ABSTRACT Neural communication or signal transmission in the brain propagates via distinct oscillatory frequency bands. With aging, the communication mediated by these frequency bands is hindered by noise, which arises from the increased stochastic variability in the baseline neural spiking. This increase in noise measured as 1/f power-law scaling reflects the global background noise and is often linked to impaired cognition in different tasks. In this study, we quantified the 1/f slope and intercept of MEG brain signal as a putative marker of neural noise and examined its effect on cognitive and metacognitive measures. We hypothesize that as neural communication becomes noisier with age, it impacts global information processing, whereas specific periodic features mediate local aspects of cognition. Using recently proposed parametric Fooof model, we first characterised the normative pattern of periodic and aperiodic features (temporal dynamics) across the lifespan, modelled via spectral peaks (Central frequency, power, bandwidth) and 1/f noise activity (slope and intercept) respectively. Secondly, how this Resting-State (RS) baseline shift in temporal dynamics of the signal is associated with various aspects of visual short-term memory (VSTM). Our results suggest that age-associated global change in noisy baseline affects global information processing and crucially impacts the oscillatory features, which relates to more local processing and selective behavioural measures in the VSTM task. Moreover, we suggest that the task-related differences observed across age groups are due to the baseline shift of periodic and aperiodic features. Significant statement Aging is accompanied by the decline in cognitive functions and age itself is a major risk factor for Alzheimer’s Disease and other neurological conditions. Our study provides MEG 1/f aperiodic and periodic markers across the healthy adult lifespan and shows that different frequency bands and their spectral features mediate age-related changes across different brain regions, in multiple cognitive and metacognitive domains, which not only provides us with a better understanding of the aging process but would also help in better prevention of cognitive impairments. A clear characterization of the association between baseline MEG temporal dynamics, healthy aging and cognition, is established in this study.

Abstract Theory-of-Mind (ToM) is an evolving ability that significantly impacts human learning and cognition. Early development of ToM ability allow one to comprehend other people’s aims and ambitions, as well as thinking that differs from one’s own. Autism Spectrum Disorder (ASD) is the prevalent pervasive neurodevelopmental disorder in which participants’ brains appeared to be marked by diffuse variations throughout large-scale brain systems made up of functionally connected but physically separated brain areas that got abnormalities in willed action, self-monitoring and monitoring the intents of others, often known as ToM. Although functional neuroimaging techniques have been widely used to establish the neural correlates implicated in ToM, the specific mechanisms still need to be clarified. The availability of current Big data and Artificial Intelligence (AI) frameworks paves the way for systematically identifying Autistics from typically developing by identifying neural correlates and connectome-based features to generate accurate classifications and predictions of socio-cognitive impairment. In this work, we develop an Ex-AI model that quantifies the common sources of variability in ToM brain regions between typically developing and ASD individuals. Our results identify a feature set on which the classification model can be trained to learn characteristics differences and classify ASD and TD ToM development more distinctly. This approach can also estimate heterogeneity within ASD ToM subtypes and their association with the symptom severity scores based on socio-cognitive impairments. Based on our proposed framework, we obtain an average accuracy of more than 90 % using Explainable ML (Ex-Ml) models and an average of 96 % classification accuracy using Explainable Deep Neural Network (Ex-DNN) models. Our findings identify three important sub-groups within ASD samples based on the key differences and heterogeneity in resting state ToM regions’ functional connectivity patterns and predictive of mild to severe atypical social cognition and communication deficits through early developmental stages.

Abstract Studies have reported that prestimulus brain oscillations guide perceptual experiences during AV speech perception. However, ’what’ features of these prestimulus activity drives perception remains unknown. In this electroencephalography (EEG) study, we investigated the relationship between prestimulus periodic oscillations and aperiodic components with subsequent perception of the McGurk illusion at single-trial levels. Using logistic mixed-effect models, we determined which spectral features from different sensor regions predicted response to the illusory perception. We found that lower alpha (8-12 Hz) and beta (15-30 Hz) band oscillations over parieto-occipital sensors predicted illusion perception. We also found lower aperiodic offset values over parieto-temporal sensors, and lower ‘global’ effect of exponent over the scalp, that predicted the response to McGurk illusion. We conclude that the predominant source of the prestimulus oscillatory state is aperiodic background activity, and that variations in these arrhythmic components account for inter-trial and inter-individual variability in perception of the McGurk illusion.

