Abstract Distinct forms of memory processing are often causally identified with specific brain regions, but a key facet of memory processing includes linking separated neuronal populations. Using cell-specific manipulations of inhibitory neuronal activity, we discovered a key role of the dentate gyrus (DG) in coordinating dispersed neuronal populations during memory formation. In whole-brain fMRI and electrophysiological experiments, we found that parvalbumin (PV) interneurons in the DG control the functional coupling of the hippocampus within a wider network of neocortical and subcortical structures including the prefrontal cortex (PFC) and the nucleus accumbens (NAc). In a novel object-location task, regulation of PV interneuron activity enhanced or prevented memory encoding and, without effect upon the total number of task activated c-Fos+ cells, revealed a correlation between activated neuronal populations in the hippocampus-PFC-NAc network. These data suggest a critical regulatory role of PV interneurons in the dentate gyrus in brain-wide polysynaptic communication channels and the association of cell assemblies across multiple brain regions.

Many physical, social, and psychological changes occur during aging that raise the risk of developing chronic diseases, frailty, and dependency. These changes adversely affect the gut microbiota, a phenomenon known as microbe-aging. Those microbiota alterations are, in turn, associated with the development of age-related diseases. The gut microbiota is highly responsive to lifestyle and dietary changes, displaying a flexibility that also provides anactionable tool by which healthy aging can be promoted. This review covers, firstly, the main lifestyle and socioeconomic factors that modify the gut microbiota composition and function during healthy or unhealthy aging and, secondly, the advances being made in defining and promoting healthy aging, including microbiome-informed artificial intelligence tools, personalized dietary patterns, and food probiotic systems.

Abstract Brain extraction, i.e. the precise removal of MRI signal outside the brain boundaries, is a key step in MRI preprocessing pipelines, typically achieved via masks delineating the region of interest (ROI). Existing automated tools often lack accuracy for rodent MRI due to resolution limitations, so large manual editing efforts are required. This work introduces SAMson, a high-precision automated mask generator built on Meta AI’s Segment-Anything Model (SAM). SAM’s adaptability to diverse tasks, akin to other foundation models (Chat-GPT), is harnessed to address the scarcity of training data in this domain. SAMson is a Python-based tool that integrates SAM’s capabilities with the requirements and characteristics of multislice MRI data. SAMson offers two prompt generation approaches: Semi-Auto, enabling manual prompt selection for precise control, and Full-Auto, with automated prompt generation. Evaluation against gold-standard masks extracted by an experienced experimenter demonstrated excellent performance of SAMson, and benchmarking against established methods (BET from FSL) demonstrated SAMson’s superiority. Robustness assessments on datasets obtained from an external MRI facility, confirmed versatility across scanner setups and image resolutions. Our tool’s adaptability and performance underscore its potential for widespread adoption in rodent MRI research, supported by open-source availability for the scientific community.

We present a strategy to image neuroinflammation in grey matter using diffusion-weighted MRI. We demonstrate that the MRI signal carries the fingerprint of microglia and astrocytes activation, and that specific signatures from each glia population can be extracted in vivo. In addition, we prove the translational value of the approach in a cohort of healthy humans. This framework will aid basic and clinical research to clarify the role of inflammation during lifespan.

Abstract Cortical circuits operate in a tight excitation/inhibition balance. This balance is relaxed during learning processes, but neither the mechanism nor its impact on network operations are well understood. In the present study, we combined in-vivo and in-vitro neuronal recordings with computational modelling and demonstrated that synaptic plasticity in the afferents from the entorhinal cortex (EC) to the dentate gyrus (DG), in addition to strengthening the glutamatergic inputs into granule cells (GCs), depressed perisomatic inhibition. Computational modelling revealed a functional reorganization in the inhibitory network that explained several experimental findings, including depression of the feed-forward inhibition. In vitro results confirmed a perisomatic dominance of the inhibitory regulation with important functional consequences. It favoured GCs burst firing, improved reliability of input/output transformations and enhanced separation and transmission of temporal and spatial patterns in the EC-DG-CA3 network.

Motivation: To bring awareness on the heterogeneity in awake rodent functional imaging. We aim to identify protocol differences that optimize awake functional connectivity, reproducibility and collaboration. Goal(s): To aggregate awake rodent functional datasets, establish population parameters, provide evidence-based recommendations, compare functional Magnetic Resonance Imaging and functional Ultrasound, foster collaborations. Approach: We collect datasets from mice and rats, preprocess and run a seed-based analysis at the individual-level using RABIES. Group-level analysis is performed in Python, resulting in functional connectivity specificity maps. Results: We have gathered 5 mice-datasets and 4 rat-datasets totaling 122 scans with great variability in rodent characteristics, imaging methods, and experimental designs. Impact: Findings will empower researchers to refine awake rodent functional imaging, enhancing investigations into cognitive and behavioral processes, without the anesthesia confounds. This approach closely parallels human brain imaging, enhancing translational relevance and providing an accurate representation of conscious brain function.

Motivation: Validation of MRI-extracted biomarkers is seldom performed, and when available, Is normally underpowered and based on correlation. Goal(s): Here we present an innovative framework for validating microstructural MRI biomarkers by eliciting cell-specific responses. Approach: The framework is based on injection of neurotoxins in rats, followed by MRI exploration and histology. Results: We successfully isolated conditions associated to neurodegenerative, demyelinating and inflammatory pathologies and demonstrated sensitivity and specificity of MRI- derived biomarkers. Impact: This framework impulse a much-needed change in paradigm for MRI validation by challenging the biological content of MRI derived biomarkers, refine and test new models for microstructural imaging and bridge the gap between advances in MRI physics and clinical applications.

Abstract During decision making, choices are made based on assessing potential options and their expected outcomes. Traditional laboratory investigations of decision making often employ tasks involving the discrimination of perceptual evidence, where sensory information is constant and presented continuously. However, during natural behavior, this is unlikely the case. Usually, perceptual information is dynamic and presented intermittently, which requires maintaining information in memory. Thus, understanding decision making requires considering the dynamics of working memory. Here, we used a perceptual decision-making task where fifteen tokens jump from a central circle to one of two peripheral ones and disappear shortly after. Participants were required to report which target they believed would have received most tokens by the trial’s end. Half of the trials included a temporal gap, during which no information was displayed. In those cases, we found that participants made choices with less available information, but their accuracy remained unchanged. Computational modeling revealed that this behavior was best explained by a model in which stored perceptual information leaks away due to the arrival of new information, rather than by the passage of time. Our results provide evidence of a decision-making process that evolves even in the absence of perceptual information, challenging the idea of a frozen state resilient to temporal gaps and shedding light on the dynamics of working memory. This study highlights the importance of considering working memory dynamics in understanding decision-making processes, particularly in environments with intermittent perceptual information. Significance statement Our research challenges the notion of a decision-making process that freezes in the absence of perceptual information. Through a novel task with temporal gaps, we demonstrate that decision making continues to evolve even when perceptual cues are absent. Additionally, we highlight the importance of working memory dynamics in such process. We show that choices are the result of a combination of mnemonic evidence with urgency, a signal that reflects the need to respond. Computational modeling supports a working memory model where stored perceptual information leaks away due to the arrival of new events but remains stable between events. These findings offer insights into the decision-making process, emphasizing the importance of considering working memory dynamics in understanding human behavior.