Abstract A key characteristic of human brain activity is coherent, spatially distributed oscillations forming behaviour-dependent brain networks. However, a fundamental principle underlying these networks remains unknown. Here we report that functional networks of the human brain are predicted by harmonic patterns, ubiquitous throughout nature, steered by the anatomy of the human cerebral cortex, the human connectome. We introduce a new technique extending the Fourier basis to the human connectome. In this new frequency-specific representation of cortical activity, that we call ‘connectome harmonics’, oscillatory networks of the human brain at rest match harmonic wave patterns of certain frequencies. We demonstrate a neural mechanism behind the self-organization of connectome harmonics with a continuous neural field model of excitatory–inhibitory interactions on the connectome. Remarkably, the critical relation between the neural field patterns and the delicate excitation–inhibition balance fits the neurophysiological changes observed during the loss and recovery of consciousness.

Recent studies have started to elucidate the effects of lysergic acid diethylamide (LSD) on the human brain but the underlying dynamics are not yet fully understood. Here we used 'connectome-harmonic decomposition', a novel method to investigate the dynamical changes in brain states. We found that LSD alters the energy and the power of individual harmonic brain states in a frequency-selective manner. Remarkably, this leads to an expansion of the repertoire of active brain states, suggestive of a general re-organization of brain dynamics given the non-random increase in co-activation across frequencies. Interestingly, the frequency distribution of the active repertoire of brain states under LSD closely follows power-laws indicating a re-organization of the dynamics at the edge of criticality. Beyond the present findings, these methods open up for a better understanding of the complex brain dynamics in health and disease.

Abstract A central question in neuroscience is how consciousness arises from the dynamic interplay of brain structure and function. Departing from the predominant location- centric view in neuroimaging, here we provide an alternative perspective on the neural signatures of human consciousness: one that is intrinsically centered on how the distributed network architecture of the human structural connectome shapes functional activation across scales. We decompose cortical dynamics of resting-state functional MRI into fundamental distributed patterns of structure- function association: the harmonic modes of the human structural connectome. We contrast wakefulness with a wide spectrum of states of consciousness, spanning chronic disorders of consciousness but also pharmacological perturbations of consciousness induced with the anaesthetic propofol and the psychoactive drugs ketamine and LSD. Decomposing this wide spectrum of states of consciousness in terms of “connectome harmonics” reveals a generalisable structure-function signature of loss of consciousness, whether due to anaesthesia or brain injury. A mirror-reverse of this harmonic signature characterises the altered state induced by LSD or ketamine, reflecting psychedelic-induced decoupling of brain function from structure. The topology and neuroanatomy of the human connectome are crucial for shaping the repertoire of connectome harmonics into a fine-tuned indicator of consciousness, correlating with physiological and subjective scores across datasets and capable of discriminating between behaviourally indistinguishable sub-categories of brain-injured patients, tracking the presence of covert consciousness. Overall, connectome harmonic decomposition identifies meaningful relationships between neurobiology, brain function, and conscious experience.

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.

Abstract Tools from the field of graph signal processing, in particular the graph Laplacian operator, have recently been successfully applied to the investigation of structure-function relationships in the human brain. The eigenvectors of the human connectome graph Laplacian, dubbed “connectome harmonics”, have been shown to relate to the functionally relevant resting-state networks. Whole-brain modelling of brain activity combines structural connectivity with local dynamical models to provide insight into the large-scale functional organization of the human brain. In this study, we employ the graph Laplacian and its properties to define and implement a large class of neural activity models directly on the human connectome. These models, consisting of systems of stochastic integrodifferential equations on graphs, are dubbed graph neural fields , in analogy with the well-established continuous neural fields. We obtain analytic predictions for harmonic and temporal power spectra, as well as functional connectivity and coherence matrices, of graph neural fields, with a technique dubbed CHAOSS (shorthand for Connectome-Harmonic Analysis Of Spatiotemporal Spectra ). Combining graph neural fields with appropriate observation models allows for estimating model parameters from experimental data as obtained from electroencephalography (EEG), magnetoencephalography (MEG), or functional magnetic resonance imaging (fMRI); as an example application, we study a stochastic Wilson-Cowan graph neural field model on a high-resolution connectome, and show that the model equilibrium fluctuations can reproduce the empirically observed harmonic power spectrum of BOLD fMRI data. Graph neural fields natively allow the inclusion of important features of cortical anatomy and fast computations of observable quantities for comparison with multimodal empirical data. They thus appear particularly suitable for modelling whole-brain activity at mesoscopic scales, and opening new potential avenues for connectome-graph-based investigations of structure-function relationships. Author summary The human brain can be seen as an interconnected network of many thousands neuronal “populations”; in turn, each population contains thousands of neurons, and each is connected both to its neighbors on the cortex, and crucially also to distant populations thanks to long-range white matter fibers. This extremely complex network, unique to each of us, is known as the “human connectome graph”. In this work, we develop a novel approach to investigate how the neural activity that is necessary for our life and experience of the world arises from an individual human connectome graph. For the first time, we implement a mathematical model of neuronal activity directly on a high-resolution connectome graph, and show that it can reproduce the spatial patterns of activity observed in the real brain with magnetic resonance imaging. This new kind of model, made of equations implemented directly on connectome graphs, could help us better understand how brain function is shaped by computational principles and anatomy, but also how it is affected by pathology and lesions.

