Characterization of brain states is essential for understanding its functioning in the absence of external stimuli. Brain states differ on their balance between excitation and inhibition, and on the diversity of their activity patterns. These can be respectively indexed by 1/f slope and Lempel-Ziv Complexity (LZc). However, whether and how these two brain state properties relate remain elusive. Here we analyzed the relation between 1/f slope and LZc with two in-silico approaches and in both rat EEG and monkey ECoG data. We contrasted resting state with propofol anesthesia, which directly modulates the excitation-inhibition balance. We found convergent results among simulated and empirical data, showing a strong, inverse and non trivial monotonic relation between 1/f slope and complexity, consistent at both ECoG and EEG scales. We hypothesize that differentially entropic regimes could underlie the link between the excitation-inhibition balance and the vastness of the repertoire of brain systems.

Abstract Previous research has shown that the autonomic nervous system provides essential constraints over ongoing cognitive function. However, there is currently a relative lack of direct empirical evidence for how this interaction manifests in the brain at the macro-scale level. Here, we examine the role of ascending arousal and attentional load on large-scale network dynamics by combining pupillometry, functional MRI and graph theoretical analysis to analyze data from a visual motion-tracking task with a parametric load manipulation. We found that attentional load effects were observable in measures of pupil diameter and in a set of brain regions that parametrically modulated their BOLD activity and meso-scale network-level integration. In addition, the regional patterns of network reconfiguration were correlated with the spatial distribution of the α 2a adrenergic receptor. Our results further solidify the relationship between ascending noradrenergic activity, large-scale network integration, and cognitive task performance. Author Summary In our daily lives, it is usual to encounter highly demanding cognitive tasks. They have been traditionally regarded as challenges that are solved mainly through cerebral activity, specifically via information-processing steps carried by neurons in the cerebral cortex. Activity in cortical networks thus constitutes a key factor for improving our understanding cognitive processes. However, recent evidence has shown that evolutionary older players in the central nervous system, such as brainstem’s ascending modulatory systems, might play an equally important role in diverse cognitive mechanisms. Our article examines the role of the ascending arousal system on large-scale network dynamics by combining pupillometry, functional MRI and graph theoretical analysis .

Abstract BACKGROUND Education influences brain health and dementia. However, its impact across regions, specifically Latin America (LA) and the United States (US), is unknown. METHODS A total of 1412 participants comprising controls, patients with Alzheimer's disease (AD), and frontotemporal lobar degeneration (FTLD) from LA and the US were included. We studied the association of education with brain volume and functional connectivity while controlling for imaging quality and variability, age, sex, total intracranial volume (TIV), and recording type. RESULTS Education influenced brain measures, explaining 24%–98% of the geographical differences. The educational disparities between LA and the US were associated with gray matter volume and connectivity variations, especially in LA and AD patients. Education emerged as a critical factor in classifying aging and dementia across regions. DISCUSSION The results underscore the impact of education on brain structure and function in LA, highlighting the importance of incorporating educational factors into diagnosing, care, and prevention, and emphasizing the need for global diversity in research. Highlights Lower education was linked to reduced brain volume and connectivity in healthy controls (HCs), Alzheimer's disease (AD), and frontotemporal lobar degeneration (FTLD). Latin American cohorts have lower educational levels compared to the those in the United States. Educational disparities majorly drive brain health differences between regions. Educational differences were significant in both conditions, but more in AD than FTLD. Education stands as a critical factor in classifying aging and dementia across regions.

Abstract Brain clocks, which quantify discrepancies between brain age and chronological age, hold promise for understanding brain health and disease. However, the impact of diversity (including geographical, socioeconomic, sociodemographic, sex and neurodegeneration) on the brain-age gap is unknown. We analyzed datasets from 5,306 participants across 15 countries (7 Latin American and Caribbean countries (LAC) and 8 non-LAC countries). Based on higher-order interactions, we developed a brain-age gap deep learning architecture for functional magnetic resonance imaging (2,953) and electroencephalography (2,353). The datasets comprised healthy controls and individuals with mild cognitive impairment, Alzheimer disease and behavioral variant frontotemporal dementia. LAC models evidenced older brain ages (functional magnetic resonance imaging: mean directional error = 5.60, root mean square error (r.m.s.e.) = 11.91; electroencephalography: mean directional error = 5.34, r.m.s.e. = 9.82) associated with frontoposterior networks compared with non-LAC models. Structural socioeconomic inequality, pollution and health disparities were influential predictors of increased brain-age gaps, especially in LAC ( R ² = 0.37, F ² = 0.59, r.m.s.e. = 6.9). An ascending brain-age gap from healthy controls to mild cognitive impairment to Alzheimer disease was found. In LAC, we observed larger brain-age gaps in females in control and Alzheimer disease groups compared with the respective males. The results were not explained by variations in signal quality, demographics or acquisition methods. These findings provide a quantitative framework capturing the diversity of accelerated brain aging.

