simultaneously with intracranial electrical stimulation, to characterize the effects of direct neural stimulation on the dynamic reconfiguration of the broader network. Direct neural stimulation increased the extent to which the stimulation site’s own mesoscale community integrated with the rest of the brain. Further, we found that these network changes depended on the topological role of the stimulation site itself: stimulating regions with high participation coefficients led to global integration, whereas stimulating sites with low participation coefficients integrated that regions’ own community with the rest of the brain. These findings provide direct causal evidence for how network topology shapes and constrains inter-regional coordination, and suggest applications for targeted therapeutic interventions in patients with deep-brain stimulation.

The comparison between perceived and unperceived trials at perceptual threshold isolates not only the core neuronal substrate of a particular conscious perception, but also aspects of brain activity that facilitate, hinder or tend to follow conscious perception. We take a step towards the resolution of these confounds by combining an analysis of ECoG neuronal responses observed during the presentation of faces partially masked by Continuous Flash Suppression, and those responses observed during the unmasked presentation of faces and other images in the same subjects. Neuronal activity in both the fusiform gyrus and the superior temporal sulcus discriminated seen vs. unseen faces in the masked paradigm and upright faces vs. other categories in the unmasked paradigm. However, only the former discriminated upright vs. inverted faces in the unmasked paradigm. Our results suggest a prominent role for the fusiform gyrus in the configural perception of faces.

Decisions in complex environments rely on flexibly utilizing past experience as required by context and instructions. This process depends on medial frontal cortex (MFC) and the medial temporal lobe (MTL), but it remains unknown how these structures interact during memory retrieval. We recorded single neurons in MFC and MTL while human subjects switched between making memory and categorization-based decisions. Here we show that MFC rapidly implements changing task demands by utilizing different subspaces of neural activity during different types of decisions. Choices requiring memory retrieval selectively engaged phase-locking between theta-frequency band oscillations in MTL and MFC neurons. Choice neurons signaled decisions independent of output modality. In contrast, no effect of task demands was seen locally in the MTL. This work reveals a mechanism for selectively engaging memory retrieval and shows that unlike perceptual decision-making, memory-related information is only represented in frontal cortex when choices require it.

Recent studies in adult humans have reported correlations between individual differences in Social Network Index (SNI) and gray matter volume (GMV) across multiple regions of the brain. However, the cortical and subcortical loci identified are inconsistent across studies. These discrepancies might arise because different regions of interest were hypothesized and tested in different studies without controlling for multiple comparisons, and/or from insufficiently large sample sizes to fully protect against statistically unreliable findings. Here we took a data-driven approach in a pre-registered study to comprehensively investigate the relationship between SNI and GMV in every cortical and subcortical region, using three predictive modeling frameworks. We also included psychological predictors such as cognitive and emotional intelligence, personality, and mood. In a sample of healthy adults (n = 92), neither multivariate frameworks (e.g., ridge regression with cross-validation) nor univariate frameworks (e.g., univariate linear regression with cross-validation) showed a significant association between SNI and any GMV or psychological feature after multiple comparison corrections (all R-squared values less than or equal to 0.1). These results emphasize the importance of large sample sizes and hypothesis-driven studies to derive statistically reliable conclusions, and suggest that future meta-analyses will be needed to more accurately estimate the true effect sizes in this field.