ZM
Zakir Mridha
Author with expertise in Neuronal Oscillations in Cortical Networks
Achievements
Open Access Advocate
Cited Author
Key Stats
Upvotes received:
0
Publications:
5
(60% Open Access)
Cited by:
10
h-index:
4
/
i10-index:
2
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
28

Strategic stabilization of arousal boosts sustained attention

Jan Gee et al.Mar 6, 2022
Summary Changes in autonomic arousal, such as mounting sleep pressure, and changes in motivation, such as fluctuating environmental reward statistics, both profoundly influence behavior. Our experience tells us that we have some capacity to control our arousal when doing so is important, such as staying awake while driving a motor vehicle. However, little is known about how decision computations are jointly influenced by arousal and motivation, including whether animals, such as rodents, can adapt their arousal state to their needs. Here, we developed and show results from an auditory feature-based sustained-attention task with intermittently shifting task utility. We use pupil size to estimate arousal across a wide range of states and apply novel signal detection theoretic and accumulation-to-bound modeling approaches in a large behavioral cohort. We find that both pupil-linked arousal and task utility have major impacts on multiple aspects of performance. Although substantial arousal fluctuations persist across utility conditions, mice partially stabilize their arousal near an intermediate, and optimal, level when task utility is high. Behavioral analyses show that multiple elements of behavior improve during high task utility and that arousal influences some, but not all, of them. Specifically, arousal influences the likelihood and timescale of sensory evidence accumulation, but not the quantity of evidence accumulated per time step while attending. In sum, the results establish specific decision-computational signatures of arousal, motivation, and their interaction, in attention. So doing, we provide an experimental and analysis framework for studying arousal self-regulation in neurotypical brains and diseases such as attention-deficit/hyperactivity disorder.
0

Strategic stabilization of arousal boosts sustained attention

Jan Gee et al.Aug 1, 2024
Arousal and motivation interact to profoundly influence behavior. For example, experience tells us that we have some capacity to control our arousal when appropriately motivated, such as staying awake while driving a motor vehicle. However, little is known about how arousal and motivation jointly influence decision computations, including if and how animals, such as rodents, adapt their arousal state to their needs. Here, we developed and show results from an auditory, feature-based, sustained-attention task with intermittently shifting task utility. We use pupil size to estimate arousal across a wide range of states and apply tailored signal-detection theoretic, hazard function, and accumulation-to-bound modeling approaches in a large cohort of mice. We find that pupil-linked arousal and task utility both have major impacts on multiple aspects of task performance. Although substantial arousal fluctuations persist across utility conditions, mice partially stabilize their arousal near an intermediate and optimal level when task utility is high. Behavioral analyses show that multiple elements of behavior improve during high task utility and that arousal influences some, but not all, of them. Specifically, arousal influences the likelihood and timescale of sensory evidence accumulation but not the quantity of evidence accumulated per time step while attending. In sum, the results establish specific decision-computational signatures of arousal, motivation, and their interaction in attention. So doing, we provide an experimental and analysis framework for studying arousal self-regulation in neurotypical brains and in diseases such as attention-deficit/hyperactivity disorder.
0

Simultaneously-recorded cholinergic axons and cortical acetylcholine are highly correlated with pupil size and locomotion under spontaneous conditions

Erin Neyhart et al.Jan 1, 2023
Even under spontaneous conditions and in the absence of changing environmental demands, awake animals alternate between moments of increased alertness and moments of torpor or disengagement. These changes in brain state can occur rapidly, on a timescale of seconds, and may be correlated with overt changes in exploratory behaviors (walking and whisking) or they may be more covert, with no external correlates except for changes in pupil size. Neuromodulators such as acetylcholine (ACh) are thought to play an important role in driving these spontaneous state transitions, and cholinergic activity in cortex has been monitored via calcium imaging of cholinergic axons and with new genetically-encoded fluorescent neuromodulator sensors. Here, we perform the first simultaneous imaging of sensors and axons in vivo, to examine the spatiotemporal properties of cortical acetylcholine (ACh) release during spontaneous changes in behavioral state. As has been previously reported, periods of locomotion were accompanied by large increases in ACh levels across the dorsal cortex, and pupil size tracked smaller, more rapid changes in ACh during periods of quiescence. We observed a high correlation between simultaneously-recorded basal forebrain axon activity and neuromodulator sensor fluorescence. Consistent with volume transmission of ACh, increases in axon activity resulted in increases in local ACh levels that fell off with the distance from the nearest axon. GRAB-ACh fluorescence could be accurately predicted from axonal activity alone, providing the first validation that neuromodulator axon activity is a reliable proxy for nearby neuromodulator levels. To more precisely understand the temporal kinetics of ACh, we applied a deconvolution approach to account for the kinetics of the ACh sensor. Deconvolution of fluorescence traces emphasized the rapid clearance of ACh, especially for smaller transients outside of running periods. Finally, we trained a predictive model of ACh fluctuations from the combination of pupil size and running speed; this model performed better than using either variable alone, and generalized well to unseen data. Overall, these results contribute to a growing understanding of the precise timing and spatial characteristics of cortical ACh during fast brain state transitions under spontaneous conditions.