Abstract Temporally stable large-scale functional brain connectivity among distributed brain regions is crucial during brain development. Recently, many studies highlighted an association between temporal dynamics during development and their alterations across various time scales. However, systematic characterization of temporal stability patterns of brain networks that represent the bodies and minds of others in children remains unexplored. To address this, we apply an unsupervised approach to reduce high-dimensional dynamic functional connectivity (dFC) features via low-dimensional patterns and characterize temporal stability using quantitative metrics across neurodevelopment. This study characterizes the development of temporal stability of the Theory of Mind (ToM) and Pain networks to address the functional maturation of these networks. The dataset used for this investigation comprised 155 subjects (children (n=122, 3–12 years) and adults (n=33)) watching engaging movie clips while undergoing fMRI data acquisition. The movie clips highlighted cartoon characters and their bodily sensations (often pain) and mental states (beliefs, desires, emotions) of others, activating ToM and Pain network regions of young children. Our findings demonstrate that ToM and pain networks display distinct temporal stability patterns by age 3 years. Finally, the temporal stability and specialization of the two functional networks increase with age and predict ToM behavior.

ABSTRACT Autistic spectrum disorder (ASD) is a neurodevelopmental condition characterized by restricted interests and repetitive behaviors as well as social-communication deficits. These traits are associated with atypicality of functional brain networks. Modular organization in the brain plays a crucial role in network stability and adaptability for neurodevelopment. Previous neuroimaging research demonstrates discrepancies in studies of functional brain modular organization in ASD. These discrepancies result from the examination of mixed age groups. Furthermore, recent findings suggest while much attention has been given to deriving atlases and measuring the connections between nodes, the within nodes information may be crucial in determining altered modular organization in ASD compared with TD. However, altered modular organization originating from systematic nodal changes are yet to be explored in younger children with ASD. Here, we used graph-theoretical measures to fill this knowledge gap. To this end, we utilized multicenter resting-state BOLD fMRI data collected from 5–10-year-old children - 34 ASD and 40 typically developing obtained from the Autism Brain Image Data Exchange (ABIDE) I and II. We demonstrated alterations in the topological roles and modular cohesiveness are the two key properties of the brain regions anchored in default mode, sensorimotor, and salience networks primarily relates to social and sensory deficits in ASD children. These results demonstrate atypical global network organization in ASD children arise from nodal role changes and contribute to the growing body of literature suggesting that there is interesting information within nodes providing critical marker of functional brain networks in Autistic children.

Abstract Understanding brain functions as an outcome of underlying neuro-cognitive network mechanisms in rest and task requires accurate spatiotemporal characterization of the relevant functional brain networks. Recent endeavours of the Neuroimaging community to develop the notion of dynamic functional connectivity is a step in this direction. A key goal is to detect what are the important events in time that delimits how one functional brain network defined by known patterns of correlated brain activity transitions into a “new” network. Such characterization can also lead to more accurate conceptual realization of brain states, thereby, defined in terms of time-resolved correlations. Nonetheless, identifying the canonical temporal window over which dynamic functional connectivity is operational is currently based on an ad-hoc selection of sliding windows that can certainly lead to spurious results. Here, we introduce a data-driven unsupervised approach to characterize the high dimensional dynamic functional connectivity into dynamics of lower dimensional patterns. The whole-brain dynamic functional connectivity states bearing functional significance for task or rest can be explored through the temporal correlations, both short and long range. The present study investigates the stability of such short- and long-range temporal correlations to explore the dynamic network mechanisms across resting state, movie viewing and sensorimotor action tasks requiring varied degrees of attention. As an outcome of applying our methods to the fMRI data of a healthy ageing cohort we could quantify whole-brain temporal dynamics which indicates naturalistic movie watching task is closer to resting state than the sensorimotor task. Our analysis also revealed an overall trend of highest short range temporal network stability in the sensorimotor task, followed by naturalistic movie watching task and resting state that remains similar in both young and old adults. However, the stability of neurocognitive networks in the resting state in young adults is higher than their older counterparts. Thus, healthy ageing related differences in quantification of network stability along task and rest provides a blueprint of how our approach can be used for cohort studies of mental health and neurological disorders.

Abstract We propose that preservation of functional integration, estimated from measures of neural synchrony, is a key neurocompensatory mechanism associated with healthy human ageing. To support this proposal, we demonstrate how phase-locking at peak alpha frequency from Magnetoencephalography (MEG) data is invariant over lifespan in a large cohort of human participants, aged 18-88 years. Using empirically derived connection topologies from diffusion tensor imaging (DTI) data, we create an in-silico model of whole-brain alpha dynamics. We show that enhancing inter-areal coupling can cancel the effect of increased axonal transmission delay associated with age-related degeneration of white matter tracts and thus, preserve neural synchrony. Together with analytical solutions for non-biological all-to-all connection scenarios, our model establishes the theoretical principles by which frequency slowing with age, frequently observed in the alpha band in diverse populations, can be viewed as an epiphenomenon of the underlying neurocompensatory mechanisms.

