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 .

High-throughput experimental methods in neuroscience have led to an explosion of techniques for measuring complex interactions and multi-dimensional patterns. However, whether sophisticated measures of emergent phenomena can be traced back to simpler low-dimensional statistics is largely unknown. To explore this question, we examine resting state fMRI (rs-fMRI) data using complex topology measures from network neuroscience. We show that spatial and temporal autocorrelation are reliable statistics which explain numerous measures of network topology. Surrogate timeseries with subject-matched spatial and temporal autocorrelation capture nearly all reliable individual and regional variation in these topology measures. Network topology changes during aging are driven by spatial autocorrelation, and multiple serotonergic drugs causally induce the same topographic change in temporal autocorrelation. This reductionistic interpretation of widely-used complexity measures may help link them to neurobiology.

Abstract Animals must learn to predict varying threats in the environment to survive by enacting defensive behaviors. Dopamine is involved in the prediction of rewards, encoding a reward prediction error in a similar manner to temporal difference learning algorithm. However, the corresponding molecular and computational form of threat prediction errors is not as well-characterized, although norepinephrine and other neuromodulators and neuropeptides participate in fear learning. Here, we utilized fluorescent norepinephrine recordings over the course of fear learning in concert with reinforcement learning modeling to identify its role in the prediction of threat. By varying timing and sensory uncertainty in the formation of threat associations, we were able to define a precise computational role for norepinephrine in this process. Norepinephrine release approximates the strength of fear associations, and its temporal dynamics are compatible with a prediction error signal. Intriguingly, the release of norepinephrine is influenced by time and sensory feedback, serving as an antithesis of the classical reward prediction error role of dopamine. Thus, these results directly demonstrate a combined cognitive and affective role of norepinephrine in the prediction of threat, with implications for neuropsychiatric disorders such as anxiety and PTSD.

Abstract Psychoactive drugs can transiently perturb brain physiology while preserving brain structure. The role of physiological state in shaping neural function can therefore be investigated through neuroimaging of pharmacologically-induced effects. This paradigm has revealed that neural and experiential effects of lysergic acid diethylamide (LSD) are attributable to its agonist activity at the serotonin-2A receptor. Here, we integrate brainwide transcriptomics with biophysically-based large-scale circuit modeling to simulate acute neuromodulatory effects of LSD on human cortical dynamics. Our model captures the topographic effects of LSD-induced changes in cortical BOLD functional connectivity. These findings suggest that serotonin-2A-mediated modulation of pyramidal cell gain is the circuit mechanism through which LSD alters cortical functional topography. Individual-subject fitting reveals that the model captures patterns of individual neural differences in drug response that predict altered states of consciousness. This work establishes a framework for linking molecular-level manipulations to salient changes in brain function, with implications for precision medicine.

Abstract Results of neuroimaging datasets aggregated from multiple sites may be biased by site- specific profiles in participants’ demographic and clinical characteristics, as well as MRI acquisition protocols and scanning platforms. We compared the impact of four different harmonization methods on results obtained from analyses of cortical thickness data: (1) linear mixed-effects model (LME) that models site-specific random intercepts (LME INT ), (2) LME that models both site-specific random intercepts and age-related random slopes (LME INT+SLP ), (3) ComBat, and (4) ComBat with a generalized additive model (ComBat-GAM). Our test case for comparing harmonization methods was cortical thickness data aggregated from 29 sites, which included 1,343 cases with posttraumatic stress disorder (PTSD) (6.2-81.8 years old) and 2,067 trauma-exposed controls without PTSD (6.3-85.2 years old). We found that, compared to the other data harmonization methods, data processed with ComBat-GAM were more sensitive to the detection of significant case-control differences in regional cortical thickness ( X 2 (3) = 34.339, p < 0.001), and case-control differences in age-related cortical thinning ( X 2 (3) = 15.128, p = 0.002). Specifically, ComBat-GAM led to larger effect size estimates of cortical thickness reductions (corrected p-values < 0.001 ), smaller age-appropriate declines (corrected p-values < 0.001 ), and lower female to male contrast (corrected p-values < 0.001 ) in cases compared to controls relative to other harmonization methods. Harmonization with ComBat-GAM also led to greater estimates of age-related declines in cortical thickness (corrected p-values < 0.001 ) in both cases and controls compared to other harmonization methods. Our results support the use of ComBat-GAM for harmonizing cortical thickness data aggregated from multiple sites and scanners to minimize confounds and increase statistical power.

