Background: Lysergic acid diethylamide (LSD) has agonist activity at various serotonin (5-HT) and dopamine receptors. Despite the therapeutic and scientific interest in LSD, specific receptor contributions to its neurobiological effects remain unknown. Methods: We therefore conducted a double-blind, randomized, counterbalanced, cross-over studyduring which 24 healthy human participants received either (i) placebo+placebo, (ii) placebo+LSD (100 µg po), or (iii) Ketanserin, a selective 5-HT2A receptor antagonist,+LSD. We quantified resting-state functional connectivity via a data-driven global brain connectivity method and compared it to cortical gene expression maps. Results: LSD reduced associative, but concurrently increased sensory-somatomotor brain-wide and thalamic connectivity. Ketanserin fully blocked the subjective and neural LSD effects. Whole-brain spatial patterns of LSD effects matched 5-HT2A receptor cortical gene expression in humans. Conclusions: Together, these results strongly implicate the 5-HT2A receptor in LSD’s neuropharmacology. This study therefore pinpoints the critical role of 5-HT2A in LSD’s mechanism, which informs its neurobiology and guides rational development of psychedelic-based therapeutics. Funding: Funded by the Swiss National Science Foundation, the Swiss Neuromatrix Foundation, the Usona Institute, the NIH, the NIAA, the NARSAD Independent Investigator Grant, the Yale CTSA grant, and the Slovenian Research Agency. Clinical trial number: NCT02451072 .

Abstract Studies of large-scale brain organization have revealed interesting relationships between spatial gradients in brain maps across multiple modalities. Evaluating the significance of these findings requires establishing statistical expectations under a null hypothesis of interest. Through generative modeling of synthetic data that instantiate a specific null hypothesis, quantitative benchmarks can be derived for arbitrarily complex statistical measures. Here, we present a generative null model, provided as an open-access software platform, that generates surrogate maps with spatial autocorrelation (SA) matched to SA of a target brain map. SA is a prominent and ubiquitous property of brain maps that violates assumptions of independence in conventional statistical tests. Our method can simulate surrogate brain maps, constrained by empirical data, that preserve the SA of cortical, subcortical, parcellated, and dense brain maps. We characterize how SA impacts p -values in pairwise brain map comparisons. Furthermore, we demonstrate how SA-preserving surrogate maps can be used in gene ontology enrichment analyses to test hypotheses of interest related to brain map topography. Our findings demonstrate the utility of SA-preserving surrogate maps for hypothesis testing in complex statistical analyses, and underscore the need to disambiguate meaningful relationships from chance associations in studies of large-scale brain organization.

Background Ketamine has emerged as one of the most promising therapies for treatment-resistant depression. However, inter-individual variability in response to ketamine is still not well understood and it is unclear how ketamine’s molecular mechanisms connect to its neural and behavioral effects. Methods We conducted a double-blind placebo-controlled study in which 40 healthy participants received acute ketamine (initial bolus 0.23 mg/kg, continuous infusion 0.58 mg/kg/hour). We quantified resting-state functional connectivity via data-driven global brain connectivity, related it to individual ketamine-induced symptom variation, and compared it to cortical gene expression targets. Results We found that: i) both the neural and behavioral effects of acute ketamine are multi-dimensional, reflecting robust inter-individual variability; ii) ketamine’s data-driven principal neural gradient effect matched somatostatin (SST) and parvalbumin (PVALB) cortical gene expression patterns in humans, implicating the role of SST and PVALB interneurons in ketamine’s acute effects; and iii) behavioral data-driven individual symptom variation mapped onto distinct neural gradients of ketamine, which were resolvable at the single-subject level. Conclusions Collectively, these findings support the possibility for developing individually precise pharmacological biomarkers for treatment selection in psychiatry. Funding This study was supported by NIH grants DP5OD012109-01 (A.A.), 1U01MH121766 (A.A.), R01MH112746 (J.D.M.), 5R01MH112189 (A.A.), 5R01MH108590 (A.A.), NIAAA grant 2P50AA012870-11 (A.A.); NSF NeuroNex grant 2015276 (J.D.M.); Brain and Behavior Research Foundation Young Investigator Award (A.A.); SFARI Pilot Award (J.D.M., A.A.); Heffter Research Institute (Grant No. 1–190420); Swiss Neuromatrix Foundation (Grant No. 2016–0111m Grant No. 2015 – 010); Swiss National Science Foundation under the frame-work of Neuron Cofund (Grant No. 01EW1908), Usona Institute (2015 – 2056).

Abstract Psychoactive drugs can transiently perturb brain physiology while preserving brain structure. The role of physiological state in shaping neural function can therefore be investigated through neuroimaging of pharmacologically-induced effects. This paradigm has revealed that neural and experiential effects of lysergic acid diethylamide (LSD) are attributable to its agonist activity at the serotonin-2A receptor. Here, we integrate brainwide transcriptomics with biophysically-based large-scale circuit modeling to simulate acute neuromodulatory effects of LSD on human cortical dynamics. Our model captures the topographic effects of LSD-induced changes in cortical BOLD functional connectivity. These findings suggest that serotonin-2A-mediated modulation of pyramidal cell gain is the circuit mechanism through which LSD alters cortical functional topography. Individual-subject fitting reveals that the model captures patterns of individual neural differences in drug response that predict altered states of consciousness. This work establishes a framework for linking molecular-level manipulations to salient changes in brain function, with implications for precision medicine.

