Abstract Selective attention is a cognitive function that helps filter out unwanted information. Theories such as the biased competition model (Desimone & Duncan, 1995) explain how attentional templates bias processing towards targets in contexts where multiple stimuli compete for resources. However, it is unclear how the anticipation of different levels of competition influences the nature of attentional templates, in a proactive fashion. In this study, we used EEG to investigate how the anticipated demands of attentional selection (either high or low stimuli competition contexts) modulate target-specific preparatory brain activity and its relationship with task performance. To do so, participants performed a sex judgement task in a cue-target paradigm where, depending on the block, target and distractor stimuli appeared simultaneously (high competition) or sequentially (low competition). Multivariate Pattern Analysis (MVPA) showed that, in both competition contexts, there was a preactivation of the target category to select with a ramping-up profile at the end of the preparatory interval. However, cross-classification showed no generalization across competition conditions, suggesting different preparatory formats. Notably, time-frequency analyses showed differences between anticipated competition demands, reflecting higher theta band power for high than low competition, which mediated the impact of subsequent stimuli competition on behavioral performance. Overall, our results show that, whereas preactivation of the internal templates associated with the category to select are engaged in advance in both competition contexts, their underlying neural patterns differ. In addition, these codes could not be associated with theta power, suggesting different preparatory processes. The implications of these findings are crucial to increase our understanding of the nature of top-down processes across different contexts.

Multi-voxel pattern analysis (MVPA) has been successfully applied to neuroimaging data due to its larger sensitivity compared to univariate traditional techniques. Searchlight is the most widely employed approach to assign functional value to different regions of the brain. However, its performance depends on the size of the sphere, which can overestimate the region of activation when a large sphere size is employedIn the current study, we examined the validity of two different alternatives to Searchlight: an atlas-based local averaging method (ABLA, [Schrouff et al., 2013a][1]) and a Multi-Kernel Learning (MKL, [Rakotomamonjy et al., 2008][2]) approach, in a scenario where the goal is to find the informative brain regions that support certain mental operations. These methods employ weights to measure the informativeness of a brain region and highly reduce the large computational cost that Searchlight entails. We evaluated their performance in two different scenarios where the differential BOLD activation between experimental conditions was large vs. small, and employed nine different atlases to assess the influence of diverse brain parcellations.Results show that both methods were able to localize informative regions when differences between conditions were large, demonstrating a large sensitivity and stability in the identification of regions across atlases. Moreover, the sign of the weights reported by these methods provided the directionality of univariate approaches. However, when differences were small, only ABLA localized informative regions. Thus, our results show that atlas-based methods are useful alternatives to Searchlight, but that the nature of the classification to perform should be taken into account when choosing the specific method to implement. [1]: #ref-83 [2]: #ref-78

Prior personal information is highly relevant during social interactions. Such knowledge aids in the prediction of others, and it affects choices even when it is unrelated to their actual behaviour. In this investigation, we aimed to study the neural representation of positive and negative personal expectations, how these impact subsequent choices, and the effect of mismatches between expectations and encountered behaviour. We employed functional Magnetic Resonance Imaging in combination with a version of the Ultimatum Game where participants were provided with information about their partners’ moral traits previous to their fair or unfair offers. Univariate and multivariate analyses revealed the implication of the supplementary motor area (SMA) and inferior frontal gyrus (IFG) in the representation of expectations about the partners in the game. Further, these regions also represented the valence of expectations, together with the ventromedial prefrontal cortex (vmPFC). Importantly, the performance of the classifier in these clusters correlated with a behavioural choice bias to accept more offers following positive descriptions, highlighting the impact of the valence on the expectations about participants’ decisions. Altogether, our results suggest that expectations based on social information guide future interpersonal decisions and that the neural representation of such expectations in the vmPFC is related to their influence on behaviour.

The use of Multi-Voxel Pattern Analysis (MVPA) has increased considerably in recent functional magnetic resonance imaging studies. A crucial step consists in the choice of methods for the estimation of responses and their statistical significance. However, a systematic comparison of these and their adequacy to predominant experimental design is missing. In the current study, we compared three pattern estimation methods: Least- Squares Unitary (LSU), based on run-wise estimation, Least-Squares All (LSA) and Least-Squares Separate (LSS), which rely on trial-wise estimation. We compared the efficiency of these methods in an experiment where sustained activity had to be isolated from zero-duration events as well as in a block-design approach and in an event-related design. We evaluated the sensitivity of the t-test in comparison with two non-parametric methods based on permutation testing: one proposed in Stelzer et al. (2013), equivalent to performing a permutation in each voxel separately and the Threshold-Free Cluster Enhancement (Smith and Nichols, 2009). LSS resulted the most accurate approach to address the large overlap of signal among close events in the event-related designs. We found a larger sensitivity of Stelzer's method in all settings, especially in the event-related designs, where voxels close to surpass the statistical threshold with the other approaches were now marked as informative regions. Our results provide evidence that LSS is the most accurate approach for unmixing events with different duration and large overlap of signal, consistent with previous studies showing better handling of collinearity in LSS. Moreover, Stelzer's potentiates this better estimation with its larger sensitivity.

Engaging in a demanding activity while holding in mind another task to be performed in the near future requires the maintenance of information about both the currently-active task set and the intended one. However, little is known about how the human brain implements such action plans. While some previous studies have examined the neural representation of current task sets and others have investigated delayed intentions, to date none has examined the representation of current and intended task sets within a single experimental paradigm. In this fMRI study, we examined the neural representation of current and intended task sets, employing sequential classification tasks on human faces. Multivariate decoding analyses showed that current task sets were represented in the orbitofrontal cortex (OFC) and fusiform gyrus (FG), while intended tasks could be decoded from lateral prefrontal cortex (lPFC). Importantly, a ventromedial region in PFC/OFC contained information about both current and delayed tasks, although cross-classification between the two types of information was not possible. These results help delineate the neural representations of current and intended task sets, and highlight the importance of ventromedial PFC/OFC for maintaining task-relevant information regardless of when it is needed.