Abstract The complex intrinsic and extrinsic forces from the body and environment push the brain into non-equilibrium. The arrow of time, central to thermodynamics in physics, is a hallmark of non-equilibrium and serves to distinguish between reversible and non-reversible dynamics in any system. Here, we use a deep learning Temporal Evolution NETwork (TENET) framework to discover the asymmetry in the flow of events, ‘arrow of time’, in human brain signals, which provides a quantification of how the brain is driven by the interplay of the environment and internal processes. Specifically, we show in large-scale HCP neuroimaging data from a thousand participants that the levels of non-reversibility/non-equilibrium change across time and cognitive state with higher levels during tasks than when resting. The level of non-equilibrium also differentiates brain activity during the seven different cognitive tasks. Furthermore, using the large-scale UCLA neuroimaging dataset of 265 participants, we show that the TENET framework can distinguish with high specificity and sensitivity resting state in control and different neuropsychiatric diseases (schizophrenia, bipolar disorders and ADHD) with higher levels of non-equilibrium found in health. Overall, the present thermodynamics-based machine learning framework provides vital new insights into the fundamental tenets of brain dynamics for orchestrating the interactions between behaviour and brain in complex environments.

Abstract Background N,N-Dimethyltryptamine (DMT) is a short acting psychedelic tryptamine found naturally in many plants and animals. Few studies to date addressed the neural and psychological effects of DMT alone, either administered intravenously or inhaled in freebase form, and none conducted in natural settings. Aims Our primary aim was to study the acute effects of inhaled DMT in natural settings, focusing on questions tuned to the advantages of conducting field research, including the effects of contextual factors (i.e. “set” and “setting”), the possibility of studying a comparatively large number of subjects, and the relaxed mental state of participants consuming DMT in familiar and comfortable settings. Methods We combined state-of-the-art wireless electroencephalography (EEG) with psychometric questionnaires to study the neural and subjective effects of naturalistic DMT use in 35 healthy and experienced participants. Results We observed that DMT significantly decreased the power of alpha (8-12 Hz) oscillations throughout all scalp locations, while simultaneously increasing power of delta (1-4 Hz) and gamma (30-40 Hz) oscillations. Gamma power increases correlated with subjective reports indicative of mystical-type experiences. DMT also increased/decreased global synchrony and metastability in the gamma/alpha band, and resulted in widespread increases in signal complexity. Conclusions Our results are consistent with previous studies of psychedelic action in the human brain, while at the same time suggesting potential EEG markers of mystical-type experiences in natural settings, thus highlighting the importance of investigating these compounds in the contexts where they are naturally consumed.

Abstract Consciousness transiently fades away during deep sleep, more stably under anesthesia, and sometimes permanently due to brain injury. The development of an index to quantify the level of consciousness across these different states is regarded as a key problem both in basic and clinical neuroscience. We argue that this problem is ill-defined since such an index would not exhaust all the relevant information about a given state of consciousness. While the level of consciousness can be taken to describe the actual brain state, a complete characterization should also include its potential behavior against external perturbations. We developed and analyzed whole-brain computational models to show that the stability of conscious states provides information complementary to their similarity to conscious wakefulness. Our work leads to a novel methodological framework to sort out different brain states by their stability and reversibility, and illustrates its usefulness to dissociate between physiological (sleep), pathological (brain-injured patients), and pharmacologically-induced (anesthesia) loss of consciousness.

Summary Despite decades of research, there is still a lack of understanding of the role and generating mechanisms of the ubiquitous fluctuations and oscillations found in recordings of brain dynamics. Here, we used a strength-dependent perturbative framework to provide a causal mechanistic description of how human brain function is perched at the delicate balance between fluctuation and oscillation. Applying local strength-dependent perturbations and subsequently measuring the perturbative complexity index clearly demonstrates that the overall balance of brain dynamics is shifted towards fluctuations for providing much needed flexibility. Importantly, stimulation in the fluctuation regime modulates specific resting state network, thus providing a mechanistic explanation of experimentally reported brain dynamics. Furthermore, this framework generates specific, testable empirical predictions for human stimulation studies using strength-dependent rather than constant perturbation. Overall, the strength-dependent perturbative framework demonstrates how the human brain is poised on the edge of criticality, between fluctuations to oscillations, allowing for maximal flexibility.

ABSTRACT Psychedelic drugs, including lysergic acid diethylamide (LSD) and other agonists of the serotonin 2A receptor (5HT2A-R), induce drastic changes in subjective experience, and provide a unique opportunity to study the neurobiological basis of consciousness. One of the most notable neurophysiological signatures of psychedelics, increased entropy in spontaneous neural activity, is thought to be of relevance to the psychedelic experience, encoding both acute alterations in consciousness and mediating long-term effects. However, no clear mechanistic explanation for this ‘entropic’ phenomenon has been put forward so far. We sought to do this here by building upon a recent whole-brain model of serotonergic neuromodulation, to study the entropic effects of 5HT2A-R activation. Our results reproduce the overall entropy increase observed in previous experiments in vivo , providing the first model-based explanation for this phenomenon. We also found that entropy changes were not uniform across the brain: entropy increased in some regions and decreased in others, suggesting a topographical reconfiguration mediated by 5HT2A-R activation. Interestingly, at the whole-brain level, this reconfiguration was not well explained by 5HT2A-R density, but related closely to the topological properties of the brain’s anatomical connectivity. These results help us understand the mechanisms underlying the psychedelic state and, more generally, the pharmacological modulation of whole-brain activity.