Summary Human brain structure changes throughout our lives. Altered brain growth or rates of decline are implicated in a vast range of psychiatric, developmental, and neurodegenerative diseases. Here, we identified common genetic variants that affect rates of brain growth or atrophy, in the first genome-wide association meta-analysis of changes in brain morphology across the lifespan. Longitudinal MRI data from 15,640 individuals were used to compute rates of change for 15 brain structures. The most robustly identified genes GPR139, DACH1 and APOE are associated with metabolic processes. We demonstrate global genetic overlap with depression, schizophrenia, cognitive functioning, insomnia, height, body mass index and smoking. Gene-set findings implicate both early brain development and neurodegenerative processes in the rates of brain changes. Identifying variants involved in structural brain changes may help to determine biological pathways underlying optimal and dysfunctional brain development and ageing.

Abstract Aging affects brain structure and function alongside metabolic and vascular processes leading to energetic impairments. While local neurometabolic dysfunction in aging is well-documented, the influence of systemic cardiometabolic and vascular markers on brain structure and function remains less understood. We examine the link between cardiometabolic dysfunction (measured by an allostatic load index) and neurovascular burden (measured by white matter hyperintensities) with brain changes, including ventricular and hippocampal volume, as well as EEG activity, across age. Analyzing data from 196 healthy individuals across age (20-75 years), we found a significant positive correlation between allostatic load index and white-matter hyperintensities, irrespective of age. White-matter hyperintensities are also positively linked with ventricular enlargement, but not hippocampal atrophy. The allostatic load index mediated the relationship between white-matter hyperintensities and ventricular volume. Regarding brain function, changes in the spectral aperiodic exponent but not periodic alpha power were linked to white-matter hyperintensities and the allostatic load index. Such index mediated the relationship between spectral aperiodic exponent and white-matter hyperintensities. Thus, findings suggest that the cardiometabolic state, as measured by an allostatic load index, plays a crucial role in brain health across age, particularly influencing ventricular enlargement and increased aperiodic activity.

ABSTRACT Integration and segregation are two fundamental principles of brain organization. The brain manages the transitions and balance between different functional segregated or integrated states through neuromodulatory systems. Recently, computational and experimental studies suggest a pro-segregation effect of cholinergic neuromodulation. Here, we studied the effects of the cholinergic system on brain functional connectivity using both empirical fMRI data and computational modeling. First, we analyzed the effects of nicotine on functional connectivity and network topology in healthy subjects during resting-state conditions and during an attentional task. Then, we employed a whole-brain neural mass model interconnected using a human connectome to simulate the effects of nicotine and investigate causal mechanisms for these changes. The drug effect was modeled decreasing both the global coupling and local feedback inhibition parameters, consistent with the known cellular effects of acetylcholine. We found that nicotine incremented functional segregation in both empirical and simulated data, and the effects are context-dependent: observed during the task, but not in the resting state. In-task performance correlates with functional segregation, establishing a link between functional network topology and behavior. Furthermore, we found in the empirical data that the regional density of the nicotinic acetylcholine α 4 β 2 correlates with the decrease in functional nodal strength by nicotine during the task. Our results confirm that cholinergic neuromodulation promotes functional segregation in a context-dependent fashion, and suggest that this segregation is suited for simple visual-attentional tasks.

