Abstract Humans adapt their learning strategies to changing environments by estimating the volatility of the reinforcement conditions. Here, we examine how volatility affects learning and the underlying functional brain organizations using a probabilistic reward reversal learning task. We found that the order of conditions was critically important; participants adjusted learning rate going from volatile to stable, but not from stable to volatile, environments. Subjective volatility of the environment was encoded in the striatal reward system and its dynamic connections with the prefrontal control system. Flexibility, which captures the dynamic changes of network modularity in the brain, was higher in the environmental transition from volatile to stable than from stable to volatile. These findings suggest that behavioral adaptations and dynamic brain organizations in transitions between stable and volatile environments are asymmetric, providing critical insights into the way that people learn under uncertainty.

Abstract Chronic stress and chronic pain are two major predisposing factors to trigger depression. Enhanced excitatory input to the lateral habenula (LHb) has been implicated in the pathophysiology of depression. However, the contribution of inhibitory transmission remains elusive. Here, we dissect an inhibitory projection from the sensory thalamic reticular nucleus (sTRN) to LHb, which is activated by acute aversive stimuli. However, chronic restraint stress (CRS) weakens sTRN-LHb synaptic strength, and this synaptic attenuation is indispensable for CRS-induced LHb neural hyperactivity and depression onset. Moreover, artificially inhibiting sTRN-LHb circuit induces depressive-like behaviors in healthy mice, while enhancing this circuit relieves depression induced by both chronic stress and chronic pain. Intriguingly, neither neuropathic pain nor comorbid pain in chronic stress is affected by this pathway. Together, our study demonstrates a novel sTRN-LHb circuit in establishing and modulating depression, thus shedding light on potential therapeutic targets for preventing or managing depression.

Abstract A fundamental aspect of human mental life is the seamless ability for integration of emotion and cognition. Despite progress regarding the spatial architecture of Emotion-Cognition Integration (ECI), the time course of ECI processes remains unclear. To examine the temporal organization of brain oscillations underpinning ECI, we simultaneously manipulated emotional valence of stimuli and cognitive task demand while recording electrophysiological responses of 61 participants. They were asked to complete tasks with low (body-part judgement) and high (laterality judgement) cognitive demand while viewing other people photographs that varied on dimensions of laterality (left or right), body-part (hand or foot), and emotional valence (pain or no pain). We found increased reaction times and error rates in pain versus no pain during laterality judgement relative to body-part judgement, suggesting reciprocal inhibition between emotion and cognition. EEG results showed that 1) emotion processing (valence) occurred first in the theta band from 144 to 372 ms; 2) cognitive processing (laterality) took place in the theta band from 332 to 608 ms; 3) emotional and cognitive processes were integrated in the alpha band from 268 ms and lasted to 800 ms. These findings reveal oscillatory dynamics of the processing and integration of emotion and cognition, providing further insights into the underlying neurophysiology. This may ultimately contribute to our understanding of ECI processing in psychopathology.

Abstract Humans are able to adapt to the fast-changing world by estimating statistical regularities of the environment. Although fear can profoundly impact adaptive behaviors, the neural mechanisms underlying this phenomenon remain elusive. Here, we conducted a behavioral experiment (n = 21) and a functional magnetic resonance imaging experiment (n = 37) with a novel cue-biased adaptation learning task, during which we simultaneously manipulated emotional valence (fearful/neutral expressions of the cue) and environmental volatility (frequent/infrequent reversals of reward probabilities). Across two experiments, computational modelling consistently revealed a higher learning rate for the environment with frequent versus infrequent reversals following neutral cues. In contrast, this flexible adjustment was absent in the environment with fearful cues, suggesting a suppressive role of fear in adaptation to environmental volatility. This suppressive effect was underpinned by activity of the posterior parietal cortex, ventral striatum, hippocampus and dorsal anterior cingulate cortex (dACC) as well as increased functional connectivity between the dACC and temporal-parietal junction (TPJ) for fear with environmental volatility. Dynamic causal modelling identified that the driving effect was located in the TPJ and was associated with dACC activation, suggesting that the suppression of fear on adaptive behaviors occurs at the early stage of bottom-up processing. These findings provide a neuro-computational account of how fear interferes with adaptation to volatility during dynamic environments.

