ABSTRACT Music is a non-verbal human language, built on logical structures and articulated in balanced hierarchies between sounds, offering excellent opportunities to explore how the brain creates meaning for complex spatiotemporal auditory patterns. Using the high temporal resolution of magnetoencephalography in 70 participants, we investigated their unfolding brain dynamics during the recognition of previously memorized J.S. Bach’s musical patterns from prelude in C minor BWV 847 compared to novel patterns matched in terms of entropy and information content. Remarkably, the recognition of the memorized music ignited a widespread brain network comprising primary auditory cortex, superior temporal gyrus, insula, frontal operculum, cingulate gyrus, orbitofrontal cortex, basal ganglia, thalamus and hippocampus. Furthermore, measures of both brain activity and functional connectivity presented an overall increase over time, following the evolution and unfolding of the memorized musical patterns. Specifically, while the auditory cortex responded mainly to the first tones of the patterns, the activity and synchronization of higher-order brain areas such as cingulate, frontal operculum, hippocampus and orbitofrontal cortex largely increased over time, arguably representing the key whole-brain mechanisms for conscious recognition of auditory patterns as predicted by the global neuronal workspace hypothesis. In conclusion, our study described the fine-grained whole-brain activity and functional connectivity dynamics responsible for processing and recognition of previously memorized music. Further, the study highlights how the use of musical patterns in combination with a wide array of analytical tools and neuroscientific measures spanning from decoding to fast neural phase synchronization can shed new light on meaningful, complex cognitive processes.

Abstract Psilocybin therapy for depression has started to show promise, yet the underlying causal mechanisms are not currently known. Here we leveraged the differential outcome in responders and non-responders to psilocybin (10mg and 25mg, 7 days apart) therapy for depression - to gain new insights into regions and networks implicated in the restoration of healthy brain dynamics. We used whole-brain modelling to fit the spatiotemporal brain dynamics at rest in both responders and non-responders before treatment. Dynamic sensitivity analysis of systematic perturbation of these models enabled us to identify specific brain regions implicated in a transition from a depressive brain state to a heathy one. Binarizing the sample into treatment responders (>50% reduction in depressive symptoms) versus non-responders enabled us to identify a subset of regions implicated in this change. Interestingly, these regions correlate with in vivo density maps of serotonin receptors 5-HT 2A and 5-HT 1A , which psilocin, the active metabolite of psilocybin, has an appreciable affinity for, and where it acts as a full-to-partial agonist. Serotonergic transmission has long been associated with depression and our findings provide causal mechanistic evidence for the role of brain regions in the recovery from depression via psilocybin.

Abstract The human brain is a complex system, whose activity exhibits flexible and continuous reorganisation across space and time. The decomposition of whole-brain recordings into harmonic modes has revealed a repertoire of gradient-like activity patterns associated with distinct brain functions. However, the way these activity patterns are expressed over time with their changes in various brain states remains unclear. In this study, we develop the Harmonic Decomposition of Spacetime (HADES) framework that characterises how different harmonic modes defined in space are expressed over time , and, as a proof-of-principle, demonstrate the sensitivity and robustness of this approach to specific changes induced by the serotonergic psychedelic N,N-Dimethyltryptamine (DMT) in healthy participants. HADES demonstrates significant decreases in contributions across most low-frequency harmonic modes in the DMT-induced brain state. When normalizing the contributions by condition (DMT and non-DMT), we detect a decrease specifically in the second functional harmonic, which represents the uni- to transmodal functional hierarchy of the brain, supporting the hypothesis that functional hierarchy is changed in psychedelics. Moreover, HADES’ dynamic spacetime measures of fractional occupancy, life time and latent space provide a precise description of the significant changes of the spacetime hierarchical organization of brain activity in the psychedelic state.

