Significance Cognitive flexibility is hypothesized to require dynamic integration between brain areas. However, the time-dependent nature and distributed complexity of this integration remains poorly understood. Using recent advances in network science, we examine the functional integration between brain areas during a quintessential task that requires executive function. By linking brain regions (nodes) by their interactions (time-dependent edges), we uncover nontrivial modular structure: groups of brain regions cluster together into densely interconnected structures whose interactions change during task execution. Individuals with greater network reconfiguration in frontal cortices show enhanced memory performance, and score higher on neuropsychological tests challenging cognitive flexibility, suggesting that dynamic network reconfiguration forms a fundamental neurophysiological mechanism for executive function.

Characterizing the brain connectome using neuroimaging data and measures derived from graph theory emerged as a new approach that has been applied to brain maturation, cognitive function and neuropsychiatric disorders. For a broad application of this method especially for clinical populations and longitudinal studies, the reliability of this approach and its robustness to confounding factors need to be explored. Here we investigated test–retest reliability of graph metrics of functional networks derived from functional magnetic resonance imaging (fMRI) recorded in 33 healthy subjects during rest. We constructed undirected networks based on the Anatomic-Automatic-Labeling (AAL) atlas template and calculated several commonly used measures from the field of graph theory, focusing on the influence of different strategies for confound correction. For each subject, method and session we computed the following graph metrics: clustering coefficient, characteristic path length, local and global efficiency, assortativity, modularity, hierarchy and the small-worldness scalar. Reliability of each graph metric was assessed using the intraclass correlation coefficient (ICC). Overall ICCs ranged from low to high (0 to 0.763) depending on the method and metric. Methodologically, the use of a broader frequency band (0.008–0.15 Hz) yielded highest reliability indices (mean ICC = 0.484), followed by the use of global regression (mean ICC = 0.399). In general, the second order metrics (small-worldness, hierarchy, assortativity) studied here, tended to be more robust than first order metrics. In conclusion, our study provides methodological recommendations which allow the computation of sufficiently robust markers of network organization using graph metrics derived from fMRI data at rest.

Significance Converging evidence points to a role for glutamate and altered brain network dynamics in schizophrenia, but the molecular and genetic contributions are poorly understood. Here, we applied dynamic network neuroscience methods to neuroimaging working memory data to identify potential alterations in brain network flexibility related to schizophrenia genetic risk and N -methyl- d -aspartate (NMDA) receptor hypofunction. Consistent with altered network dynamics, we detected significant increases in brain network flexibility in patients with schizophrenia, healthy first-degree relatives, and healthy subjects receiving a single dose of an NMDA receptor antagonist. Our data identify a potential dynamic network intermediate phenotype related to the genetic risk for schizophrenia and point to a critical role for glutamate in the temporal coordination of neural networks and the pathophysiology of schizophrenia.

Abstract Substance use disorders (SUDs) are seen as a continuum ranging from goal‐directed and hedonic drug use to loss of control over drug intake with aversive consequences for mental and physical health and social functioning. The main goals of our interdisciplinary German collaborative research centre on Losing and Regaining Control over Drug Intake (ReCoDe) are (i) to study triggers (drug cues, stressors, drug priming) and modifying factors (age, gender, physical activity, cognitive functions, childhood adversity, social factors, such as loneliness and social contact/interaction) that longitudinally modulate the trajectories of losing and regaining control over drug consumption under real‐life conditions. (ii) To study underlying behavioural, cognitive and neurobiological mechanisms of disease trajectories and drug‐related behaviours and (iii) to provide non‐invasive mechanism‐based interventions. These goals are achieved by: (A) using innovative mHealth (mobile health) tools to longitudinally monitor the effects of triggers and modifying factors on drug consumption patterns in real life in a cohort of 900 patients with alcohol use disorder. This approach will be complemented by animal models of addiction with 24/7 automated behavioural monitoring across an entire disease trajectory; i.e. from a naïve state to a drug‐taking state to an addiction or resilience‐like state. (B) The identification and, if applicable, computational modelling of key molecular, neurobiological and psychological mechanisms (e.g., reduced cognitive flexibility) mediating the effects of such triggers and modifying factors on disease trajectories. (C) Developing and testing non‐invasive interventions (e.g., Just‐In‐Time‐Adaptive‐Interventions (JITAIs), various non‐invasive brain stimulations (NIBS), individualized physical activity) that specifically target the underlying mechanisms for regaining control over drug intake. Here, we will report on the most important results of the first funding period and outline our future research strategy.

Increasing psychological flexibility is considered an important mechanism of change in psychotherapy across diagnoses. In particular, Acceptance and Commitment Therapy (ACT) primarily aims at increasing psychological flexibility in order to live a more fulfilling and meaningful life. The purpose of this study is to examine 1) how psychological flexibility changes during an ACT-based treatment in a transdiagnostic day hospital and 2) how this change is related to changes in symptomatology, quality of life, and general level of functioning.

