Abstract Low-level states of consciousness are characterised by disruptions of brain dynamics that sustain arousal and awareness. Yet, how structural, dynamical, local and network brain properties interplay in the different levels of consciousness is unknown. Here, we studied the fMRI brain dynamics from patients that suffered brain injuries leading to a disorder of consciousness and from subjects undergoing propofol-induced anaesthesia. We showed that pathological and pharmacological low-level states of consciousness displayed less recurrent, less diverse, less connected, and more segregated synchronization patterns than conscious states. We interpreted these effects using whole-brain models built on healthy and injured connectomes. We showed that altered dynamics arise from a global reduction of network interactions, together with more homogeneous and more structurally constrained local dynamics. These effects were accentuated using injured connectomes. Notably, these changes lead the hub regions to lose their stability during low-level states of consciousness, thus attenuating the core-periphery structure of brain dynamics.

Abstract Recently, significant advances have been made by identifying the levels of synchronicity of the underlying dynamics of a given brain state. This research has demonstrated that unconscious dynamics tend to be more synchronous than those found in conscious states, which are more asynchronous. Here we go beyond this dichotomy to demonstrate that the different brain states are always underpinned by spatiotemporal chaos but with dissociable turbulent dynamics. We investigated human neuroimaging data from different brain states (resting state, meditation, deep sleep, and disorders of consciousness after coma) and were able to distinguish between them using complementary model-free and model-based measures of turbulent information transmission. Our model-free approach used recent advances describing a measure of information cascade across spatial scales using tools from turbulence theory. Complementarily, our model-based approach used exhaustive in silico perturbations of whole-brain models fitted to the empirical neuroimaging data, which allowed us to study the information encoding capabilities of the brain states. Overall, the current framework demonstrates that different levels of turbulent dynamics are fundamental for describing and differentiating between brain states.

Abstract The study of the brain’s static and dynamical activity is opening a valuable source of assistance for the clinical assessment of patients with disorders of consciousness. For example, glucose uptake and dysfunctional spread of naturalistic and synthetic stimuli has proven useful to characterize hampered consciousness. However, understanding of the mechanisms behind loss of consciousness following brain injury is still missing. Here, we study the propagation of endogenous and in-silico exogenous perturbations in patients with disorders of consciousness, based upon directed and causal interactions estimated from resting-state fMRI. We found that patients with disorders of consciousness suffer decreased capacity for neural propagation and responsiveness to events, and that this can be related to glucose metabolism as measured with [ 18 F]FDG-PET. In particular, we show that loss of consciousness is related to the malfunctioning of two neural circuits: the posterior cortical regions failing to convey information, in conjunction with reduced broadcasting of information from subcortical, temporal, parietal and frontal regions. These results seed light on the mechanisms behind disorders of consciousness, triangulating network function with basic measures of brain integrity and behavior. Highlights Propagation of neural events and network responses are disrupted in patients with DoC. Loss of consciousness is related to the malfunctioning of two neural circuits. Posterior cortical regions lack to integrate information in altered consciousness. Breakdown of information broadcasting of subcortical cortical areas in DoC. Loss of network responses in DoC patients is related to glucose metabolism.

Abstract Understanding recovery of consciousness and elucidating its underlying mechanism is believed to be crucial in the field of basic neuroscience and medicine. Ideas such as the global neuronal workspace and the mesocircuit theory hypothesize that failure of recovery in conscious states coincide with loss of connectivity between subcortical and frontoparietal areas, a loss of the repertoire of functional networks states and metastable brain activation. We adopted a time-resolved functional connectivity framework to explore these ideas and assessed the repertoire of functional network states as a potential marker of consciousness and its potential ability to tell apart patients in the unresponsive wakefulness syndrome (UWS) and minimally conscious state (MCS). In addition, prediction of these functional network states by underlying hidden spatial patterns in the anatomical network, i.e. so-called eigenmodes, were supplemented as potential markers. By analysing time-resolved functional connectivity from fMRI data, we demonstrated a reduction of metastability and functional network repertoire in UWS compared to MCS patients. This was expressed in terms of diminished dwell times and loss of nonstationarity in the default mode network and fronto-parietal subcortical network in UWS compared to MCS patients. We further demonstrated that these findings co-occurred with a loss of dynamic interplay between structural eigenmodes and emerging time-resolved functional connectivity in UWS. These results are, amongst others, in support of the global neuronal workspace theory and the mesocircuit hypothesis, underpinning the role of time-resolved thalamo-cortical connections and metastability in the recovery of consciousness.

Abstract The brain rapidly processes and adapts to new information by dynamically switching between activity in whole-brain functional networks. In this whole-brain modelling study we investigate the relevance of spatiotemporal scale in whole-brain functional networks. This is achieved through estimating brain parcellations at different spatial scales (100-900 regions) and time series at different temporal scales (from milliseconds to seconds) generated by a whole-brain model fitted to fMRI data. We quantify a fingerprint of healthy dynamics quantifying the richness of the dynamical repertoire at each spatiotemporal scale by computing the entropy of switching activity between whole-brain functional networks. The results show that the optimal relevant spatial scale is around 300 regions and a temporal scale of around 150 milliseconds. Overall, this study provides much needed evidence for the relevant spatiotemporal scales needed to make sense of neuroimaging data.

