The size and metabolic rate of cells affect processes from the molecular to the organismal level. We present a quantitative, theoretical framework for studying relationships among cell volume, cellular metabolic rate, body size, and whole-organism metabolic rate that helps reveal the feedback between these levels of organization. We use this framework to show that average cell volume and average cellular metabolic rate cannot both remain constant with changes in body size because of the well known body-size dependence of whole-organism metabolic rate. Based on empirical data compiled for 18 cell types in mammals, we find that many cell types, including erythrocytes, hepatocytes, fibroblasts, and epithelial cells, follow a strategy in which cellular metabolic rate is body size dependent and cell volume is body size invariant. We suggest that this scaling holds for all quickly dividing cells, and conversely, that slowly dividing cells are expected to follow a strategy in which cell volume is body size dependent and cellular metabolic rate is roughly invariant with body size. Data for slowly dividing neurons and adipocytes show that cell volume does indeed scale with body size. From these results, we argue that the particular strategy followed depends on the structural and functional properties of the cell type. We also discuss consequences of these two strategies for cell number and capillary densities. Our results and conceptual framework emphasize fundamental constraints that link the structure and function of cells to that of whole organisms.

Abstract Humans have the capacity to persist in behavioural policies, even in challenging environments that lack immediate reward. Our persistence is the scaffold on which many higher executive functions are built. However, it remains unclear whether humans are uniquely persistent or, instead, if this capacity is widely conserved across species. To address this question, we compared humans with mice and monkeys in harmonised versions of an uncertain decision-making task. The task encouraged all species to strike a balance between persistently exploiting one policy and exploring alternative policies that could become better at any moment. Although all three species had similar strategies, we found that both primate species—humans and monkeys—were able to persist in exploitation for much longer than the mice. We speculate that the similarities in persistence patterns in humans and monkeys, as opposed to mice, may be linked to ecological, neurobiological, or cognitive factors that differ systematically between these species. Teaser Humans, monkeys and mice use similar decision-making strategies, but exploit valuable options for different lengths of time.

ABSTRACT The ability to perform motor actions depends, in part, on the brain’s initial state, that is, the ensemble firing rate pattern prior to the initiation of action. We hypothesized that the same principle would apply to cognitive functions as well. To test this idea, we examined a unique set of single unit data collected in human dorsolateral prefrontal (dlPFC) cortex. Data were collected in a conflict task that interleaves Simon (motor-type) and Eriksen (flanker-type) conflict trials. In dlPFC, variability in pre-trial firing rate predicted the ability to resolve conflict, as inferred from reaction times. Ensemble patterns that predicted faster Simon reaction times overlapped slightly with those predicting Erikson performance, indicating that the two conflict types are associated with near-orthogonal initial states, and suggesting that there is a weak abstract or amodal conflict preparatory state in this region. These codes became fully orthogonalized in the response state. We interpret these results in light of the initial state hypothesis, arguing that the firing patterns in dlPFC immediately preceding the start of a task predispose it for the efficient implementation of cognitive action.

Abstract How do we make good decisions in uncertain environments? In psychology and neuroscience, the classic answer is that we calculate the value of each option and then compare the values to choose the most rewarding, modulo some exploratory noise. An ethologist, conversely, would argue that we commit to one option until its value drops below a threshold, at which point we start exploring other options. In order to determine which view better describes human decision-making, we developed a novel, foraging-inspired sequential decision-making model and used it to ask whether humans compare to threshold (“Forage”) or compare alternatives (“Reinforcement-Learn” [RL]). We found that the foraging model was a better fit for participant behavior, better predicted the participants’ tendency to repeat choices, and predicted the existence of held-out participants with a pattern of choice that was almost impossible under RL. Together, these results suggest that humans use foraging computations, rather than RL, even in classic reinforcement learning tasks.

Exploration-exploitation decision-making is a feature of daily life that is altered in a number of neuropsychiatric conditions. Humans display a range of exploration and exploitation behaviors, which can be affected by apathy and anxiety. It remains unknown how factors underlying decision-making generate the spectrum of observed exploration-exploitation behavior and how they relate to states of anxiety and apathy. Here, we report a latent structure underlying sequential exploration and exploitation decisions that explains variation in anxiety and apathy. 1001 participants in a gender-balanced sample completed a three-armed restless bandit task along with psychiatric symptom surveys. Using dimensionality reduction methods, we found that decision sequences reduced to a low-dimensional manifold. The axes of this manifold explained individual differences in the balance between states of exploration and exploitation and the stability of those states, as determined by a statistical mechanics model of decision-making. Position along the balance axis was correlated with opposing symptoms of behavioral apathy and anxiety, while position along the stability axis correlated with the level of emotional apathy. This result resolves a paradox over how these symptoms can be correlated in samples but have opposite effects on behavior. Furthermore, this work provides a basis for using behavioral manifolds to reveal relationships between behavioral dynamics and affective states, with important implications for behavioral measurement approaches to neuropsychiatric conditions.

Sleep serves disparate functions, most notably neural repair, metabolite clearance and circuit reorganization, yet the relative importance of these functions remains hotly debated. Here, we create a novel mechanistic framework for understanding and predicting how sleep changes during ontogeny (why babies sleep twice as long as adults) and across phylogeny (why mice sleep roughly five times that of whales). We use this theory to quantitatively distinguish between sleep used for neural reorganization versus repair. We conduct a comprehensive, quantitative analysis of human sleep using total sleep time, cerebral metabolic rate, brain size, synaptic density, and REM sleep (used here to also refer to Active Sleep in infants and children). Our findings reveal an abrupt transition, between 2 and 3 years of age in humans. Specifically, our results show that differences in sleep across phylogeny and during late ontogeny (after 2 or 3 years in humans) are primarily due to sleep functioning for repair or clearance, while changes in sleep during early ontogeny (before 2 - 3 years in humans) primarily support neural reorganization and learning. Moreover, our analysis shows that neuroplastic reorganization occurs primarily in REM sleep but not in NREM. In accordance with the developmental role of neuroplasticity, the percent of time spent in REM sleep is independent of brain size across species but decreases dramatically as brain size grows through development. Furthermore, the ratio of NREM sleep time to awake time emerges as a new invariant across development. This developmental transition and fundamental shift across ontogeny and phylogeny suggests a complex interplay between developmental and evolutionary constraints on sleep.

Decision-making in uncertain environments often leads to varied outcomes. Understanding how individuals interpret the causes of unexpected feedback is crucial for adaptive behavior and mental well-being. Uncertainty can be broadly categorized into two components: volatility and stochasticity. Volatility is about how quickly conditions change, impacting results. Stochasticity, on the other hand, refers to outcomes affected by random chance or "luck". Understanding these factors enables individuals to have more effective environmental analysis and strategy implementation (explore or exploit) for future decisions. This study investigates how anxiety and apathy, two prevalent affective states, influence the perceptions of uncertainty and exploratory behavior. Participants (N = 1001) completed a restless three-armed bandit task that was analyzed using latent state models. Anxious individuals perceived uncertainty as more volatile, leading to