Using The Virtual Brain (TVB, thevirtualbrian.org) simulation platform, we explored for 50 individual adult human brains (ages 18-80), how personalized connectome based brain network modelling captures various empirical observations as measured by functional magnetic resonance imaging (fMRI) and electroencephalography (EEG). We compare simulated activity based on individual structural connectomes (SC) inferred from diffusion weighted imaging with fMRI and EEG in the resting state. We systematically explore the role of the following model parameters: conduction velocity, global coupling and graph theoretical features of individual SC. First, a subspace of the parameter space is identified for each subject that results in realistic brain activity, i.e. reproducing the following prominent features of empirical EEG-fMRI activity: topology of resting-state fMRI functional connectivity (FC), functional connectivity dynamics (FCD), electrophysiological oscillations in the delta (3-4 Hz) and alpha (8-12 Hz) frequency range and their bimodality, i.e. low and high energy modes. Interestingly, FCD fit, bimodality and static FC fit are highly correlated. They all show their optimum in the same range of global coupling. In other words, only when our local model is in a bistable regime we are able to generate switching of modes in our global network. Second, our simulations reveal the explicit network mechanisms that lead to electrophysiological oscillations, their bimodal behaviour and inter-regional differences. Third, we discuss biological interpretability of the Stefanescu-Jirsa-Hindmarsh-Rose-3D model when embedded inside the large-scale brain network and mechanisms underlying the emergence of bimodality of the neural signal. With the present study, we set the cornerstone for a systematic catalogue of spatiotemporal brain activity regimes generated with the connectome-based brain simulation platform The Virtual Brain.

Functional Connectivity (FC) in resting-state or task conditions is not frozen but inherently dynamic. Yet, there is no consensus on whether fluctuations in FC resemble isolated transitions between discrete FC states rather than continuous changes. This quarrel hampered advancing the study of dynamic FC. This is unfortunate as the structure of fluctuations in FC can provide crucial information about developmental changes, aging, or progression of pathologies. We merge the two perspectives and consider dynamic FC as continuous network reconfiguration, including a stochastic exploration of the space of possible steady FC states. The statistical properties of this random walk deviate both from an “order-driven” dynamics, in which the mean FC is preserved, and from a “randomness-driven” scenario, in which fluctuations of FC remain uncorrelated over time. Instead, dynamic FC turns out to have a complex structure endowed with long-range sequential correlations giving rise to transient slowing and acceleration epochs in the continuous flow of reconfiguration. When applying our analysis to an fMRI dataset in healthy elderly, we find that the dynamic FC tends to slow down, becomes less complex and more random with increasing age. All these effects are strongly associated with age-related changes in cognitive performance.Highlights * rs : resting-state RSN : resting-state network fMRI : functional magnetic resonance imaging BOLD : blood oxygen level dependent SC : structural connectivity FC : functional connectivity d FC : dynamic functional connectivity DFA : detrended fluctuation analysis MoCA : Montreal Cognitive Assessment SO : spectral overlap

Structural connectivity (SC), the physical pathways connecting regions in the brain, and functional connectivity (FC), the temporal co-activations, are known to be tightly linked. However, the nature of this relationship is still not understood. In the present study, we examined this relation more closely in six separate human neuroimaging datasets with different acquisition and preprocessing methods. We show that using simple linear associations, the relation between an individual's SC and FC is not subject specific for five of the datasets. Subject-specificity of SC/FC fit is achieved only for one of the six datasets, the multi-modal Glasser HCP parcellated dataset. We show that subject specificity of SC/FC correspondence is limited across datasets due to relatively small variability between subjects in the SC compared to the larger variability in FC.

The unique mapping of structural and functional brain connectivity (SC, FC) on cognition is currently not well understood. It is not clear whether cognition is mapped via a global connectome pattern or instead is underpinned by several sets of distributed connectivity patterns. Moreover, we also do not know whether the pattern of SC and of FC that underlie cognition are overlapping or distinct. Here, we study the relationship between SC and FC and an array of psychological tasks in 609 subjects from the Human Connectome Project (HCP). We identified several sets of connections that each uniquely map onto different aspects of cognitive function. We found a small number of distributed SC and a larger set of cortico-cortical and cortico-subcortical FC that express this association. Importantly, SC and FC each show unique and distinct patterns of variance across subjects and differential relationships to cognition. The results suggest that a complete understanding of connectome underpinnings of cognition calls for a combination of the two modalities.