Abstract Recently, significant advances have been made by identifying the levels of synchronicity of the underlying dynamics of a given brain state. This research has demonstrated that unconscious dynamics tend to be more synchronous than those found in conscious states, which are more asynchronous. Here we go beyond this dichotomy to demonstrate that the different brain states are always underpinned by spatiotemporal chaos but with dissociable turbulent dynamics. We investigated human neuroimaging data from different brain states (resting state, meditation, deep sleep, and disorders of consciousness after coma) and were able to distinguish between them using complementary model-free and model-based measures of turbulent information transmission. Our model-free approach used recent advances describing a measure of information cascade across spatial scales using tools from turbulence theory. Complementarily, our model-based approach used exhaustive in silico perturbations of whole-brain models fitted to the empirical neuroimaging data, which allowed us to study the information encoding capabilities of the brain states. Overall, the current framework demonstrates that different levels of turbulent dynamics are fundamental for describing and differentiating between brain states.

Summary What are the key topological features of connectivity critically relevant for generating the dynamics underlying efficient cortical function? A candidate feature that has recently emerged is that the connectivity of the mammalian cortex follows an exponential distance rule, which includes a small proportion of long-range high-weight anatomical exceptions to this rule. Whole-brain modelling of large-scale human neuroimaging data in 1003 participants offers the unique opportunity to create two models with and without long-range exceptions and explicitly study their functional consequences. We found that rare long-range exceptions are crucial for significantly improving information processing. Furthermore, modelling in a simplified ring architecture shows that this improvement is greatly enhanced by the turbulent regime found in empirical neuroimaging data. Overall, the results provide strong empirical evidence for the immense functional benefits of long-range exceptions combined with turbulence for information processing.

Abstract Even though the fundamental laws of physics are the same when the direction of time is inverted, dissipative systems evolve in the preferred temporal direction indicated by the thermodynamic arrow of time. The fundamental nature of this temporal asymmetry led us to hypothesize its presence in the neural activity evoked by conscious perception of the physical world, and thus its covariance with the level of conscious awareness. Inspired by recent developments in stochastic thermodynamics, we implemented a data-driven and model-free deep learning framework to decode the temporal inversion of electrocorticography signals acquired from non-human primates. Brain activity time series recorded during conscious wakefulness could be distinguished from their inverted counterparts with high accuracy, both using frequency and phase information. However, classification accuracy was reduced for data acquired during deep sleep and under ketamine-induced anesthesia; moreover, the predictions obtained from multiple independent neural networks were less consistent for sleep and anesthesia than for conscious wakefulness. Finally, the analysis of feature importance scores highlighted transitions between slow (≈20 Hz) and fast frequencies (> 40 Hz) as the main contributors to the temporal asymmetry observed during conscious wakefulness. Our results show that a preferred temporal direction is simultaneously manifest in the neural activity evoked by conscious mentation and in the phenomenology of the passage of time, establishing common ground to tackle the relationship between brain and subjective experience.

Abstract The treatment of neurodegenerative diseases is hindered by lack of interventions capable of steering multimodal whole-brain dynamics towards patterns indicative of preserved brain health. To address this problem, we combined deep learning with a model capable of reproducing whole-brain functional connectivity in patients diagnosed with Alzheimer’s disease (AD) and behavioral variant frontotemporal dementia (bvFTD). These models included disease-specific atrophy maps as priors to modulate local parameters, revealing increased stability of hippocampal and insular dynamics as signatures of brain atrophy in AD and bvFTD, respectively. Using variational autoencoders, we visualized different pathologies and their severity as the evolution of trajectories in a low-dimensional latent space. Finally, we perturbed the model to reveal key AD− and bvFTD-specific regions to induce transitions from pathological to healthy brain states. Overall, we obtained novel insights on disease progression and control by means of external stimulation, while identifying dynamical mechanisms that underlie functional alterations in neurodegeneration.

Abstract N,N-Dimethyltryptamine (DMT) is a classic psychedelic capable of inducing short-lasting but profound changes in consciousness. As with other psychedelics, the experience induced by DMT strongly depends upon contextual factors, yet the neurobiological determinants of this variability remain unknown. We combined wireless electroencephalography and source imaging to map changes in neural oscillations elicited by inhaled DMT. Furthermore, we found that the power of frontal and temporal theta oscillations was inversely correlated with scales indexing feelings of unity and transcendence, which are an integral part of the phenomenology of mystical-type experiences. Finally, we established the robustness of these results using a machine learning model for regression trained and tested following a cross-validation procedure. Our results are consistent with the observation that the state of mind prior to consuming a psychedelic drug influences the ensuing subjective experience of the user. We also suggest that priming subjects to reduce their theta power before administration of a serotonergic psychedelic could enhance the likelihood of inducing mystical-type experiences, leading to sustained positive effects in well-being and improving the outcome of therapeutic interventions.