Although it is being successfully implemented for exploration of the genome, discovery science has eluded the functional neuroimaging community. The core challenge remains the development of common paradigms for interrogating the myriad functional systems in the brain without the constraints of a priori hypotheses. Resting-state functional MRI (R-fMRI) constitutes a candidate approach capable of addressing this challenge. Imaging the brain during rest reveals large-amplitude spontaneous low-frequency (<0.1 Hz) fluctuations in the fMRI signal that are temporally correlated across functionally related areas. Referred to as functional connectivity, these correlations yield detailed maps of complex neural systems, collectively constituting an individual's “functional connectome.” Reproducibility across datasets and individuals suggests the functional connectome has a common architecture, yet each individual's functional connectome exhibits unique features, with stable, meaningful interindividual differences in connectivity patterns and strengths. Comprehensive mapping of the functional connectome, and its subsequent exploitation to discern genetic influences and brain–behavior relationships, will require multicenter collaborative datasets. Here we initiate this endeavor by gathering R-fMRI data from 1,414 volunteers collected independently at 35 international centers. We demonstrate a universal architecture of positive and negative functional connections, as well as consistent loci of inter-individual variability. Age and sex emerged as significant determinants. These results demonstrate that independent R-fMRI datasets can be aggregated and shared. High-throughput R-fMRI can provide quantitative phenotypes for molecular genetic studies and biomarkers of developmental and pathological processes in the brain. To initiate discovery science of brain function, the 1000 Functional Connectomes Project dataset is freely accessible at www.nitrc.org/projects/fcon_1000/ .

Abstract The default‐mode network (DMN) is a set of specific brain regions whose activity, predominant in the resting‐state, is attenuated during cognitively demanding, externally‐cued tasks. The cognitive correlates of this network have proven difficult to interrogate, but one hypothesis is that regions in the network process episodic memories and semantic knowledge integral to internally‐generated mental activity. Here, we compare default‐mode functional connectivity in the same group of subjects during rest and conscious sedation with midazolam, a state characterized by anterograde amnesia and a reduced level of consciousness. Although the DMN showed functional connectivity during both rest and conscious sedation, a direct comparison found that there was significantly reduced functional connectivity in the posterior cingulate cortex during conscious sedation. These results confirm that low‐frequency oscillations in the DMN persist and remain highly correlated even at reduced levels of consciousness. We hypothesize that focal reductions in DMN connectivity, as shown here in the posterior cingulate cortex, may represent a stable correlate of reduced consciousness. Hum Brain Mapp, 2008. © 2008 Wiley‐Liss, Inc.

Neuronal activation can be separated from other signal sources of functional magnetic resonance imaging (fMRI) data by using independent component analysis (ICA). Without deliberate neuronal activity of the brain cortex, the fMRI signal is a stochastic sum of various physiological and artifact related signal sources. The ability of spatial-domain ICA to separate spontaneous physiological signal sources was evaluated in 15 anesthetized children known to present prominent vasomotor fluctuations in the functional cortices. ICA separated multiple clustered signal sources in the primary sensory areas in all of the subjects. The spatial distribution and frequency spectra of the signal sources correspond to the known properties of 0.03-Hz very-low-frequency vasomotor waves in fMRI data. In addition, ICA was able to separate major artery and sagittal sinus related signal sources in each subject. The characteristics of the blood vessel related signal sources were different from the parenchyma sources. ICA analysis of fMRI can be used for both assessing the statistical independence of brain signals and segmenting nondeterministic signal sources for further analysis.

Abstract Baseline activity of resting state brain networks (RSN) in a resting subject has become one of the fastest growing research topics in neuroimaging. It has been shown that up to 12 RSNs can be differentiated using an independent component analysis (ICA) of the blood oxygen level dependent (BOLD) resting state data. In this study, we investigate how many RSN signal sources can be separated from the entire brain cortex using high dimension ICA analysis from a group dataset. Group data from 55 subjects was analyzed using temporal concatenation and a probabilistic independent component analysis algorithm. ICA repeatability testing verified that 60 of the 70 computed components were robustly detectable. Forty‐two independent signal sources were identifiable as RSN, and 28 were related to artifacts or other noninterest sources (non‐RSN). The depicted RSNs bore a closer match to functional neuroanatomy than the previously reported RSN components. The non‐RSN sources have significantly lower temporal intersource connectivity than the RSN ( P < 0.0003). We conclude that the high model order ICA of the group BOLD data enables functional segmentation of the brain cortex. The method enables new approaches to causality and connectivity analysis with more specific anatomical details. Hum Brain Mapp, 2009. © 2009 Wiley‐Liss, Inc.

