In vivo electrophysiological recordings of neuronal circuits are necessary for diagnostic purposes and for brain-machine interfaces. Organic electronic devices constitute a promising candidate because of their mechanical flexibility and biocompatibility. Here we demonstrate the engineering of an organic electrochemical transistor embedded in an ultrathin organic film designed to record electrophysiological signals on the surface of the brain. The device, tested in vivo on epileptiform discharges, displayed superior signal-to-noise ratio due to local amplification compared with surface electrodes. The organic transistor was able to record on the surface low-amplitude brain activities, which were poorly resolved with surface electrodes. This study introduces a new class of biocompatible, highly flexible devices for recording brain activity with superior signal-to-noise ratio that hold great promise for medical applications. Flexible organic electronic devices have the potential to serve as biosensors in living animals. Khodagholy et al. show that organic transistors can be used to record brain activity in rats and demonstrate that they have a superior signal-to-noise ratio compared with electrodes due to local signal amplification.

Seizures can occur spontaneously and in a recurrent manner, which defines epilepsy; or they can be induced in a normal brain under a variety of conditions in most neuronal networks and species from flies to humans. Such universality raises the possibility that invariant properties exist that characterize seizures under different physiological and pathological conditions. Here, we analysed seizure dynamics mathematically and established a taxonomy of seizures based on first principles. For the predominant seizure class we developed a generic model called Epileptor. As an experimental model system, we used ictal-like discharges induced in vitro in mouse hippocampi. We show that only five state variables linked by integral-differential equations are sufficient to describe the onset, time course and offset of ictal-like discharges as well as their recurrence. Two state variables are responsible for generating rapid discharges (fast time scale), two for spike and wave events (intermediate time scale) and one for the control of time course, including the alternation between ‘normal’ and ictal periods (slow time scale). We propose that normal and ictal activities coexist: a separatrix acts as a barrier (or seizure threshold) between these states. Seizure onset is reached upon the collision of normal brain trajectories with the separatrix. We show theoretically and experimentally how a system can be pushed toward seizure under a wide variety of conditions. Within our experimental model, the onset and offset of ictal-like discharges are well-defined mathematical events: a saddle-node and homoclinic bifurcation, respectively. These bifurcations necessitate a baseline shift at onset and a logarithmic scaling of interspike intervals at offset. These predictions were not only confirmed in our in vitro experiments, but also for focal seizures recorded in different syndromes, brain regions and species (humans and zebrafish). Finally, we identified several possible biophysical parameters contributing to the five state variables in our model system. We show that these parameters apply to specific experimental conditions and propose that there exists a wide array of possible biophysical mechanisms for seizure genesis, while preserving central invariant properties. Epileptor and the seizure taxonomy will guide future modeling and translational research by identifying universal rules governing the initiation and termination of seizures and predicting the conditions necessary for those transitions.

A photolithographic process was used to integrate the conducting polymer poly(3,4-ethylenedioxythiophene):poly(styrene sulfonate) (PEDOT:PSS) with parylene C, yielding highly conformable electrode arrays that were only four micrometers thick (shown here to conform to the midrib of a small leaf). The arrays were sufficiently self-supporting to allow in vivo evaluation in rats, yielding high-quality electrocorticography recordings.

Various methods have been proposed to characterize the functional connectivity between nodes in a network measured with different modalities (electrophysiology, functional magnetic resonance imaging etc.). Since different measures of functional connectivity yield different results for the same dataset, it is important to assess when and how they can be used. In this work, we provide a systematic framework for evaluating the performance of a large range of functional connectivity measures – based upon a comprehensive portfolio of models generating measurable responses. Specifically, we benchmarked 42 methods using 10,000 simulated datasets from 5 different types of generative models with different connectivity structures. Since all functional connectivity methods require the setting of some parameters (window size and number, model order etc.), we first optimized these parameters using performance criteria based upon (threshold free) ROC analysis. We then evaluated the performance of the methods on data simulated with different types of models. Finally, we assessed the performance of the methods against different levels of signal-to-noise ratios and network configurations. A MATLAB toolbox is provided to perform such analyses using other methods and simulated datasets.

Abstract Neurological disorders share common high-level alterations, such as cognitive deficits, anxiety, and depression. This raises the possibility of fundamental alterations in the way information conveyed by neural firing is maintained and dispatched in the diseased brain. Using experimental epilepsy as a model of neurological disorder we tested the hypothesis of altered information processing, analyzing how neurons in the hippocampus and the entorhinal cortex store and exchange information during slow and theta oscillations. We equate the storage and sharing of information to low level, or primitive, information processing at the algorithmic level, the theoretical intermediate level between structure and function. We find that these low-level processes are organized into substates during brain states marked by theta and slow oscillations. Their internal composition and organization through time are disrupted in epilepsy, loosing brain state-specificity, and shifting towards a regime of disorder in a brain region dependent manner. We propose that the alteration of information processing at an algorithmic level may be a mechanism behind the emergent and widespread co-morbidities associated with epilepsy, and perhaps other disorders.

