CB
Conrado Bosman
Author with expertise in Neuronal Oscillations in Cortical Networks
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
24
(79% Open Access)
Cited by:
2,749
h-index:
29
/
i10-index:
41
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
1

Visual Areas Exert Feedforward and Feedback Influences through Distinct Frequency Channels

André Bastos et al.Dec 31, 2014
+6
C
J
A

Summary

 Visual cortical areas subserve cognitive functions by interacting in both feedforward and feedback directions. While feedforward influences convey sensory signals, feedback influences modulate feedforward signaling according to the current behavioral context. We investigated whether these interareal influences are subserved differentially by rhythmic synchronization. We correlated frequency-specific directed influences among 28 pairs of visual areas with anatomical metrics of the feedforward or feedback character of the respective interareal projections. This revealed that in the primate visual system, feedforward influences are carried by theta-band (∼4 Hz) and gamma-band (∼60–80 Hz) synchronization, and feedback influences by beta-band (∼14–18 Hz) synchronization. The functional directed influences constrain a functional hierarchy similar to the anatomical hierarchy, but exhibiting task-dependent dynamic changes in particular with regard to the hierarchical positions of frontal areas. Our results demonstrate that feedforward and feedback signaling use distinct frequency channels, suggesting that they subserve differential communication requirements.
0

Attentional Stimulus Selection through Selective Synchronization between Monkey Visual Areas

Conrado Bosman et al.Sep 1, 2012
+7
P
T
C
A central motif in neuronal networks is convergence, linking several input neurons to one target neuron. In visual cortex, convergence renders target neurons responsive to complex stimuli. Yet, convergence typically sends multiple stimuli to a target, and the behaviorally relevant stimulus must be selected. We used two stimuli, activating separate electrocorticographic V1 sites, and both activating an electrocorticographic V4 site equally strongly. When one of those stimuli activated one V1 site, it gamma synchronized (60-80 Hz) to V4. When the two stimuli activated two V1 sites, primarily the relevant one gamma synchronized to V4. Frequency bands of gamma activities showed substantial overlap containing the band of interareal coherence. The relevant V1 site had its gamma peak frequency 2-3 Hz higher than the irrelevant V1 site and 4-6 Hz higher than V4. Gamma-mediated interareal influences were predominantly directed from V1 to V4. We propose that selective synchronization renders relevant input effective, thereby modulating effective connectivity.
0

A MEMS-based flexible multichannel ECoG-electrode array

Birthe Rubehn et al.May 12, 2009
+2
R
C
B
We present a micromachined 252-channel ECoG (electrocorticogram)-electrode array, which is made of a thin polyimide foil substrate enclosing sputtered platinum electrode sites and conductor paths. The array subtends an area of approximately 35 mm by 60 mm and is designed to cover large parts of a hemisphere of a macaque monkey's cortex. Eight omnetics connectors are directly soldered to the foil. This leads to a compact assembly size which enables a chronic implantation of the array and allows free movements of the animal between the recording sessions. The electrode sites are 1 mm in diameter and were characterized by electrochemical impedance spectroscopy. At 1 kHz, the electrode impedances vary between 1.5 kΩ and 5 kΩ. The yield of functioning electrodes in three assembled devices is 99.5%. After implantation of a device with 100% working electrodes, standard electrocorticographic signals can be obtained from every electrode. The response to visual stimuli can be measured with electrodes lying on the visual cortex. After an implantation time of 4.5 months, all electrodes are still working and no decline in signal quality could be observed.
1

Top-Down Beta Enhances Bottom-Up Gamma

Craig Richter et al.Jun 7, 2017
P
C
W
C
Several recent studies have demonstrated that the bottom-up signaling of a visual stimulus is subserved by interareal gamma-band synchronization, whereas top-down influences are mediated by alpha-beta band synchronization. These processes may implement top-down control of stimulus processing if top-down and bottom-up mediating rhythms are coupled via cross-frequency interaction. To test this possibility, we investigated Granger-causal influences among awake macaque primary visual area V1, higher visual area V4, and parietal control area 7a during attentional task performance. Top-down 7a-to-V1 beta-band influences enhanced visually driven V1-to-V4 gamma-band influences. This enhancement was spatially specific and largest when beta-band activity preceded gamma-band activity by ∼0.1 s, suggesting a causal effect of top-down processes on bottom-up processes. We propose that this cross-frequency interaction mechanistically subserves the attentional control of stimulus selection. SIGNIFICANCE STATEMENT Contemporary research indicates that the alpha-beta frequency band underlies top-down control, whereas the gamma-band mediates bottom-up stimulus processing. This arrangement inspires an attractive hypothesis, which posits that top-down beta-band influences directly modulate bottom-up gamma band influences via cross-frequency interaction. We evaluate this hypothesis determining that beta-band top-down influences from parietal area 7a to visual area V1 are correlated with bottom-up gamma frequency influences from V1 to area V4, in a spatially specific manner, and that this correlation is maximal when top-down activity precedes bottom-up activity. These results show that for top-down processes such as spatial attention, elevated top-down beta-band influences directly enhance feedforward stimulus-induced gamma-band processing, leading to enhancement of the selected stimulus.
1

