Abstract Objectives In healthy aging, the way people differently cope with cognitive and neural decline is influenced by the exposure to cognitively enriching life-experiences. Education is one of them, so that in general the higher the education the better the expected cognitive performance in aging. At the neural level, it is not clear yet whether education can differentiate resting state functional connectivity profiles and their cognitive underpinnings. Thus, with this study, we aimed to investigate whether the variable education allowed for a finer description of age-related differences in cognition and resting state FC. Methods We analyzed in 197 healthy individuals (137 young adults aged 20-35, and 60 older adults aged 55-80 from the publicly available LEMON database), a pool of cognitive and neural variables, derived from magnetic resonance imaging, in relation to education. Firstly, we assessed age-related differences, by comparing young and older adults. Then, we investigated the possible role of education in outlining such differences, by splitting the group of older adults based on their education. Results In terms of cognitive performance, older adults with higher education and young adults were comparable in language and executive functions. Interestingly, they had a wider vocabulary compared to young adults and older adults with lower education. Concerning functional connectivity, the results showed significant age- and education-related differences within three networks: the Visual-Medial, the Dorsal Attentional and the Default Mode network (DMN). For the DMN, we also found a relationship with memory performance, which strengthen the evidence that this network has a specific role in linking cognitive maintenance and FC at rest in healthy aging. Discussion Our study revealed that education contributes to differentiate cognitive and neural profiles in healthy older adults. Also, the DMN could be a key network in this context, as it may reflect some compensatory mechanisms relative to memory capacities in older adults with higher education.

Abstract Magnetoencephalography and electroencephalography (M/EEG) seed-based connectivity analysis requires the extraction of measures from regions of interest (ROI). M/EEG ROI-derived source activity can be treated in different ways. It is possible, for instance, to average each ROI’s time series prior to calculating connectivity measures. Alternatively, one can compute connectivity maps for each element of the ROI prior to dimensionality reduction to obtain a single map. The impact of these different strategies on connectivity results is still unclear. Here, we address this question within a large MEG resting state cohort (N=113) and within simulated data. We consider 68 ROIs (Desikan-Kiliany atlas), two measures of connectivity (phase locking value-PLV, and its imaginary counterpart- ciPLV), three frequency bands (theta 4-8 Hz, alpha 9-12 Hz, beta 15-30 Hz). We compare four extraction methods: (i) mean, or (ii) PCA of the activity within the seed or ROI before computing connectivity, map of the (iii) average, or (iv) maximum connectivity after computing connectivity for each element of the seed. Hierarchical clustering in then applied to compare connectivity outputs across multiple strategies, followed by direct contrasts across extraction methods. Finally, the results are validated by using a set of realistic simulations. We show that ROI-based connectivity maps vary remarkably across strategies in terms of connectivity magnitude and spatial distribution. Dimensionality reduction procedures conducted after computing connectivity are more similar to each-other, while PCA before approach is the most dissimilar to other approaches. Although differences across methods are consistent across frequency bands, they are influenced by the connectivity metric and ROI size. Greater differences were observed for ciPLV than PLV, and in larger ROIs. Realistic simulations confirmed that after aggregation procedures are generally more accurate but have lower specificity (higher rate of false positive connections). Though computationally demanding, after dimensionality reduction strategies should be preferred when higher sensitivity is desired. Given the remarkable differences across aggregation procedures, caution is warranted in comparing results across studies applying different methods.

Aging is associated with changes in the oscillatory (periodic) brain activity in the alpha band (8-12 Hz), as measured with resting-state EEG (rsEEG), and it is characterized by significantly lower alpha frequency and power. Aging can influence the aperiodic component of the power spectrum: at a higher age, the slope flattens, and it may show a significant relationship with cognitive performance. However, it is unclear whether education, a cognitive reserve proxy known for its modulatory role on cognition, may influences such relationship. N=179 healthy participants from the LEMON dataset (Babayan et al., 2019) were classified into three groups based on age and education: young adults (N=123) 20-35 years old with high education, older adults 60-77 years old with high (N=24) and low (N=32) education. Eyes-closed rsEEG power spectrum was decomposed at the occipital level with specparam method. Individual Alpha Peak Frequency, exponent, and offset were analyzed in their relationship with cognitive abilities. Results show lower IAPF, exponent, and offset in older as compared to younger adults. Furthermore, visual attention and working memory were differently predicted by the aperiodic rsEEG component depending on educational levels: in older adults with higher education, increasing exponent predicted slower processing speed and less working memory capacity, with an opposite trend in those with lower education. Although further investigations are necessary, this study shows a potential modulatory role of education and other cognitive reserve proxies in the relationship between aperiodic rsEEG and cognition in aging.