Brain activity during rest has been demonstrated to evolve through a repertoire of functional connectivity (FC) patterns, whose alterations may provide biomarkers of schizophrenia - a psychotic disorder characterized by dysfunctional brain connectivity. In this study, differences between the dynamic exploration of resting-state networks using functional magnetic resonance imaging (fMRI) data from 71 schizophrenia patients and 74 healthy controls were investigated using a method focusing on the dominant fMRI signal phase coherence pattern at each time point. Through the lens of dynamical systems theory, brain activity in the form of temporal FC state trajectories was examined for intergroup differences by calculating the fractional occupancy, dwell time, limiting probability of each state and the transition probabilities between states. Results showed reduced fractional occupancy of a globally synchronized state in schizophrenia. Conversely, FC states overlapping with canonical functional subsystems exhibited increased fractional occupancy and limiting probability in schizophrenia. Furthermore, state-to-state transition probabilities were altered in schizophrenia. This revealed a reduced probability of remaining in a global integrative state, increased probability of switching from this state to functionally meaningful networks and reduced probability of remaining in a state related to the Default Mode network. These results revealed medium to large effect sizes. Finally, this study showed that using K -medoids clustering did not influence the observed intergroup differences - highlighting the utility of dynamical systems theory to better understand brain activity. Combined, these findings expose pronounced differences between schizophrenia patients and healthy controls - supporting and extending current knowledge regarding disrupted brain dynamics in schizophrenia.

Abstract Autism has been characterised by different behavioural and cognitive profiles compared to typically developing (TD) individuals, and increasingly these differences have been associated with differences in structural and functional brain connectivity. It is currently unknown as to whether autistic and TD listeners process music in the same way: emotionally, mnemonically, and perceptually. The present study explores the brain’s dynamical landscape linked to music familiarity in an fMRI dataset from autistic and TD individuals. Group analysis using leading eigenvector dynamics analysis (LEiDA) revealed significantly higher probability of occurrence of a brain network in TD compared to autistic individuals during listening to familiar music. This network includes limbic and paralimbic areas (amygdala, hippocampus, parahippocampal gyrus, and temporal pole). No significant differences were found between autistic and TD individuals while listening to a scrambled, i.e. unfamiliar and more unpredictable, version of the same music track. These findings provide novel neuroimaging insights into how autistic prediction monitoring may shape brain networks during listening to familiar musical excerpts.

ABSTRACT Information encoding has received a wide neuroscientific attention, but the underlying rapid spatiotemporal brain dynamics remain largely unknown. Here, we investigated the rapid brain mechanisms for encoding and prediction of sounds forming a complex temporal sequence. Specifically, we used magnetoencephalography (MEG) to record the brain activity of 68 participants while they listened to a highly structured musical prelude. Advanced analysis of the phase synchronisation and graph theoretical measures showed the rapid transition of brain activity from primary auditory cortex to higher order association areas including insula and superior temporal pole within a whole-brain network, occurring during the first 220 ms of the encoding process. We discovered individual differences, revealing the rapid unfolding of brain network dynamics responsible for the processing of the current sounds and the prediction of the forthcoming events of the sequence. This provides a first glimpse of the general mechanisms underlying pattern encoding in the human brain.

ABSTRACT Deep brain stimulation (DBS) of the subthalamic nucleus (STN) is increasingly used for the treatment of Parkinson’s Disease (PD), but despite its success, the neural mechanisms behind this surgical procedure remain partly unclear. As one working hypothesis, it was proposed that DBS works by restoring the balance of the brain’s resting-state networks (RSNs), which is reported to be disrupted in people with PD. Hence, to elucidate the effects that STN-DBS induces on disseminated networks, we analyzed an fMRI dataset of 20 PD patients at rest under DBS ON and OFF conditions. Moving beyond ‘static’ functional connectivity studies, we employ a recently developed fMRI analysis tool, the Leading Eigenvector Dynamic Analysis (LEiDA), to characterize the recurrence of brain-wide phase-locking patterns overlapping with known RSNs. Here, STN-DBS seems to increase the Default Mode Network (DMN) occurrence in individuals with PD. Since the DMN is usually disturbed in PD patients presenting deficits in cognition, our observation might be suggestive that STN-DBS contributes to a normalization of the PD-induced cognitive impairment. Moreover, we addressed the effects of DBS lead placement on RSNs balance, considering the overlap between the DBS-induced electric field and 3 STN subsections. We found that the Visual Network (VN) probability of occurrence increased proportionally to the electric field-limbic STN overlap. Our finding might be indicative that stimulation of the limbic STN is related to the stabilization of visual symptoms sometimes presented by PD patients, which are usually accompanied by VN disruption. Overall, this study offers new insights into the fine-grained temporal dynamics of brain states portraying the effects of STN-DBS in patients with PD, while at the same time trying to pave the way to improved planning strategies for this surgical procedure.