Recording of brain activity across spatial scales

CM Lewis et al.Jun 1, 2015
P
C
C
Brain activity reveals exquisite coordination across spatial scales, from local microcircuits to brain-wide networks. Understanding how the brain represents, transforms and communicates information requires simultaneous recordings from distributed nodes of whole brain networks with single-cell resolution. Realizing multi-site recordings from communicating populations is hampered by the need to isolate clusters of interacting cells, often on a day-to-day basis. Chronic implantation of multi-electrode arrays allows long-term tracking of activity. Lithography on thin films provides a means to produce arrays of variable resolution, a high degree of flexibility, and minimal tissue displacement. Sequential application of surface arrays to monitor activity across brain-wide networks and subsequent implantation of laminar arrays to target specific populations enables continual refinement of spatial scale while maintaining coverage.
1

Brain rhythms define distinct interaction networks with differential dependence on anatomy

Julien Vezoli et al.Dec 1, 2021
+4
C
M
J
Cognitive functions are subserved by rhythmic neuronal synchronization across widely distributed brain areas. In 105 area pairs, we investigated functional connectivity (FC) through coherence, power correlation, and Granger causality (GC) in the theta, beta, high-beta, and gamma rhythms. Between rhythms, spatial FC patterns were largely independent. Thus, the rhythms defined distinct interaction networks. Importantly, networks of coherence and GC were not explained by the spatial distributions of the strengths of the rhythms. Those networks, particularly the GC networks, contained clear modules, with typically one dominant rhythm per module. To understand how this distinctiveness and modularity arises on a common anatomical backbone, we correlated, across 91 area pairs, the metrics of functional interaction with those of anatomical projection strength. Anatomy was primarily related to coherence and GC, with the largest effect sizes for GC. The correlation differed markedly between rhythms, being less pronounced for the beta and strongest for the gamma rhythm.
1

Stimulus-induced visual cortical networks are recapitulated by spontaneous local and interareal synchronization

Christopher Lewis et al.Jan 19, 2016
P
T
C
C
Intrinsic covariation of brain activity has been studied across many levels of brain organization. Between visual areas, neuronal activity covaries primarily among portions with similar retinotopic selectivity. We hypothesized that spontaneous interareal coactivation is subserved by neuronal synchronization. We performed simultaneous high-density electrocorticographic recordings across the dorsal aspect of several visual areas in one hemisphere in each of two awake monkeys to investigate spatial patterns of local and interareal synchronization. We show that stimulation-induced patterns of interareal coactivation were reactivated in the absence of stimulation for the visual quadrant covered. Reactivation occurred through both interareal cofluctuation of local activity and interareal phase synchronization. Furthermore, the trial-by-trial covariance of the induced responses recapitulated the pattern of interareal coupling observed during stimulation, i.e., the signal correlation. Reactivation-related synchronization showed distinct peaks in the theta, alpha, and gamma frequency bands. During passive states, this rhythmic reactivation was augmented by specific patterns of arrhythmic correspondence. These results suggest that networks of intrinsic covariation observed at multiple levels and with several recording techniques are related to synchronization and that behavioral state may affect the structure of intrinsic dynamics.
2

A jackknife approach to quantifying single-trial correlation between covariance-based metrics undefined on a single-trial basis