Abstract Difficulties in advancing effective patient-specific therapies for psychiatric disorders highlight a need to develop a stable neurobiologically-grounded mapping between neural and symptom variation. This gap is particularly acute for psychosis-spectrum disorders (PSD). Here, in a sample of 436 cross-diagnostic PSD patients, we derived and replicated a dimensionality-reduced symptom space across hallmark psychopathology symptoms and cognitive deficits. In turn, these symptom axes mapped onto distinct, reproducible brain maps. Critically, we found that multivariate brain-behavior mapping techniques (e.g. canonical correlation analysis) do not produce stable results. Instead, we show that a univariate brain-behavioral space (BBS) can resolve stable individualized prediction. Finally, we show a proof-of-principle framework for relating personalized BBS metrics with molecular targets via serotonin and glutamate receptor manipulations and gene expression maps. Collectively, these results highlight a stable and data-driven BBS mapping across PSD, which offers an actionable path that can be iteratively optimized for personalized clinical biomarker endpoints.

Functional magnetic resonance imaging (fMRI) of the human cortex reveals patterns of correlated neural dynamics that are individual-specific and associated with phenotypic variation. However, circuit mechanisms underlying individual variation in functional connectivity (FC) are not well understood. Here, we fit individual-level FC patterns with a biophysically-based circuit model of large-scale cortical dynamics. This model is fit with a small number of neurophysiologically interpretable parameters, and incorporates a hierarchical gradient in local synaptic strengths across cortex parameterized via the structural MRI-derived T1w/T2w map. We applied our modeling framework to resting-state fMRI FC from a large cohort of subjects (N=842) from the Human Connectome Project. We found that the model captures a substantial portion of individual variation in FC, especially with personalized degrees of local synaptic specialization along the hierarchical gradient. Furthermore, the model can capture to the within-subject variation in FC across scans. Empirically, we found that principal modes of individual variation in FC follow interpretable topographic patterns. We developed a framework to assess model expressivity via how these empirical modes of FC variation align with variations in simulated FC induced by parameter perturbations. This framework reveals a straightforward mapping between key parameters and the leading modes of variation across subjects and provides a principled approach to extending computational models. Collectively, our modeling results establish a foundation for personalized computational modeling of functional dynamics in large-scale brain circuits.

Hierarchy provides a unifying principle for the macroscale organization of anatomical and functional properties across primate cortex, yet the microscale bases of hierarchical specialization across human cortex are poorly understood. Anatomical hierarchy is conventionally informed by invasively measured laminar patterns of long-range cortico-cortical projections, creating the need for a principled proxy measure of hierarchy in humans. Moreover, cortex exhibits a transcriptional architecture characterized by distinct profiles of gene expression across areas, yet organizing principles for areal transcriptomic specialization remain unclear. We hypothesized that functional specialization of human cortical microcircuitry across areas involves hierarchical gradients of gene expression. Here we show that a noninvasive neuroimaging measure, the MRI-derived myelin map, indexes the anatomical hierarchy and closely resembles the dominant areal pattern of transcriptomic variation across the human cortex. We found strong hierarchical gradients in expression of genes related to cortical microcircuit function, which we validated with microanatomical data from monkey cortex, and in expression of genes related to neuropsychiatric disorders. These findings establish hierarchy as a general organizing principle, defining an axis shared by the transcriptomic and anatomical architectures of human cortex, and suggest that hierarchical gradients of microscale properties shape the macroscale specialization of cortical function.

Lysergic acid diethylamide (LSD) is a psychedelic drug with predominantly agonist activity at various serotonin (5-HT) and dopamine receptors. Despite the therapeutic and scientific interest in LSD, the specific receptor contributions to its neurobiological effects remain largely unknown. To address this knowledge gap, we conducted a double-blind, randomized, counterbalanced, cross-over study during which 24 healthy participants received either i) placebo+placebo, ii) placebo+LSD (100 microgram po), or iii) ketanserin, a selective 5-HT2A receptor antagonist. Here we focus on resting-state fMRI, a measure of spontaneous neural fluctuations that can map functional brain connectivity. We collected resting-state data 75 and 300 minutes after LSD/placebo administration. We quantified resting-state functional connectivity via a fully data-driven global brain connectivity (GBC) method to comprehensively map LSD neuropharmacological effects. LSD administration caused widespread GBC alterations that followed a specific topography: LSD reduced connectivity in associative areas, but concurrently increased connectivity across sensory and somatomotor areas. The 5-HT2A receptor antagonist, ketanserin, fully blocked the subjective and neural LSD effects. We show that whole-brain data-driven spatial patterns of LSD effects matched 5-HT2A receptor cortical gene expression in humans, which along with ketanserin effects, strongly implicates the 5-HT2A receptor in LSD's neuropharmacology. Critically, the LSD-induced subjective effects were associated with somatomotor networks GBC changes. These data-driven neuropharmacological results pinpoint the critical role of 5-HT2A in LSD's mechanism, which informs its neurobiology and guides rational development of psychedelic-based therapeutics

The large-scale organization of dynamical neural activity across cortex emerges through long-range interactions among local circuits. We hypothesized that large-scale dynamics are also shaped by heterogeneity of intrinsic local properties across cortical areas. One key axis along which microcircuit properties are specialized relates to hierarchical levels of cortical organization. We developed a large-scale dynamical circuit model of human cortex that incorporates heterogeneity of local synaptic strengths, following a hierarchical axis inferred from MRI-derived T1w/T2w mapping, and fit the model using multimodal neuroimaging data. We found that incorporating hierarchical heterogeneity substantially improves the model fit to fMRI-measured resting-state functional connectivity and captures sensory-association organization of multiple fMRI features. The model predicts hierarchically organized high-frequency spectral power, which we tested with resting-state magnetoencephalography. These findings suggest circuit-level mechanisms linking spatiotemporal levels of analysis and highlight the importance of local properties and their hierarchical specialization on the large-scale organization of human cortical dynamics.