The integration of an artificial limb as part of one9s body involves complex neuroplastic changes resulting from various sensory inputs to the brain. While sensory feedback is known to be crucial for embodiment, current evidence points merely to the attenuation of somatosensory processing, while the positive contributions of somatosensory areas to embodiment remain unknown. This study investigated the relationship between embodiment and adaptive neuroplasticity of early-latency somatosensory evoked fields (SEFs) in the primary somatosensory cortex (S1) following the Rubber Hand Illusion (RHI), known to induce short- term artificial limb embodiment. Nineteen healthy adults underwent neuromagnetic recordings during electrical stimulation of the little finger and thumb, before and after the RHI. We found a displacement of early SEF sources. In particular, we observed a correlation between the extent of rubber hand embodiment and specific changes to the m20 component (magnetic equivalent to the N20) in Brodmann Area 3b: a larger displacement and a greater reduction in m20 magnitude predicted the amount of embodiment, highlighting an important functional contribution of this first cortical input. Furthermore, we observed a posteriorly directed m35 displacement towards Area 1, known to be important for visual integration during touch perception (Rosenthal et al., 2023). Our finding that the larger displacement for the m35 did not correlate with the extent of embodiment implies a functional distinction between neuroplastic changes across these two components and areas in their contributions to successful artificial limb embodiment: (i) the earlier neuroplastic changes to m20 may shape the extent of artificial limb ownership, and (ii) the posteriorward shift of the m35 into Area 1 is suggestive of a mechanistic contribution to early visual-tactile integration that initially establishes the embodiment. Taken together, these findings suggest that multiple distinct changes occur during early-latency SEFs and their displacement in S1 last beyond the duration of the illusion and are important for the successful integration of an artificial limb within the body representation.

In the domain of cognitive studies on the lexico-semantic representational system, one of the most important means of ensuring well-suited experimental designs is using ecological stimulus sets accompanied by normative data on the most relevant variables affecting the processing of their items. In the context of image sets, color photographs are particularly suited for this aim as they reduce the difficulty of visual decoding processes that may emerge with traditional image sets of line drawings, especially in clinical populations. We provide Italian norms for a set of 357 high quality image-items belonging to 23 semantic subcategories. Data from several variables affecting image processing: age of acquisition, familiarity, lexical frequency, manipulability, name agreement, typicality and visual complexity; were collected from a sample of 255 Italian-speaking participants. Lexical frequency data were derived from the CoLFIS corpus. Furthermore, we collected data with on image naming latencies aimed at exploring how much of the variance in these latencies could be explained by the above mentioned critical variables. Multiple regression analyses on the naming latencies show classical psycholinguistic phenomena, such as the effects of age of acquisition and name agreement. In addition, manipulability is also a significant predictor. The described Italian normative data and naming latencies are available for download as supplementary material.

Abstract The discovery that human brain connectivity data can be used as a “fingerprint” to identify a given individual from a population, has become a burgeoning research area in the neuroscience field. Recent studies have identified the possibility to extract these brain signatures from the temporal rich dynamics of resting-state magnetoencephalography (MEG) recordings. However, to what extent MEG signatures constitute a marker of human identifiability when engaged in task-related behavior remains an open question. Here, using MEG data from naturalistic and neurophysiological tasks, we show that identification improves in tasks relative to resting-state, providing compelling evidence for a task dependent axis of MEG signatures. Notably, improvements in identifiability were more prominent in strictly controlled tasks. Lastly, the brain regions contributing most towards individual identification were also modified when engaged in task activities. We hope that this investigation advances our understanding of the driving factors behind brain identification from MEG signals.