Abstract Sleep is known to increase the convection of interstitial brain metabolites along with cerebrospinal fluid (CSF). We used ultrafast magnetic resonance encephalography (MREG BOLD ) to quantify the effect of sleep on physiological (vasomotor, respiratory and cardiac) brain pulsations driving the CSF convection in humans. Transition to electroencephalography verified sleep occurred in conjunction with power increase and reduced spectral entropy (SE) of physiological brain pulsations. During sleep, the greatest increase in spectral power was in very-low frequency (VLF < 0.1 Hz) waves, followed by respiratory and cardiac brain pulsations. SE reduction coincided with decreased vigilance in awake state and could robustly (ROC 0.88, p < 0.001) differentiate between sleep vs. awake states, indicating the sensitivity of SE of the MREG BOLD signal as a marker for sleep level. In conclusion, the three physiological brain pulsation contribute to the sleep-associated increase in glymphatic CSF convective flow in an inverse frequency order. Highlights Brain tissue contains almost no connective tissue, this enabling pressure waves to initiate long-distance brain pulsations Brain pulsations are induced by vasomotion, respiration, and the cardiac cycle Sleep strikingly increases spectral power and decreases spectral entropy of brain pulsations, especially for the very low frequency vasomotor waves Spectral entropy of brain pulsations detected by MREG is a sensitive measure of vigilance, resembling the corresponding entropy changes detected by scalp EEG

Abstract Background Inside the incompressible cranium, the volume of cerebrospinal fluid (CSF) is directly linked to blood volume: a change in either will induce a compensatory change in the other. Vasodilatory lowering of blood pressure has been shown to result in an increase of intracranial pressure, which, in normal circumstances should return to equilibrium by increased fluid efflux. In this study, we investigated the effect of blood pressure lowering (BPL) on fluorescent CSF tracer absorption into the systemic blood circulation. Methods BPL was performed by an i.v. administration of nitric oxide donor sodium nitroprusside (5 µg kg -1 min -1 ) or the Ca 2+ -channel blocker nicardipine hydrochloride (0.5 µg kg -1 min -1 ) for 10 and 15 to 40 mins, respectively. The effect of BPL on CSF clearance was investigated by measuring the efflux of fluorescent tracers (40 kDa FITC-dextran, 45 kDa Texas Red-conjugated ovalbumin) into blood and deep cervical lymph nodes. Results Nicardipine and sodium nitroprusside reduced blood pressure by 32.0 ± 19.6% and 22.0 ± 2.5%, while temporarily elevating in intracranial pressure by 14.0 ± 6.0% and 11.6 ± 2.0%, respectively. BPL significantly increased tracer accumulation into deep cervical lymph nodes and systemic circulation, but reduced perivascular inflow along penetrating arteries in the brain. The enhanced tracer efflux by BPL into the systemic circulation was markedly reduced (-66.7%) by ligation of lymphatic vessels draining into deep cervical lymph nodes. Conclusions This is the first study showing that CSF clearance can be improved with acute hypotensive treatment and that the effect of the treatment is reduced by ligation of a lymphatic drainage pathway. Enhanced CSF clearance by BPL may have therapeutic potential in diseases with dysregulated CSF flow.

Recently discovered glymphatic brain clearance mechanisms utilizing physiological pulsations have been shown to fail at removing waste materials such as amyloid and tau plaques in neurodegenerative diseases. Since cardiovascular pulsations are a main driving force of the clearance, this research investigates if commonly available blood oxygen level-dependent (BOLD) signals at 1.5 and 3 T could detect abnormal physiological pulsations in neurodegenerative diseases. Coefficient of variation in BOLD signal (CVBOLD) was used to estimate contribution of physiological signals in Alzheimer's disease (AD) and behavioural variant frontotemporal dementia (bvFTD). 17 AD patients and 18 bvFTD patients were compared to 24 control subjects imaged with a 1.5 T setup from a local institute. AD results were further verified with 3 T data from the Alzheimer's disease neuroimaging initiative (ADNI) repository with 30 AD patients and 40 matched controls. Effect of motion and gray matter atrophy was evaluated and receiver operating characteristic (ROC) analyses was performed. The CVBOLD was higher in both AD and bvFTD groups compared to controls (p < 0.0005). The difference was not explained by head motion or gray matter atrophy. In AD patients, the CVBOLD alterations were localized in overlapping structures in both 1.5 T and 3 T data. Localization of the CVBOLD alterations was different in AD than in bvFTD. Areas where CVBOLD is higher in patient groups than in control group involved periventricular white matter, basal ganglia and multiple cortical structures. Notably, a robust difference between AD and bvFTD groups was found in the CVBOLD of frontal poles. In the analysis of diagnostic accuracy, the CVBOLD metrics area under the ROC for detecting disease ranged 0.85-0.96. Conclusions: The analysis of brain physiological pulsations measured using CVBOLD reveals disease-specific alterations in both AD and bvFTD.