Resting-state functional connectivity (FC) analyses have shown atypical connectivity in autism spectrum disorder (ASD) as compared to typically developing (TD). However, this view emerges from investigating static FC overlooking the age, disease phenotype and their interaction in the whole brain transient connectivity patterns. Contrasting with most extant literature in the present study, we investigated precisely how age and disease phenotypes factors into dynamic changes in functional connectivity of TD and ASD using resting-state functional magnetic resonance imaging (rs-fMRI) data stratified into three cohorts: children (7-11 years) and adolescents (12-17 years), and adults (18+) for the analysis. The dynamic variability in the connection strength and the modular organization in terms of measures: flexibility, cohesion strength and disjointness were explored for each subject to characterize the differences between ASD and TD. In ASD, we observed significantly higher inter-subject dynamic variability in connection strength as compared to TD. This hypervariability relates to the symptom severity in ASD. We found that whole-brain flexibility correlates with static modularity only in TD. Further, we observed a coreperiphery organization in the resting-state, with Sensorimotor and Visual regions in the rigid core; and DMN and attention areas in the flexible periphery. TD also develops a more cohesive organization of sensorimotor areas. However, in ASD we found a strong positive correlation of symptom severity with the flexibility of rigid areas and with disjointness of sensorimotor areas. The regions of the brain showing the high predictive power of symptom severity were distributed across the cortex, with stronger bearings in the frontal, motor and occipital cortices. Our study demonstrates that the dynamic framework best characterizes the variability in ASD.

Previous neuro-computational studies have established the connection of spontaneous resting-state brain activity with “large-scale” neuronal ensembles using dynamic mean field approach and showed the impact of local excitatory−inhibitory (E−I) balance in sculpting dynamical patterns. Here, we argue that whole brain models that link multiple scales of physiological organization namely brain metabolism that governs synaptic concentrations of gamma-aminobutyric acid (GABA) and glutamate on one hand and neural field dynamics that operate on the macroscopic scale. The multiscale dynamic mean field (MDMF) model captures the synaptic gating dynamics over a cortical macrocolumn as a function of neurotransmitter kinetics. Multiple MDMF units were placed in brain locations guided by an anatomical parcellation and connected by tractography data from diffusion tensor imaging. The resulting whole-brain model generates the resting-state functional connectivity and also reveal that optimal configurations of glutamate and GABA captures the dynamic working point of the brain, that is the state of maximum metsatability as observed in BOLD signals. To demonstrate test-retest reliability we validate the observation that healthy resting brain dynamics is governed by optimal glutamate-GABA configurations using two different brain parcellations for model set-up. Furthermore, graph theoretical measures of segregation (modularity and clustering coefficient) and integration (global efficiency and characteristic path length) on the functional connectivity generated from healthy and pathological brain network studies could be explained by the MDMF model. In conclusion, the MDMF model could relate the various scales of observations from neurotransmitter concentrations to dynamics of synaptic gating to whole-brain resting-state network topology in health and disease.

A widely used experimental design in multisensory integration is the McGurk paradigm that entail illusory (cross-modal) perception of speech sounds when presented with incongruent audio-visual (AV) stimuli. However, the distribution of responses across trials and individuals is heterogeneous and not necessarily everyone in a given group of individuals perceives the effect. Nonetheless, existing studies in the field primarily focus on addressing the correlation between subjective behavior and cortical activations to reveal the neuronal mechanisms underlying the perception of McGurk effect, typically in the "frequent perceivers". Additionally, a solely neuroimaging approach does not provide mechanistic explanation for the observed inter-trial or inter-individual heterogeneity. In the current study we employ high density electroencephalogram (EEG) recordings in a group of 25 human subjects that allow us to distinguish "frequent perceivers" from "rare perceivers" using behavioral responses as well as from the perspective of large-scale brain functional connectivity (FC). Using global coherence as a measure of large-scale FC, we find that alpha band coherence, a distinctive feature in frequent perceivers is absent in the rare perceivers. Secondly, a decrease in alpha band coherence and increase in gamma band coherence occur during illusory perception trials in both frequent and rare perceivers. Source analysis followed up with source time series reconstructions reveals a large scale network of brain areas involving frontal, temporal and parietal areas that are involved in network level processing of cross-modal perception. Finally, we demonstrate that how a biophysically realistic computational model representing the interaction among key neuronal systems (visual, auditory and multisensory cortical regions) can explain the empirical observations. Each system involves a group of excitatory and inhibitory Hindmarsh Rose neurons that are coupled amongst each other. Large-scale FC between areas is conceptualized using coupling functions and the identity of a specific system, e.g., visual/ auditory/multisensory is chosen using empirical estimates of the time-scale of information processing in these systems. The model predicts that the disappearance of alpha band coherence observed in rare perceivers stems from a negligible direct A-V (audio-visual) coupling however, an increase in indirect interaction via multisensory node leads to enhanced gamma band and reduced alpha band coherences observed during illusory perception. Overall, we establish the mechanistic basis of large-scale FC patterns underlying cross-modal perception.