Background Ketamine has emerged as one of the most promising therapies for treatment-resistant depression. However, inter-individual variability in response to ketamine is still not well understood and it is unclear how ketamine’s molecular mechanisms connect to its neural and behavioral effects. Methods We conducted a double-blind placebo-controlled study in which 40 healthy participants received acute ketamine (initial bolus 0.23 mg/kg, continuous infusion 0.58 mg/kg/hour). We quantified resting-state functional connectivity via data-driven global brain connectivity, related it to individual ketamine-induced symptom variation, and compared it to cortical gene expression targets. Results We found that: i) both the neural and behavioral effects of acute ketamine are multi-dimensional, reflecting robust inter-individual variability; ii) ketamine’s data-driven principal neural gradient effect matched somatostatin (SST) and parvalbumin (PVALB) cortical gene expression patterns in humans, implicating the role of SST and PVALB interneurons in ketamine’s acute effects; and iii) behavioral data-driven individual symptom variation mapped onto distinct neural gradients of ketamine, which were resolvable at the single-subject level. Conclusions Collectively, these findings support the possibility for developing individually precise pharmacological biomarkers for treatment selection in psychiatry. Funding This study was supported by NIH grants DP5OD012109-01 (A.A.), 1U01MH121766 (A.A.), R01MH112746 (J.D.M.), 5R01MH112189 (A.A.), 5R01MH108590 (A.A.), NIAAA grant 2P50AA012870-11 (A.A.); NSF NeuroNex grant 2015276 (J.D.M.); Brain and Behavior Research Foundation Young Investigator Award (A.A.); SFARI Pilot Award (J.D.M., A.A.); Heffter Research Institute (Grant No. 1–190420); Swiss Neuromatrix Foundation (Grant No. 2016–0111m Grant No. 2015 – 010); Swiss National Science Foundation under the frame-work of Neuron Cofund (Grant No. 01EW1908), Usona Institute (2015 – 2056).

Abstract Introduction Cortical thickness (CT) and surface area (SA) are established biomarkers of brain pathology in posttraumatic stress disorder (PTSD). Structural covariance networks (SCN) constructed from CT and SA may represent developmental associations, or unique interactions between brain regions, possibly influenced by a common causal antecedent. The ENIGMA-PGC PTSD Working Group aggregated PTSD and control subjects’ data from 29 cohorts in five countries (n=3439). Methods Using Destrieux Atlas, we built SCNs and compared centrality measures between PTSD subjects and controls. Centrality is a graph theory measure derived using SCN. Results Notable nodes with higher CT-based centrality in PTSD compared to controls were left fusiform gyrus, left superior temporal gyrus, and right inferior temporal gyrus. We found sex-based centrality differences in bilateral frontal lobe regions, left anterior cingulate, left superior occipital cortex and right ventromedial prefrontal cortex (vmPFC). Comorbid PTSD and MDD showed higher CT-based centrality in the right anterior cingulate gyrus, right parahippocampal gyrus and lower SA-based centrality in left insular gyrus. Conclusion Unlike previous studies with smaller sample sizes (≤318), our study found differences in centrality measures using a sample size of 3439 subjects. This is the first cross-sectional study to examine SCN interactions with age, sex, and comorbid MDD. Although limited to group level inferences, centrality measures offer insights into a node’s relationship to the entire functional connectome unlike approaches like seed-based connectivity or independent component analysis. Nodes having higher centrality have greater structural or functional connections, lending them invaluable for translational treatments like neuromodulation.