Abstract Ketamine is classified as a dissociative anaesthetic that, in sub-anaesthetic doses, can produce an altered state of consciousness characterised by dissociative symptoms, visual and auditory hallucinations, and perceptual distortions. Given the anaesthetic-like and psychedelic-like nature of this compound, it is expected to have different effects on brain dynamics in anaesthetic doses than in low, sub-anaesthetic doses. We investigated this question using connectome harmonic decomposition (CHD), a recently developed method to decompose brain activity in terms of the network organisation of the underlying human structural connectome. Previous research using this method has revealed connectome harmonic signatures of consciousness and responsiveness, with increased influence of global network structure in disorders of consciousness and propofol-induced sedation, and increased influence of localised patterns under the influence of classic psychedelics and sub-anaesthetic doses of ketamine, as compared to normal wakefulness. When we applied the CHD analytical framework to resting-state fMRI data of volunteers during ketamine-induced unresponsiveness, we found increased prevalence of localised harmonics, reminiscent of altered states of consciousness. This is different from traditional GABAergic sedation, where instead the prevalence of global rather than localised harmonics seems to increase with higher doses. In addition, we found that ketamine’s harmonic signature shows higher alignment with those seen in LSD- or psilocybin-induced psychedelic states than those seen in unconscious individuals, whether due to propofol sedation or brain injury. Together, the results indicate that ketamine-induced unresponsiveness, which does not necessarily suppress conscious experience, seems to influence the prevalence of connectome harmonics in the opposite way compared to GABAergic hypnotics. We conclude that the CHD framework offers the possibility to track alterations in conscious awareness (e.g., dreams, sensations) rather than behavioural responsiveness – a discovery made possible by ketamine’s unique property of decoupling these two facets.

Exploring the intricate relationship between brain's structure and function, and how this affects subjective experience is a fundamental pursuit in neuroscience. Psychedelic substances offer a unique insight into the influences of specific neurotransmitter systems on perception, cognition and consciousness. Specifically, their impact on brain function propagates across the structural connectome, a network of white matter pathways linking different regions. To comprehensively grasp the effects of psychedelic compounds on brain function, we used a theoretically rigorous framework known as connectome harmonic decomposition. This framework provides a robust method to characterize how brain function intricately depends on the organized network structure of the human connectome. We show that the connectome harmonic repertoire under DMT is reshaped in line with other reported psychedelic compounds; psilocybin, LSD and ketamine. Furthermore, we show that the repertoire entropy of connectome harmonics increases under DMT, as with those other psychedelics. Importantly, we demonstrate for the first time that measures of energy spectrum difference and repertoire entropy of connectome harmonics indexes the intensity of subjective experience of the participants in a time-resolved manner reflecting close coupling between connectome harmonics and subjective experience.

ABSTRACT Meditation is an ancient practice that is shown to yield benefits for cognition, emotion regulation and human flourishing. In the last two decades, there has been a surge of interest in extracting the neural correlates of meditation, in particular of mindfulness meditation. Yet, these efforts have been mostly limited to the analysis of certain regions or networks of interest and a clear understanding of meditation-induced changes in the whole-brain dynamics has been lacking. Here, we investigate meditation-induced changes in brain dynamics using a novel connectome-specific harmonic decomposition method. Specifically, utilising the connectome harmonics as brain states - elementary building blocks of complex brain dynamics - we study the immediate (state) and long-term (trait) effects of mindfulness meditation in terms of the energy, power and complexity of the repertoire of these harmonic brain states. Our results reveal increased power, energy and complexity of the connectome harmonic repertoire and demonstrate that meditation alters brain dynamics in a frequency selective manner. Remarkably, the frequency-specific alterations observed in meditation are reversed in resting state in group-wise comparison revealing for the first time the long-term (trait) changes induced by meditation. These findings also provide evidence for the entropic brain hypothesis in meditation and provide a novel understanding of state and trait changes in brain dynamics induced by mindfulness meditation revealing the unique connectome harmonic signatures of the meditative brain.

Brain activity can be understood as the exploration of a dynamical landscape of activity configurations over both space and time. This dynamical landscape may be defined in terms of spontaneous transitions within a repertoire of discrete metastable states of functional connectivity (FC), which underlie different mental processes. However, it remains unclear how the brain's dynamical landscape might be changed in altered states of consciousness, such as the psychedelic state. The present study investigated changes in the brain's dynamical repertoire in an fMRI dataset of healthy participants intravenously injected with the psychedelic compound psilocybin, which is found in "magic mushrooms". We employed a data-driven approach to study brain dynamics in the psychedelic state, which focuses on the dominant FC pattern captured by the leading eigenvector of dynamic FC matrices, and enables the identification of recurrent FC patterns ("FC-states"), and their transition profiles over time. We found that a FC state closely corresponding to the fronto-parietal control system was strongly destabilized in the psychedelic state, while transitions toward a globally synchronized FC state were enhanced. These differences between brain state trajectories in normal waking consciousness and the psychedelic state suggest that the latter biases a global mode of functional integration at the expense of locally segregated activity in specific networks. These results provide a mechanistic perspective on subjective quality of the psychedelic experience, and further raise the possibility that mapping the brain's dynamical landscape may help guide pharmacological interventions in neuropsychiatric disorders.