Over the past 2,500 years, contemplative traditions have explored the nature of the mind using meditation. More recently, neuroimaging research on meditation has revealed differences in brain function and structure in meditators. Nevertheless, the underlying neural mechanisms are still unclear. In order to understand how meditation shapes global activity through the brain, we investigated the spatiotemporal dynamics across the whole-brain functional network using the Intrinsic Ignition Framework. Recent neuroimaging studies have demonstrated that different states of consciousness differ in their underlying dynamical complexity, i.e., how the broadness of communication is elicited and distributed through the brain over time and space. In this work, controls and experienced meditators were scanned using functional magnetic resonance imaging (fMRI) during resting-state and meditation (focused attention on breathing). Our results evidenced that the dynamical complexity underlying meditation shows less complexity than during resting-state in the meditator group but not in the control group. Furthermore, we report that during resting-state, the brain activity of experienced meditators showed higher metastability (i.e., a wider dynamical regime over time) than the one observed in the control group. Overall, these results indicate that the meditation state operates in a different dynamical regime than the resting-state.

Abstract A fundamental challenge in neuroscience is accurately defining brain states and predicting how and where to perturb the brain to force a transition. The ability to promote a transition from one brain state to another by externally driven stimulation could significantly impact rehabilitation and treatments for patients suffering from complex brain injury cases. Thus, it is crucial to find therapeutic interventions able to re-balance the dynamics of brain disorders towards more healthy regimes. Here, we investigated resting-state fMRI data of patients suffering from disorders of consciousness (DoC) after coma (minimally conscious and unresponsive wakefulness states) and healthy controls. We applied model-free and model-based approaches to help elucidate the underlying brain mechanisms of patients with DoC. The model-free approach allowed us to characterize brain states in DoC and healthy controls as a probabilistic metastable substate (PMS) space. The PMS of each group was characterized by a repertoire of unique patterns (i.e., metastable substates) with different probabilities of occurrence. In the model-based approach, we adjusted the PMS of each DoC group to a causal whole-brain model. This allowed us to explore optimal strategies for promoting a transition to the PMS of the control group by applying off-line in silico probing. Furthermore, this approach enabled us to evaluate the impact of all possible local perturbations in terms of their global effects and sensitivity to stimulation, which is a biomarker providing a deeper understanding of the mechanisms underlying DoC. Our results show that transitions from DoC to more healthy regimes were obtained in a synchronous protocol, in which areas from the motor and subcortical networks were the most sensitive to perturbation. This motivates further work to continue understanding brain function and treatments of disorders of consciousness by external stimulation. Author summary We studied disorders of consciousness by defining a brain state as a repertoire of metastable substates with different probabilities of occurrence. We created whole-brain computational models of DoC to uncover the causal mechanisms underlying recovery. These models allowed us to transition from DoC to a control healthy state by studying the effects of artificial individual local perturbations under different protocol regimes. We demonstrated successful transitions in the synchronization protocol and showed that the most sensitive areas were located in the motor network and subcortical regions. We believe this could be very valuable for developing clinical treatments and has a great deal for future therapies.

Background: Alterations in brain connectivity occur early during psychosis and underlie the clinical manifestations of the illness as well as patient functioning and outcome. After a first episode of psychosis (FEP), different trajectories are possible and best described by the clinical-staging model that places the patient along a continuum of conditions: from non-remitting chronic symptoms to full-remission, often followed by relapses. However, little is known about the differences in brain connectivity that could underlie these differences in clinical outcome. Methods: In this study, we included resting-state fMRI and DSI data from a cohort of 128 healthy controls (HC) and 88 patients with early psychosis (EP) stratified based on their ability to remit after the FEP. In particular we focused on differences between stage IIIb,c remitting-relapsing (EP3R) and stage IIIa non-remitting (EP3NR) patients. We investigated alterations in resting-state functional connectivity (FC), and combined information derived from fMRI and DSI into generative whole-brain models of each condition to explore the underlying mechanisms. Results: Opposite alterations in FC could be found in patients as compared to HC, depending on their stage. In non-remitting patients (EP3NR), we observed a reduction of FC, aligned with the reduced structural connectivity found in previous studies, while remitting-relapsing patients (EP3R) showed increased FC, potentially indicating a relevant compensatory mechanism. By means of a whole-brain network model, we showed that in HC a subset of areas is characterized by increased stability to prevent an oversynchronisation of the network, while in EP3 patients such property is lost. This alteration was more relevant in the EP3R than in EP3NR patients, probably indicating a compensatory response to the reduced effective conductivity (global coupling) highlighted by the model in both EP3 conditions as compared to controls. Conclusions: These findings highlight the significance of categorizing patients into subgroups based on the progression of their psychotic disorders, providing insights into the factors contributing to heterogeneity in functional alterations. They enhance our understanding of the interplay between structural and functional properties, shedding light on the mechanisms of psychosis emergence, remission and progression, with potential implications for future therapeutic advancements.

Early, mild and young COPD concepts are not clearly defined and are often used interchangeably to refer to the onset of the disease.