Craig Richter et al.Jul 1, 2015
P
C
W
C
The quantification of covariance between neuronal activities (functional connectivity) requires the observation of correlated changes and therefore multiple observations. The strength of such neuronal correlations may itself undergo moment-by-moment fluctuations, which might e.g. lead to fluctuations in single-trial metrics such as reaction time (RT), or may co-fluctuate with the correlation between activity in other brain areas. Yet, quantifying the relation between moment-by-moment co-fluctuations in neuronal correlations is precluded by the fact that neuronal correlations are not defined per single observation. The proposed solution quantifies this relation by first calculating neuronal correlations for all leave-one-out subsamples (i.e. the jackknife replications of all observations) and then correlating these values. Because the correlation is calculated between jackknife replications, we address this approach as jackknife correlation (JC). First, we demonstrate the equivalence of JC to conventional correlation for simulated paired data that are defined per observation and therefore allow the calculation of conventional correlation. While the JC recovers the conventional correlation precisely, alternative approaches, like sorting-and-binning, result in detrimental effects of the analysis parameters. We then explore the case of relating two spectral correlation metrics, like coherence, that require multiple observation epochs, where the only viable alternative analysis approaches are based on some form of epoch subdivision, which results in reduced spectral resolution and poor spectral estimators. We show that JC outperforms these approaches, particularly for short epoch lengths, without sacrificing any spectral resolution. Finally, we note that the JC can be applied to relate fluctuations in any smooth metric that is not defined on single observations.
0

Top-down beta enhances bottom-up gamma

Craig Richter et al.May 19, 2016
P
C
W
C
Abstract Several recent studies have demonstrated that the bottom-up signaling of a visual stimulus is subserved by interareal gamma-band synchronization, whereas top-down influences are mediated by alpha-beta band synchronization. These processes may implement top-down control of stimulus processing if top-down and bottom-up mediating rhythms are coupled via cross-frequency interaction. To test this possibility, we investigated Granger-causal influences among awake male macaque primary visual area V1, higher visual area V4 and parietal control area 7a during attentional task performance. Top-down 7a-to-V1 beta-band influences enhanced visually driven V1-to-V4 gamma-band influences. This enhancement was spatially specific and largest when beta-band activity preceded gamma-band activity by ∼0.1 s, suggesting a causal effect of top-down processes on bottom-up processes. We propose that this cross-frequency interaction mechanistically subserves the attentional control of stimulus selection. Significance Statement Contemporary research indicates that the alpha-beta frequency band underlies top-down control, while the gamma-band mediates bottom-up stimulus processing. This arrangement inspires an attractive hypothesis, which posits that top-down beta-band influences directly modulate bottom-up gamma band influences via cross-frequency interaction. We evaluate this hypothesis determining that beta-band top-down influences from parietal area 7a to visual area V1 are correlated with bottom-up gamma frequency oscillations from V1 to area V4, in a spatially specific manner, and that this correlation is maximal when top-down activity precedes bottom-up activity. These results show that for top-down processes such as spatial attention, elevated top-down beta-band influences directly enhance feedforward stimulus induced gamma-band processing, leading to enhancement of the selected stimulus.
1

Source-reconstruction of the sensorimotor network from resting-state macaque electrocorticography

Rikkert Hindriks et al.Nov 1, 2018
+5
C
C
R
The discovery of hemodynamic (BOLD-fMRI) resting-state networks (RSNs) has brought about a fundamental shift in our thinking about the role of intrinsic brain activity. The electrophysiological underpinnings of RSNs remain largely elusive and it has been shown only recently that electric cortical rhythms are organized into the same RSNs as hemodynamic signals. Most electrophysiological studies into RSNs use magnetoencephalography (MEG) or scalp electroencephalography (EEG), which limits the spatial resolution with which electrophysiological RSNs can be observed. Due to their close proximity to the cortical surface, electrocorticographic (ECoG) recordings can potentially provide a more detailed picture of the functional organization of resting-state cortical rhythms, albeit at the expense of spatial coverage. In this study we propose using source-space spatial independent component analysis (spatial ICA) for identifying generators of resting-state cortical rhythms as recorded with ECoG and for reconstructing their functional connectivity. Network structure is assessed by two kinds of connectivity measures: instantaneous correlations between band-limited amplitude envelopes and oscillatory phase-locking. By simulating rhythmic cortical generators, we find that the reconstruction of oscillatory phase-locking is more challenging than that of amplitude correlations, particularly for low signal-to-noise levels. Specifically, phase-lags can both be over- and underestimated, which troubles the interpretation of lag-based connectivity measures. We illustrate the methodology on somatosensory beta rhythms recorded from a macaque monkey using ECoG. The methodology decomposes the resting-state sensorimotor network into three cortical generators, distributed across primary somatosensory and primary and higher-order motor areas. The generators display significant and reproducible amplitude correlations and phase-locking values with non-zero lags. Our findings illustrate the level of spatial detail attainable with source-projected ECoG and motivates wider use of the methodology for studying resting-state as well as event-related cortical dynamics in macaque and human.
Load More