Abstract Human brain organoids replicate much of the cellular diversity and developmental anatomy of the human brain. However, the physiological behavior of neuronal circuits within organoids remains relatively under-explored. With high-density CMOS microelectrode arrays (26,400 electrodes) and shank electrodes (960 electrodes), we probed broadband and three-dimensional extracellular field recordings generated by spontaneous activity of human brain organoids. These recordings simultaneously captured local field potentials (LFPs) and single-unit activity extracted through spike sorting. From spiking activity, we estimated a directed functional connectivity graph of synchronous neural network activity, which showed a large number of weak functional connections enmeshed within a network skeleton of significantly fewer strong connections. Treatment of the organoid with a benzodiazepine induced a reproducible signature response that shortened the inter-burst intervals, increased the uniformity of the firing pattern within each burst and decreased the population of weakly connected edges. Simultaneously examining the spontaneous LFPs and their phase alignment to spiking showed that spike bursts were coherent with theta oscillations in the LFPs. Our results demonstrate that human brain organoids have self-organized neuronal assemblies of sufficient size, cellular orientation, and functional connectivity to co-activate and generate field potentials from their collective transmembrane currents that phase-lock to spiking activity. These results point to the potential of brain organoids for the study of neuropsychiatric diseases, drug mechanisms, and the effects of external stimuli upon neuronal networks.

ABSTRACT Sleep is a highly stereotyped phenomenon, requiring robust spatial and temporal coordination of neural activity. How the brain coordinates neural activity with sleep onset can provide insight into the physiological functions subserved by sleep and pathologic phenomena associated with sleep onset. We quantified whole-brain network changes in synchrony and information flow during the transition from wake to non-rapid eye movement (NREM) sleep using magnetoencephalography imaging in healthy subjects. In addition, we performed computational modeling to infer excitatory and inhibitory properties of local neural activity. The sleep transition was identified to be encoded in spatially and temporally specific patterns of local and long-range neural synchrony. Patterns of information flow revealed that mesial frontal regions receive hierarchically organized inputs from broad cortical regions upon sleep onset. Finally, biophysical neural mass modeling demonstrated spatially heterogeneous properties of cortical excitation-to-inhibition from wake to NREM. Together, these findings reveal whole-brain corticocortical structure in the sleep-wake transition and demonstrate the orchestration of local and long-range, frequency-specific cortical interactions that are fundamental to sleep onset.

ABSTRACT Background Neuronal and circuit level abnormalities of excitation and inhibition are shown to be associated with tau and amyloid-beta (Aβ) in preclinical models of Alzheimer’s disease (AD). These relationships remain poorly understood in patients with AD. Methods Using empirical spectra from magnetoencephalography (MEG) and computational modeling (neural mass model; NMM) we examined excitatory and inhibitory parameters of neuronal subpopulations and investigated their specific associations to regional tau and Aβ, measured by positron emission tomography (PET), in patients with AD. Results Patients with AD showed abnormal excitatory and inhibitory time-constants and neural gains compared to age-matched controls. Increased excitatory time-constants distinctly correlated with higher tau depositions while increased inhibitory time-constants distinctly correlated with higher Aβ depositions. Conclusions Our results provide critical insights about potential mechanistic links between abnormal neural oscillations and cellular correlates of impaired excitatory and inhibitory synaptic functions associated with tau and Aβ in patients with AD. Funding This study was supported by the National Institutes of Health grants: K08AG058749 (KGR), F32AG050434-01A1 (KGR), K23 AG038357 (KAV), P50 AG023501, P01 AG19724 (BLM), P50-AG023501 (BLM & GDR), R01 AG045611 (GDR); AG034570, AG062542 (WJ); NS100440 (SSN), DC176960 (SSN), DC017091 (SSN), AG062196 (SSN); a grant from John Douglas French Alzheimer’s Foundation (KAV); grants from Larry L. Hillblom Foundation: 2015-A-034-FEL and (KGR); 2019-A-013-SUP (KGR); a grant from the Alzheimer’s Association: (PCTRB-13-288476) (KAV), and made possible by Part the CloudTM, (ETAC-09-133596); a grant from Tau Consortium (GDR & WJJ), and a gift from the S. D. Bechtel Jr. Foundation.

Alzheimer's disease (AD) is characterized by accumulation of amyloid-β and misfolded tau proteins causing synaptic dysfunction and progressive neurodegeneration and cognitive decline. Altered neural oscillations have been consistently demonstrated in AD. However, the trajectories of abnormal neural oscillations in AD progression and their relationship to neurodegeneration and cognitive decline are unknown. Here, we deployed robust event-based sequencing models (EBMs) to investigate the trajectories of long-range and local neural synchrony across AD stages, estimated from resting-state magnetoencephalography. Increases in neural synchrony in the delta-theta band and decreases in the alpha and beta bands showed progressive changes along the EBM stages. Decreases in alpha and beta-band synchrony preceded both neurodegeneration and cognitive decline, indicating that frequency-specific neuronal synchrony abnormalities are early manifestations of AD pathophysiology. The long-range synchrony effects were greater than the local synchrony, indicating a greater sensitivity of connectivity metrics involving multiple regions of the brain. These results demonstrate the evolution of functional neuronal deficits along the sequence of AD progression.

Abstract Dynamic resting state functional connectivity (RSFC) characterizes time-varying fluctuations of functional brain network activity. While many studies have investigated static functional connectivity, it has been unclear whether features of dynamic functional connectivity are associated with neurodegenerative diseases. Popular sliding-window and clustering methods for extracting dynamic RSFC have various limitations that prevent extracting reliable features to address this question. Here, we use a novel and robust time-varying dynamic network (TVDN) approach to extract the dynamic RSFC features from high resolution magnetoencephalography (MEG) data of participants with Alzheimer’s disease (AD) and matched controls. The TVDN algorithm automatically and adaptively learns the low-dimensional spatiotemporal manifold of dynamic RSFC and detects dynamic state transitions in data. We show that amongst all the functional features we investigated, the dynamic manifold features are the most predictive of AD. These include: the temporal complexity of the brain network, given by the number of state transitions and their dwell times, and the spatial complexity of the brain network, given by the number of eigenmodes. These dynamic features have high sensitivity and specificity in distinguishing AD from healthy subjects. Intriguingly, we found that AD patients generally have higher spatial complexity but lower temporal complexity compared with healthy controls. We also show that graph theoretic metrics of dynamic component of TVDN are significantly different in AD versus controls, while static graph metrics are not statistically different. These results indicate that dynamic RSFC features are impacted in neurodegenerative disease like Alzheimer’s disease, and may be crucial to understanding the pathophysiological trajectory of these diseases.