To explain why individuals exposed to identical stressors experience divergent clinical outcomes, we determine how molecular encoding of stress modifies genetic risk for brain disorders. Analysis of post-mortem brain (n=304) revealed 8557 stress-interactive expression quantitative trait loci (eQTLs) that dysregulate expression of 915 eGenes in response to stress, and lie in stress-related transcription factor binding sites. Response to stress is robust across experimental paradigms: up to 50% of stress-interactive eGenes validate in glucocorticoid treated hiPSC-derived neurons (n=39 donors). Stress-interactive eGenes show brain region- and cell type-specificity, and, in post-mortem brain, implicate glial and endothelial mechanisms. Stress dysregulates long-term expression of disorder risk genes in a genotype-dependent manner; stress-interactive transcriptomic imputation uncovered 139 novel genes conferring brain disorder risk only in the context of traumatic stress. Molecular stress-encoding explains individualized responses to traumatic stress; incorporating trauma into genomic studies of brain disorders is likely to improve diagnosis, prognosis, and drug discovery.

Working memory (WM) is a crucial resource for temporary memory storage and the guiding of ongoing behavior. N-methyl-D-aspartate glutamate receptors (NMDARs) are thought to support the neural underpinnings of WM. Ketamine is an NMDAR antagonist that has cognitive and behavioral effects at subanesthetic doses. To shed light on subanesthetic ketamine effects on brain function, we employed a multimodal imaging design, combining gas-free calibrated functional magnetic resonance imaging (fMRI) measurement of oxidative metabolism (CMRO 2 ), resting-state cortical functional connectivity assessed with fMRI, and WM-related fMRI. Healthy subjects participated in two scan sessions in a randomized, double-blind, placebo-controlled design. Ketamine increased CMRO 2 and cerebral blood flow (CBF) in prefrontal cortex (PFC) and other cortical regions. However, resting-state cortical functional connectivity was not affected. Ketamine did not alter CBF-CMRO 2 coupling brain-wide. Higher levels of basal CMRO 2 were associated with lower task-related PFC activation and WM accuracy impairment under both saline and ketamine conditions. These observations suggest that CMRO 2 and resting-state functional connectivity index distinct dimensions of neural activity. Ketamine’s impairment of WM-related neural activity and performance appears to be related to its ability to produce cortical metabolic activation. This work illustrates the utility of direct measurement of CMRO 2 via calibrated fMRI in studies of drugs that potentially affect neurovascular and neurometabolic coupling.

Background: Disruption of the synaptic balance between excitation and inhibition (E/I balance) in cortical circuits is a leading hypothesis for pathophysiologies of neuropsychiatric disorders, such as schizophrenia. However, it is poorly understood how synaptic E/I disruptions propagate upward to induce cognitive deficits, including impaired decision making (DM). Methods: We investigated how E/I perturbations may impair temporal integration of evidence during perceptual DM in a biophysically-based model of association cortical microcircuits. Using multiple psychophysical task paradigms, we characterized effects of NMDA receptor hypofunction at two key synaptic sites: inhibitory interneurons (elevating E/I ratio, via disinhibition), versus excitatory pyramidal neurons (lowering E/I ratio). Results: Disruption of E/I balance in either direction can similarly impair DM as assessed by psychometric performance, following inverted-U dependence. Nonetheless, these regimes make dissociable predictions for task paradigms that characterize the time course of evidence accumulation. Under elevated E/I ratio, DM is impulsive: evidence early in time is weighted much more than late evidence. In contrast, under lowered E/I ratio, DM is indecisive: evidence integration and winner-take-all competition between options are weakened. These effects are well captured by an extended drift-diffusion model with self-coupling. Conclusions: Our findings characterize critical roles of cortical E/I balance in cognitive functions, the utility of timing-sensitive psychophysical paradigms, and relationships between circuit and psychological models. The model makes specific predictions for behavior and neural activity that are testable in humans or animals under causal manipulations of E/I balance and in disease states.