Abstract Neuroimaging studies of hemodynamic fluctuations have shown specific network-based organization of the brain at rest, yet the neurophysiological underpinning of these networks in human brain remain unclear. Here, we recorded resting-state activities of neuronal populations in the key regions of default mode network (DMN, posterior cingulate cortex and medial prefrontal cortex), frontoparietal network (FPN, dorsolateral prefrontal cortex and inferior parietal lobule), and salience network (SN, anterior insula and dorsal anterior cingulate cortex) from 42 human participants using intracranial electroencephalogram (iEEG). We observed stronger within-network connectivity of the DMN, FPN and SN in broadband iEEG power, stronger phase synchronization within the DMN across theta and alpha bands, and weaker phase synchronization within the FPN in delta, theta and alpha band. We also found positive power correlations in high frequency band (70-170Hz) and negative power correlations in alpha and beta band for FPN-DMN and FPN-SN. Robust negative correlations in DMN-SN were found in alpha, beta and gamma band. These findings provide intracranial electrophysiological evidence in support of the network model for intrinsic organization of human brain and shed light on the way how the brain networks communicate at rest.

Interaction Information generalizes the univariate Shannon Entropy to triplets of variables, allowing the detection of redundant or synergetic interactions in dynamical networks. Here, we calculated interaction information from functional magnetic resonance imaging and asked whether redundancy or synergy vary across brain regions and along lifespan. We found high overlapping between the pattern of high redundancy and the default mode network, and this occurred along lifespan. The pattern of high values of synergy, more heterogeneous and variable along lifespan, was overlapping with different cognitive domains, such as spatial and temporal memory, emotion processing and motor skills. Moreover, the amount of redundancy and synergy seem to be balanced along lifespan, suggesting informational compensatory mechanisms in brain networks.

Abstract Chronic pain causes both physical suffering and comorbid mental disorders such as depression. However, the neural circuits and molecular mechanisms underlying these maladaptive behaviors remain elusive. Here, we report a pathway from vesicular glutamate transporter3 neurons in the dorsal raphe nucleus to dopamine neurons in the ventral tegmental area (VGluT3 DRN →DA VTA ), of which population activity in response to innocuous mechanical stimuli and sucrose consumption, is respectively inhibited and attenuated by chronic neuropathic pain. Mechanistically, neuropathic pain dampens VGluT3 DRN →DA VTA glutamatergic transmission and DA VTA neural excitability. VGluT3 DRN →DA VTA activation alleviates neuropathic pain and comorbid depression-like behavior (CDB) by releasing glutamate, which subsequently promotes DA release in the nucleus accumbens medial shell (NAcMed) and produces analgesia and antidepressant effects via D2 and D1 receptors, respectively. In addition, VGluT3 DRN →DA VTA inhibition produces pain-like hypersensitivity and depression-like behavior in healthy mice. These findings reveal a novel VGluT3 DRN →DA VTA →D2/D1 NAcMed pathway in establishing and modulating chronic pain and comorbid depressive-like behavior.

Anxiety-related illnesses are highly prevalent in human society. Being able to identify neurobiological markers signaling high trait anxiety could aid the assessment of individuals with high risk for mental illness. Here, we applied connectome-based predictive modeling (CPM) to whole-brain resting-state functional connectivity (rsFC) data to predict the degree of anxiety in 76 healthy participants. Using a computational “lesion” method in CPM, we then examined the weights of the identified main brain areas as well as their connectivity. Results showed that the CPM could predict individual anxiety from whole-brain rsFC, especially from limbic areas-whole brain and prefrontal cortex-whole brain. The prediction power of the model significantly decreased from (simulated) lesions of limbic areas, lesions of the connectivity within the limbic system, and lesions of the connectivity between limbic regions and the prefrontal cortex.Although the same model also predicted depression, anxiety-specific networks could be identified independently, centered at the prefrontal cortex. These findings highlight the important role of the limbic system and the prefrontal cortex in the prediction of anxiety. Our work provides evidence for the usefulness of connectome-based modeling of rsFC in predicting individual personality differences and indicates its potential for identifying personality structures at risk of developing psychopathology.