Abstract Music is a non-verbal human language, built on logical, hierarchical structures, that offers excellent opportunities to explore how the brain processes complex spatiotemporal auditory sequences. Using the high temporal resolution of magnetoencephalography, we investigated the unfolding brain dynamics of 70 participants during the recognition of previously memorized musical sequences compared to novel sequences matched in terms of entropy and information content. Measures of both whole-brain activity and functional connectivity revealed a widespread brain network underlying the recognition of the memorized auditory sequences, which comprised primary auditory cortex, superior temporal gyrus, insula, frontal operculum, cingulate gyrus, orbitofrontal cortex, basal ganglia, thalamus, and hippocampus. Furthermore, while the auditory cortex responded mainly to the first tones of the sequences, the activity of higher-order brain areas such as the cingulate gyrus, frontal operculum, hippocampus, and orbitofrontal cortex largely increased over time during the recognition of the memorized versus novel musical sequences. In conclusion, using a wide range of analytical techniques spanning from decoding to functional connectivity and building on previous works, our study provided new insights into the spatiotemporal whole-brain mechanisms for conscious recognition of auditory sequences.

Abstract Dynamic functional connectivity (dFC) in resting-state fMRI holds promise to deliver candidate biomarkers for clinical applications. However, the reliability and interpretability of dFC metrics remain contested. Despite a myriad of methodologies and resulting measures, few studies have combined metrics derived from different conceptualizations of brain functioning within the same analysis - perhaps missing an opportunity for improved interpretability. Using a complexity-science approach, we assessed the reliability and interrelationships of a battery of phase-based dFC metrics including tools originated from dynamical systems, stochastic processes, and information dynamics approaches. Our analysis revealed novel relationships between these metrics, which allowed us to build a predictive model for integrated information using metrics from dynamical systems and information theory. Furthermore, global metastability - a metric reflecting simultaneous tendencies for coupling and decoupling - was found to be the most representative and stable metric in brain parcellations that included cerebellar regions. Additionally, spatiotemporal patterns of phase-locking were found to change in a slow, non-random, continuous manner over time. Taken together, our findings show that the majority of characteristics of resting-state fMRI dynamics reflect an interrelated dynamical- and informational-complexity profile, which is unique to each acquisition. This finding challenges the interpretation of results from cross-sectional designs for brain neuromarker discovery, suggesting that individual life-trajectories may be more informative than sample means. Highlights Spatiotemporal patterns of phase-locking tend to be time-invariant Global metastability is representative and stable in a cohort of heathy young adults dFC characteristics are in general unique to any fMRI acquisition Dynamical- and informational-complexity are interrelated Complexity science contributes to a coherent description of brain dynamics

Abstract Spontaneous fluctuations in functional Magnetic Resonance Imaging (fMRI) signals correlate across distant brain areas, shaping functionally relevant intrinsic networks. However, the generative mechanism of fMRI signal correlations - and in particular their link with locally-detected ultra-slow oscillations - remain unclear. To investigate this link, we record ultrafast ultrahigh field fMRI signals (9.4 Tesla, temporal resolution = 38 milliseconds) from rat brains across three anesthesia conditions. Power at frequencies extending up to 0.3 Hz is detected consistently across rat brains, and is modulated by anesthesia level. Principal component analysis reveals a repertoire of modes, in which transient oscillations organize with fixed phase relationships across distinct cortical and subcortical structures. Oscillatory modes are found to vary between conditions, resonating at faster frequencies under medetomidine sedation and reducing both in number, frequency, and duration with the addition of isoflurane. Peaking in power within clear anatomical boundaries, these oscillatory modes point to an emergent systemic property, questioning current assumptions regarding the local origin of oscillations detected in fMRI and providing novel insights into the organizing principles underpinning spontaneous long-range functional connectivity. One Sentence Summary Oscillations in fMRI signals organize in stationary wave patterns driving condition-specific long-range correlations across brain structures