Abstract The human brain must support both stable and flexible neural dynamics in order to adapt to changing contexts. This paper investigates the role of the thalamus, a crucial subcortical structure, in orchestrating these opposing dynamics in the cerebral cortex. Through two distinct classes of cortical projections, the thalamus is able to support distinct dynamics modes: some cells relay precise information between cortical regions, whereas others diffusely modulate ongoing cortical dynamics. Traditional approaches to analysing neural data struggle to capture the moment-to-moment intricacies of brain dynamics, akin to mapping a rivers topography without understanding its flow, or laminarity. Inspired by the field of fluid dynamics, we show that spontaneous fMRI data exhibits non-trivial fluctuations in laminarity. Propofol-induced anesthesia selectively disrupts the non-laminar aspects of cortical dynamics while preserving laminar flow, which we validate with a large-scale biophysical model of the thalamocortical system. Finally, we confirmed theoretical predictions from the biophysical model using multielectrode electrophysiological recordings from the cerebral cortex of an anesthetized macaque – direct stimulation of the diffusely-projecting thalamus restored non-laminar cortical fluctuations and the waking state. We conclude that the thalamus provides versatile control over the cortical laminar and non-laminar flows that characterize conscious states.

Introduction: The functional evaluation of auditory-nerve activity in spontaneous conditions has remained elusive in humans. In animals, the frequency analysis of the round-window electrical noise recorded by means of electrocochleography yields a frequency peak at around 900 to 1000 Hz, which has been proposed to reflect auditory-nerve spontaneous activity. Here, we studied the spectral components of the electrical noise obtained from cochlear implant electrocochleography in humans. Methods: We recruited adult cochlear implant recipients from the Clinical Hospital of the Universidad de Chile, between the years 2021 and 2022. We used the AIM System from Advanced Bionics to obtain single trial electrocochleography signals from the most apical electrode in cochlear implant users. We performed a protocol to study spontaneous activity and auditory responses to 0.5 and 2 kHz tones. Results: Twenty subjects including 12 females, with a mean age of 57.9 plus-or-minus sign 12.6 years (range between 36 and 78 years) were recruited. The electrical noise of the single trial cochlear implant electrocochleography signal yielded a reliable peak at 3.1 kHz in 55% of the cases (11 out of 20 subjects), while an oscillatory pattern that masked the spectrum was observed in seven cases. In the other two cases, the single-trial noise was not classifiable. Auditory stimulation at 0.5 kHz and 2.0 kHz did not change the amplitude of the 3.1 kHz frequency peak. Conclusion: We found two main types of noise patterns in the frequency analysis of the single-trial noise from cochlear implant electrocochleography, including a peak at 3.1 kHz that might reflect auditory-nerve spontaneous activity, while the oscillatory pattern probably corresponds to an artifact.

Age-related hearing loss (presbycusis) at moderate levels (>40 dB HL) has been recognized as an important risk factor for cognitive decline. However, whether individuals with mild hearing loss (audiogram thresholds between 25 and 40 dB HL) or even those with normal audiograms (<25 dB HL) have a higher risk of dementia, is still debated. Importantly, these early stages of presbycusis are the most common among the elderly, indicating the need to screen and identify individuals with early presbycusis that have an increased risk of cognitive decline. Unfortunately, in this group of patients, audiogram thresholds are not sufficiently sensitive to detect all the hearing impairments that are related to cognitive decline. Consequently, at the individual level, audiogram thresholds are not good estimators of the dementia risk in the group with mild hearing loss or normal hearing thresholds. Here, we propose to use distortion product otoacoustic emissions (DPOAE), as an objective and sensitive tool to estimate the risk of clinically relevant cognitive decline in elders with normal hearing o mild hearing loss. We assessed neuropsychological, brain magnetic resonance imaging, and auditory analyses on 94 subjects aged >64 years old. In addition, cognitive and functional performance was evaluated with the Clinical Dementia Rating Sum of Boxes (CDR SoB), assessed through structured interviews conducted by neurologists, who were blind to the DPOAE results. We found that cochlear dysfunction, measured by DPOAE -and not by conventional audiometry-, was associated with CDR SoB classification and brain atrophy in the group with mild hearing loss (25 to 40 dB), and normal hearing (<25 dB). Our findings suggest that DPOAE may be a non-invasive tool for detecting neurodegeneration and cognitive decline in the elderly, potentially allowing for early intervention.