Abstract Background Magnetoencephalography (MEG) is a widely used non-invasive tool to estimate brain activity with high temporal resolution. However, due to the ill-posed nature of the MEG source imaging (MSI) problem, the ability of MSI to identify accurately underlying brain sources along the cortical surface is still uncertain and requires validation. Method We validated the ability of MSI to estimate the background resting state activity of 45 healthy participants by comparing it to the intracranial EEG (IEEG) atlas ( https://mni-open-ieegatlas.research.mcgill.ca/ ). First, we applied wavelet-based Maximum Entropy on the Mean (wMEM) as an MSI technique. Next, we converted MEG source maps into intracranial space, by applying a forward model to the MEG reconstructed source maps and estimated virtual IEEG (VIEEG) potentials on each IEEG channel location and quantitatively compared those with actual IEEG signals from the atlas for 38 regions of interest in the canonical frequency bands. Results The MEG spectra were more accurately estimated in the lateral regions compared to the medial regions. The regions with higher amplitude in the VIEEG than in the IEEG were more accurately recovered. In the deep regions, MEG estimated amplitudes were largely underestimated and the spectra were poorly recovered. Moreover, the MEG largely overestimated oscillatory peaks in the alpha band, especially in the anterior and deep regions. This is possibly due to higher phase synchronization of alpha oscillations over extended regions, exceeding the spatial sensitivity of IEEG but detected by MEG. Importantly, we found that MEG estimated spectra were more comparable to spectra from the IEEG atlas after the aperiodic components were removed. Conclusion This study identifies brain regions and frequencies for which MEG source analysis is likely to be reliable, a promising step towards resolving the uncertainty in recovering intracerebral activity from non-invasive MEG studies. Highlights Validation of MEG source imaging with intracranial EEE atlas Assessment of resting state human brain oscillations from healthy brain Adapted source imaging method, wMEM, to localize resting state oscillations Identified brain regions with oscillations accurately estimated by MEG MEG estimated spectra dominated by oscillations in the alpha band

Abstract The present study investigates whether predictions during language comprehension are generated by engaging the production system. We recorded EEG from participants performing both a comprehension and a production task in two separate blocks. Participants listened to high and low constraint incomplete sentences and were asked either to name a picture to complete it (production) or to simply listen to the final word (comprehension). We found that in a silent gap before the final stimulus, predictable stimuli elicited alpha (8-10 Hz) and beta (13-30 Hz) desynchronization in both tasks. Source estimation highlighted not only the involvement of the left-lateralized language network, but also of temporo-parietal areas in the right hemisphere. Furthermore, correlations between the desynchronizations in comprehension and production showed spatiotemporal commonalities in language-relevant areas in the left hemisphere, especially in the temporal, lateral inferior and dorsal frontal, and inferior parietal corteces. As proposed by prediction-by-production models, our results show that comprehenders engage the production system while predicting upcoming words.

Abstract It is well attested that people predict forthcoming information during language comprehension. The literature presents different proposals on how this ability could be implemented. Here, we tested the hypothesis according to which language production mechanisms have a role in such predictive processing. To this aim, we studied two electroencephalographic correlates of predictability during speech comprehension ‒ pretarget alpha‒beta (8-30 Hz) power decrease and the post-target N400 event-related potential (ERP) effect, ‒ in a population with impaired speech-motor control, i.e., adults who stutter (AWS), compared to typically fluent adults (TFA). Participants listened to sentences that could either constrain towards a target word or not, allowing or not to make predictions. We analyzed time-frequency modulations in a silent interval preceding the target and ERPs at the presentation of the target. Results showed that, compared to TFA, AWS display: i) a widespread and bilateral reduced power decrease in posterior temporal and parietal regions, and a power increase in anterior regions, especially in the left hemisphere (high vs . low constraining) and ii) a reduced N400 effect (non-predictable vs . predictable). The results suggest a reduced efficiency in generating predictions in AWS with respect to TFA. Additionally, the magnitude of the N400 effect in AWS is correlated with alpha power change in the right pre-motor and supplementary motor cortex, a key node in the dysfunctional network in stuttering. Overall, the results support the idea that processes and neural structures prominently devoted to speech planning and execution support prediction during language comprehension. Significance Statement The study contributes to the developing enterprise of investigating language production and comprehension not as separate systems, but as sets of processes which may be partly shared. We showed that a population with impaired speech-motor control, i.e., adults who stutter, are characterized by atypical electrophysiological patterns associated with prediction in speech comprehension. The results highlight that an underlying atypical function of neural structures supporting speech production also affects processes deployed during auditory comprehension. The implications are twofold: on the theoretical side, the study supports the need for a more integrated view of language comprehension and production as human capabilities, while on the applied and clinical side, these results might open new venues for efficient treatments of developmental stuttering.