Abstract The modulation of instrumental action by conditioned Pavlovian cues is hypothesized to play a role in the emergence and maintenance of maladaptive behavior. The Pavlovian-to-instrumental transfer (PIT) task is designed to examine the magnitude of the influence of cues on behavior and we aim to manipulate the motivational value of Pavlovian cues to reduce their effect on instrumental responding. To this end, we utilized a joystick-based modification of approach and avoidance propensities that has shown success in clinical populations. In 35 healthy subjects, we examined changes in PIT after completion of either avoidance training or sham training. We found no effect of training on approach avoidance propensities but higher response rate towards negative stimuli during PIT after systematic avoidance training compared to sham training. On the other hand, we saw an increased PIT effect after sham training. These results imply that training can alter the strength of the influence of cues on instrumental behavior and suggest training to be beneficial in reducing environmental triggers of maladaptive behavior.

While an increased impact of cues on decision-making has been associated with substance dependence, it is yet unclear whether this is also a phenotype of non-substance related addictive disorders, such as gambling disorder (GD). To better understand the basic mechanisms of impaired decision-making in addiction, we investigated whether cue-induced changes in decision-making could distinguish GD from healthy control (HC) subjects. We expected that cue-induced changes in gamble acceptance and specifically in loss aversion would distinguish GD from HC subjects.30 GD subjects and 30 matched HC subjects completed a mixed gambles task where gambling and other emotional cues were shown in the background. We used machine learning to carve out the importance of cue-dependency of decision-making and of loss aversion for distinguishing GD from HC subjects.Cross-validated classification yielded an area under the receiver operating curve (AUC-ROC) of 68.9% (p=0.002). Applying the classifier to an independent sample yielded an AUC-ROC of 65.0% (p=0.047). As expected, the classifier used cue-induced changes in gamble acceptance to distinguish GD from HC. Especially increased gambling during the presentation of gambling cues characterized GD subjects. However, cue-induced changes in loss aversion were irrelevant for distinguishing GD from HC subjects. To our knowledge, this is the first study to investigate the classificatory power of addiction-relevant behavioral task parameters when distinguishing GD from HC subjects. The results indicate that cue-induced changes in decision-making are a characteristic feature of addictive disorders, independent of a substance of abuse.Remarks To ensure a more convenient reviewing process, we positioned figures and tables at their destined position.

Gambling disorder is a serious psychiatric condition characterized by decision-making and reward processing impairments that are associated with dysfunctional brain activity in the orbitofrontal cortex (OFC). However, it remains unclear whether OFC functional abnormalities in gambling disorder are accompanied by structural abnormalities. We addressed this question by examining the organization of sulci and gyri in the OFC. This organization is in place very early and stable across life, such that OFC sulcogyral patterns (classified into Type I, II and III) can be regarded as potential pre-morbid markers of pathological conditions. We gathered structural brain data from nine existing studies, reaching a total of 165 individuals with gambling disorder and 159 healthy controls. Our results, supported by both frequentist and Bayesian statistics, show that the distribution of OFC sulcogyral patterns is skewed in individuals with gambling disorder, with an increased prevalence of Type II pattern compared with healthy controls. Examination of gambling severity did not reveal any significant relationship between OFC sulcogyral patterns and disease severity. Altogether, our results provide evidence for a skewed distribution of OFC sulcogyral patterns in gambling disorder, and suggest that pattern Type II might represent a pre-morbid structural brain marker of the disease. It will be important to investigate more closely the functional implications of these structural abnormalities in future work.

Background: Just as substance use disorders (SUDs), gambling disorder (GD) is characterized by an increase in cue-dependent decision-making (similar to Pavlovian-to-instrumental transfer, PIT). PIT, as studied in SUDs and healthy subjects, is associated with altered communication between Nucleus Accumbens (NAcc), amygdala, and orbitofrontal cortex (OFC). These neural differences are, however, poorly understood. For example, it is unclear whether they are due to the physiological effects of substance abuse, or rather related to learning processes and/or other etiological factors like innate traits associated with addiction. We have thus investigated whether network activation patterns during a PIT task are also altered in GD, an addictive disorder not involving substance abuse. We have specifically studied which neural PIT patterns were best at distinguishing GD from HC subjects, all to improve our understanding of the neural signatures of GD and of addiction-related PIT in general. Methods: 30 GD and 30 HC subjects completed an affective decision-making task in a functional magnetic resonance imaging (fMRI) scanner. Gambling associated and other emotional cues were shown in the background during the task, allowing us to record multivariate neural PIT signatures focusing on a network of NAcc, amygdala and OFC. We built and tested a classifier based on these multivariate neural PIT signatures using cross-validated elastic net regression. Results and Discussion: As expected, GD subjects showed stronger PIT than HC subjects because they showed stronger increase in gamble acceptance when gambling cues were presented in the background. Classification based on neural PIT signatures yielded a significant AUC-ROC (0.70, p = 0.013). When inspecting the features of the classifier, we observed that GD showed stronger PIT-related functional connectivity between NAcc and amygdala elicited by gambling background cues, as well as between amygdala and OFC elicited by negative and positive cues. Conclusion: We propose that HC and GD subjects are distinguishable by PIT-related neural signatures including amygdala-NAcc-OFC functional connectivity. Our findings suggest that neural PIT alterations in addictive disorders might not depend on the physiological effect of a substance of abuse, but on related learning processes or even innate neural traits, also found in behavioral addictions.