Abstract Infra-slow fluctuations (ISFs, 0.008-0.1 Hz) characterize hemodynamic and electric potential signals from the human brain. ISFs are known to correlate with the amplitude dynamics of fast (> 1 Hz) neuronal oscillations, and may arise from permeability fluctuations of the blood-brain barrier (BBB). Slow physiological pulsations such as respiration may also influence the amplitude dynamics of fast oscillations, but it remains uncertain if these processes track the fluctuations of fast cortical oscillations or act as their drivers. Moreover, possible effects of sleep and associated BBB permeability changes on such coupling are unknown. Here, we used non-invasive high-density full-band electroencephalography (EEG) in healthy human volunteers (N=21) to measure concurrently the ISFs, respiratory pulsations, and fast neuronal oscillations during periods of wakefulness and sleep, and to assess the strength and direction of their phase-amplitude coupling. The phases of ISFs and respiration were both coupled with the amplitude of fast neuronal oscillations, with stronger ISF coupling evident during sleep. Causality analysis robustly showed that the phase of ISF and respiration drove the amplitude dynamics of fast oscillations in sleeping and waking states. However, the net direction of modulation was stronger during the awake state, despite the stronger power and phase-amplitude coupling of slow signals during sleep. These findings show that the ISFs in slow cortical potentials and respiration together significantly determine the dynamics of fast cortical oscillations. We propose that these slow physiological phases are involved in coordinating cortical excitability, which is a fundamental aspect of brain function. Significance Statement Previously disregarded EEG infra-slow fluctuations (0.008-0.1 Hz) and slow physiological pulsations such as respiration have been attracting increasing research interest, which shows that both of these signals correlate with fast (> 1 Hz) neuronal oscillations. However, little has been known about the mechanisms underlying these interactions; for example, the direction of causality in this interaction has not hitherto been studied. Therefore, we investigated full-band EEG in healthy volunteers during wakefulness and sleep to determine if ISF and respiration phases drive neuronal amplitudes. Results showed that ISF and respiration are phase-amplitude coupled, and predict neuronal EEG rhythms. Thus, we conclude that fast neuronal rhythms in human brain are modulated by slower non-neural phenomena.

Abstract The glymphatic brain clearance mechanism convects brain cerebrospinal fluid driven by physiological pulsations such as cardiovascular and very low-frequency (VLF < 0.1 Hz) vasomotor waves. Presently, ultrafast functional magnetic resonance imaging (fMRI) facilitates the measurement of these signals from both venous and arterial compartments. In this study, we compared the interaction of these two pulsations in awake and sleep using fMRI and peripheral fingertip photoplethysmography in both arterial and venous signals in ten subjects (5 female). Sleep increased the power of brain cardiovascular pulsations, decreased peripheral pulsation and desynchronized them. Vasomotor waves, however, increase in both power and synchronicity in brain and peripheral signals during sleep. Peculiarly, vasomotor lag reversed in sleep within the default mode network vs. peripheral signal. Finally, sleep synchronized cerebral arterial vasomotion measured with cardiovascular hemodynamic envelope (CHe) vs. venous blood oxygenation level dependent (BOLD) signals in parasagittal brain tissue. These changes in power and pulsation synchrony may reflect differential changes in vascular control between the periphery and brain vasculature, while the increased synchrony of arterial and venous compartments may reflect increased convection of neurofluids in parasagittal areas in sleep. Statement of Significance This study shows that while sleep attenuated the cardiovascular synchrony and powers of pulsatility between the periphery and brain, it also increased brain tissue synchrony of venous and arterial vasomotor waves, specifically in the parasagittal regions. The study also shows that vasomotor waves increased in the human brain and the periphery during NREM sleep. Thus, sleep induces a whole-body vasomotor synchronization where the initiation of peripheral vasomotor waves is preceded within the default mode network area. Based on these results, we suggest that the synchronization of vasomotor waves may be a significant contributor to the enhancement of glymphatic fluid exchange in the human brain during sleep.