Abstract The perception and identification of faces and facial emotional expressions are critical for social communication in the daily life of all primates. Here, we investigated the neural network activated by dynamic facial expressions in awake New World common marmosets with ultra-high field fMRI at 9.4T. Our results show that dynamic facial expressions activate several areas along the occipitotemporal axis (V2/V3, V4/TEO, FST, caudal TE, rostral TE, TPO), frontal cortex (areas 45/47, 13, 8a and orbital cortex), amygdala, motion-sensitive areas, premotor area, and in the posterior lobe of the cerebellum. Negative faces increased the monkeys’ respiration rates and elicited stronger responses along the occipitotemporal cortical axis, in the amygdala and in the hypothalamus. This cortico-subcortico-cerebellar network may play an important role in the perception of behaviorally relevant facial expressions that are vital for social communication in marmosets. Significance Statement Recent research has highlighted the importance of emotional content of faces in social communication in humans and non-human primates. The current study focuses on the neural responses to dynamic emotional facial expressions in the common marmoset (Callithrix jacchus), a New World primate species sharing several similarities of social behavior with humans. Using ultra-high-field fMRI, we show that negative facial expressions activate a cortico-subcortico-cerebellar network and, critically, negative faces increase the level of arousal of marmosets, possibly relayed through a modulation of the activity in the autonomic nervous system via stress-integrative brain centres in the hypothalamus. Our results reveal the existence of specific neural and physiological responses to negative emotional faces suggesting that behaviorally relevant facial expressions are vital for social communication in New World marmosets.

Abstract Changes in resting-state functional connectivity (rs-FC) under general anesthesia have been widely studied with the goal of identifying neural signatures of consciousness. This work has commonly revealed an apparent fragmentation of whole-brain network structure during unconsciousness, which has been interpreted as reflecting a break-down in connectivity and disruption in the brains ability to integrate information. Here we show, by studying rs-FC under varying depths of isoflurane-induced anesthesia in nonhuman primates, that this apparent fragmentation, rather than reflecting an actual change in network structure, can be simply explained as the result of a global reduction in FC. Specifically, by comparing the actual FC data to surrogate data sets that we derived to test competing hypotheses of how FC changes as a function of dose, we found that increases in whole-brain modularity and the number of network communities considered hallmarks of fragmentation are artifacts of constructing FC networks by thresholding based on correlation magnitude. Taken together, our findings suggest that deepening levels of unconsciousness are instead associated with the increasingly muted expression of functional networks, an observation that constrains current interpretations as to how anesthesia-induced FC changes map onto existing neurobiological theories of consciousness.

Abstract Social cognition is a dynamic process that requires the perception and integration of a complex set of idiosyncratic features between interacting conspecifics. Here we present a method for simultaneously measuring the whole-brain activation of two socially interacting marmoset monkeys using functional magnetic resonance imaging. MRI hardware (a radiofrequency coil and peripheral devices) and image-processing pipelines were developed to assess brain responses to socialization, both on an intra-brain and inter-brain level. Notably, brain-activation maps acquired during constant interaction demonstrated neuronal synchrony between marmosets in regions of the brain responsible for processing social interaction. This method enables a wide range of possibilities for studying social function and dysfunction in a non-human primate model, including using transgenic models of neuropsychiatric disorders.

Abstract Understanding the similarity of cortico-subcortical networks topologies between humans and nonhuman primate species is critical to study the origin of network alternations underlying human neurological and neuropsychiatric diseases. The New World common marmoset ( Callithrix jacchus ) has become popular as a non-human primate model for human brain function. Most marmoset connectomic research, however, has exclusively focused on cortical areas, with connectivity to subcortical networks less extensively explored. In this study, we aimed to first isolate patterns of subcortical connectivity with cortical resting-state networks (RSNs) in awake marmosets using resting-state functional magnetic resonance imaging (RS-fMRI), then to compare these networks to those in humans using connectivity fingerprinting. While we could match several marmoset and human RSNs based on their functional fingerprints, we also found a few striking differences, for example strong functional connectivity of the default mode network with the superior colliculus in marmosets that was much weaker in humans. Together, these findings demonstrate that many of the core cortico-subcortical networks in humans are also present in marmosets, but that small, potentially functionally relevant differences exist.

Non-human primate neuroimaging is a rapidly growing area of research that promises to transform and scale translational and cross-species comparative neuroscience. Unfortunately, the technological and methodological advances of the past two decades have outpaced the accrual of data, which is particularly challenging given the relatively few centers that have the necessary facilities and capabilities. The PRIMate Data Exchange (PRIME-DE) addresses this challenge by aggregating independently acquired non-human primate magnetic resonance imaging (MRI) datasets and openly sharing them via the International Neuroimaging Data-sharing Initiative (INDI). Here, we present the rationale, design and procedures for the PRIME-DE consortium, as well as the initial release, consisting of 13 independent data collections aggregated across 11 sites (total = 98 macaque monkeys). We also outline the unique pitfalls and challenges that should be considered in the analysis of the non-human primate MRI datasets, including providing automated quality assessment of the contributed datasets.