The extent of the networks that control the genesis and modulation of hippocampal sharp-wave ripples (SPW-Rs), which are involved in memory consolidation, remains incompletely understood. Here, we performed a detailed in vivo analysis of single cell firing in the lateral supramammillary nucleus (lSuM) during theta and slow oscillations, including SPW-Rs, in anesthetized rats. We classified neurons as SPW-R-active and SPW-R unchanged according to whether or not they increased their firing during SPW-Rs. We show that lSuM SPW-R-active neurons increase their firing prior SPW-Rs peak power and prior hippocampal pyramidal cell activation. Moreover, lSuM SPW-R-active neurons show increased firing activity during theta and slow oscillations as compared to unchanged-neurons. SPW-R-active neurons are more active during high peak power SPW-Rs, whereas SPW-R-unchanged neurons are more active during long SPW-Rs. These results suggest that a sub-population of lSuM neurons can interact with the hippocampus during SPW-Rs, raising the possibility that the lSuM may modulate memory consolidation.

Various techniques, including optogenetics, chemogenetics, electrical stimulation, and lesions are used to probe brain function and dysfunction. However, the mechanistic consequences of such manipulations at the whole-brain scale remain poorly understood. This information is necessary for a proper interpretation of the functional consequences of local alterations. Combining mouse experimental datasets of focal interventions (thalamic lesion and chemogenetic silencing of cortical hubs), we demonstrate both local and global effects. Utilizing advanced whole-brain simulations of experimental data, we not only confirm the distributed nature of local manipulations but also offer mechanistic insights into these processes. Our simulations predict that the reconfiguration of hemodynamic functional connectivity is tightly coupled with the modulation of neurophysiological activity. This includes alterations in firing rates and spectral characteristics across specific brain networks, leading to structured changes in functional connectivity patterns. Crucially, the brain subnetworks most profoundly impacted are contingent upon the precise site of local intervention. Thus, these subnetworks serve as distinctive fingerprints, enabling pinpoint localization of the altered brain region. This knowledge holds the potential to inform clinical decision-making and address focal brain pathologies by developing circuit-level interventions and customized neuromodulation therapies.

Neural computation is associated with the emergence, reconfiguration and dissolution of cell assemblies in the context of varying oscillatory states. Here, we describe the complex spatio-temporal dynamics of cell assemblies through temporal network formalism. We use a sliding window approach to extract sequences of networks of information sharing among single units in hippocampus and enthorinal cortex during anesthesia and study how global and node-wise functional connectivity properties evolve along time and as a function of changing global brain state (theta vs slow-wave oscillations). First, we find that information sharing networks display, at any time, a core-periphery structure in which an integrated core of more tightly functionally interconnected units link to more loosely connected network leaves. However the units participating to the core or to the periphery substantially change across time-windows, with units entering and leaving the core in a smooth way. Second, we find that discrete network states can be defined on top of this continuously ongoing liquid core-periphery reorganization. Switching between network states results in a more abrupt modification of the units belonging to the core and is only loosely linked to transitions between global oscillatory states. Third, we characterize different styles of temporal connectivity that cells can exhibit within each state of the sharing network. While inhibitory cells tend to be central, we show that, otherwise, anatomical localization only poorly influences the patterns of temporal connectivity of the different cells. Furthermore, cells can change temporal connectivity style when the network changes state. Altogether, these findings reveal that the sharing of information mediated by the intrinsic dynamics of hippocampal and enthorinal cortex cell assemblies have a rich spatiotemporal structure, which could not have been identified by more conventional time- or state-averaged analyses of functional connectivity.

Following stroke, the survival of neurons and their ability to re-establish connections is critical to functional recovery. This is strongly influenced by the balance between neuronal excitation and inhibition. In the acute phase of experimental stroke, lethal hyperexcitability can be attenuated by positive allosteric modulation of GABAA receptors (GABAAR). Conversely, in the late phase, negative allosteric modulation of GABAAR can correct the sub-optimal excitability and improves both sensory and motor recovery. Here, we hypothesized that octadecaneuropeptide (ODN), an endogenous allosteric modulator of the GABAAR synthesized by astrocytes, influences the outcome of ischemic brain tissue and subsequent functional recovery. We show that ODN boosts the excitability of cortical neurons, which make it deleterious in the acute phase of stroke. However, if delivered after day 3, ODN is safe and improves motor recovery over the following month in both young and aged mice. Furthermore, we bring evidence that during the sub-acute period after stroke, the repairing cortex can be treated with ODN by means of a single hydrogel deposit into the stroke cavity.

Days and weeks after an ischemic stroke, the peri-infarct area adjacent to the necrotic tissue exhibits very intense synaptic reorganization aimed at regaining lost functions. In order to enhance functional recovery, it is important to understand the mechanisms supporting neural repair and neuroplasticity in the cortex surrounding the lesion. Brain oscillations of the local field potential (LFP) are rhythmic fluctuations of neuronal excitability aimed at synchronizing neuronal activity to organize information processing and plasticity. Although the oscillatory activity of the brain has been probed after stroke in both animals and humans using electroencephalography (EEG), the latter is ineffective to precisely map the oscillatory changes in the peri-infarct zone where synaptic plasticity potential is high. Here, we worked on the hypothesis that brain oscillatory system is altered in the surviving peri-infarct cortex, which may slow down functional repair and reduce the capacity to recovery. In order to document the relevance of this hypothesis, oscillatory power was measured at various distances from the necrotic core at 7 and 21 days after a permanent cortical ischemia induced in mice. Delta and theta oscillations remained at a normal power in the peri-infarct cortex, in contrast to gamma oscillations that displayed a rapid decrease, the closer we get to the lesion core. A broadband increase of power was also observed in the homotopic contralateral sites. Thus, the proximal peri-infarct cortex could become a target of therapeutic interventions aimed at correcting the oscillatory regimen. These results argue for the usefulness of therapeutic intervention aimed at boosting gamma oscillations in order to improve post-stroke functional recovery.