Abstract Theory of Mind (ToM) refers to the ability to ascribe mental states to other individuals. This process is so strong that it extends even to the attribution of mental states to animations depicting interacting simple geometric shapes, such as in the Frith-Happé animations in which two triangles move either purposelessly (Random condition), or as if one triangle is reacting to the other triangle’s mental state (ToM condition). Currently, there is no evidence that nonhuman primates attribute mental states to moving abstract shapes. Here we investigated whether highly social marmosets ( Callithrix jacchus ) process ToM and Random Frith-Happé animations differently. Our results show that marmosets and humans (1) follow more closely one of the triangles during the observation of ToM compared to Random animations, and (2) activate large and comparable brain networks when viewing ToM compared to Random animations. These findings indicate that marmosets, like humans, process ToM animations differently from Random animations.

ABSTRACT Schizophrenia is known as a syndrome of dysconnection among brain regions. As a model for this syndrome, low doses of N-methyl-D-aspartate (NMDA) receptor antagonists, such as ketamine, produce schizophrenia-like symptoms and cognitive deficits in healthy humans and animals. One of such deficits is impaired working memory, a process that engages an extended network of both frontal and parietal areas. While ketamine is known to disrupt working memory by altering both spiking and oscillatory activities in the lateral prefrontal cortex (lPFC), it remains unknown whether NMDA receptor antagonists also produce frontoparietal dysconnection during working memory processes. Here, we simultaneously recorded both single unit activities and local field potentials from lPFC and posterior parietal cortex (PPC) in macaque monkeys during a rule-based working memory task. Like previous work in the lPFC alone, we found that ketamine compromised delay-period rule coding in single neurons and reduced low-frequency oscillations in the PPC. Furthermore, ketamine reduced task-related connectivity in both fronto-parietal and parieto-frontal directions. Consistent with this, ketamine also weakened interareal coherence between spiking and low-frequency oscillatory activities. Our findings demonstrate the utility of acute NMDA receptor antagonist in simulating a syndrome of dysconnection and support this model in its potential for the exploration of novel treatment strategies for schizophrenia.

Abstract The lateral intraparietal area (LIP) plays a crucial role in target selection and attention in primates, but the laminar microcircuitry of this region is largely unknown. To address this, we used ultra-high density laminar electrophysiology with Neuropixels probes to record neural activity in the posterior parietal cortex (PPC) of two adult marmosets while they performed a simple visual target selection task. Our results reveal neural correlates of visual target selection in the marmoset, similar to those observed in macaques and humans, with distinct timing and profiles of activity across cell types and cortical layers. Notably, a greater proportion of neurons exhibited stimulus related activity in superficial layers whereas a greater proportion of infragranular neurons exhibited significant post-saccadic activity. Stimulus-related activity was first observed in granular layer putative interneurons, whereas target discrimination activity emerged first in supragranular layers putative pyramidal neurons, supporting a canonical laminar circuit underlying visual target selection in marmoset PPC. These findings provide novel insights into the neural basis of visual attention and target selection in primates.

SUMMARY Understanding the default-mode network (DMN) in the common marmoset (Callithrix jacchus) has been challenging due to inconsistencies with human and marmoset DMNs. By analyzing task-negative activation in fMRI studies, we identified medial prefrontal cortical areas, rostral auditory areas, entorhinal cortex, posterior cingulate cortex area 31, hippocampus, hypothalamus, and basomedial amygdala as marmoset DMN components. Notable, medial and posterior parietal areas that were previously hypothesized to be part of the DMN were activated during visual task blocks. Seed analysis using resting-state fMRI showed strong connectivity between task-negative areas, and tracer data supported a structural network aligning with this functional DMN. These findings challenge previous definition of the marmoset DMN and reconcile many inconsistencies with the DMNs observed in humans, macaque monkeys, and even rodents. Overall, these results highlight the marmoset as a powerful model for DMN research, with potential implications for studying neuropsychiatric disorders where DMN activity and connectivity are altered.

Models of large-scale brain networks that are informed by the underlying anatomical connectivity contribute to our understanding of the mapping between the structure of the brain and its dynamical function. Connectome-based modelling is a promising approach to a more comprehensive understanding of brain function across spatial and temporal scales, but it must be constrained by multi-scale empirical data from animal models. Here we describe the construction of a macaque connectome for whole-cortex simulations in TheVirtualBrain, an open-source simulation platform. We take advantage of available axonal tract-tracing datasets and enhance the existing connectome data using diffusion-based tractography in macaques. We illustrate the utility of the connectome as an extension of TheVirtualBrain by simulating resting-state BOLD-fMRI data and fitting it to empirical resting-state data.