The amygdala has been studied extensively for its critical role in associative fear conditioning in animals and humans. Noxious stimuli, such as those used for fear conditioning, are most effective in eliciting behavioral responses and amygdala activation when experienced in an unpredictable manner. Here, we show, using a translational approach in mice and humans, that unpredictability per se without interaction with motivational information is sufficient to induce sustained neural activity in the amygdala and to elicit anxiety-like behavior. Exposing mice to mere temporal unpredictability within a time series of neutral sound pulses in an otherwise neutral sensory environment increased expression of the immediate-early gene c- fos and prevented rapid habituation of single neuron activity in the basolateral amygdala. At the behavioral level, unpredictable, but not predictable, auditory stimulation induced avoidance and anxiety-like behavior. In humans, functional magnetic resonance imaging revealed that temporal unpredictably causes sustained neural activity in amygdala and anxiety-like behavior as quantified by enhanced attention toward emotional faces. Our findings show that unpredictability per se is an important feature of the sensory environment influencing habituation of neuronal activity in amygdala and emotional behavior and indicate that regulation of amygdala habituation represents an evolutionary-conserved mechanism for adapting behavior in anticipation of temporally unpredictable events.

Neural correlates of electroencephalographic (EEG) alpha rhythm are poorly understood. Here, we related EEG alpha rhythm in awake humans to blood-oxygen-level-dependent (BOLD) signal change determined by functional magnetic resonance imaging (fMRI). Topographical EEG was recorded simultaneously with fMRI during an open versus closed eyes and an auditory stimulation versus silence condition. EEG was separated into spatial components of maximal temporal independence using independent component analysis. Alpha component amplitudes and stimulus conditions served as general linear model regressors of the fMRI signal time course. In both paradigms, EEG alpha component amplitudes were associated with BOLD signal decreases in occipital areas, but not in thalamus, when a standard BOLD response curve (maximum effect at ∼6 s) was assumed. The part of the alpha regressor independent of the protocol condition, however, revealed significant positive thalamic and mesencephalic correlations with a mean time delay of ∼2.5 s between EEG and BOLD signals. The inverse relationship between EEG alpha amplitude and BOLD signals in primary and secondary visual areas suggests that widespread thalamocortical synchronization is associated with decreased brain metabolism. While the temporal relationship of this association is consistent with metabolic changes occurring simultaneously with changes in the alpha rhythm, sites in the medial thalamus and in the anterior midbrain were found to correlate with short time lag. Assuming a canonical hemodynamic response function, this finding is indicative of activity preceding the actual EEG change by some seconds.

Independent component analysis (ICA) is a valuable technique for the multivariate data-driven analysis of functional magnetic resonance imaging (fMRI) data sets. Applications of ICA have been developed mainly for single subject studies, although different solutions for group studies have been proposed. These approaches combine data sets from multiple subjects into a single aggregate data set before ICA estimation and, thus, require some additional assumptions about the separability across subjects of group independent components. Here, we exploit the application of similarity measures and a related visual tool to study the natural self-organizing clustering of many independent components from multiple individual data sets in the subject space. Our proposed framework flexibly enables multiple criteria for the generation of group independent components and their random-effects evaluation. We present real visual activation fMRI data from two experiments, with different spatiotemporal structures, and demonstrate the validity of this framework for a blind extraction and selection of meaningful activity and functional connectivity group patterns. Our approach is either alternative or complementary to the group ICA of aggregated data sets in that it exploits commonalities across multiple subject-specific patterns, while addressing as much as possible of the intersubject variability of the measured responses. This property is particularly of interest for a blind group and subgroup pattern extraction and selection.

Background: Lysergic acid diethylamide (LSD) has agonist activity at various serotonin (5-HT) and dopamine receptors. Despite the therapeutic and scientific interest in LSD, specific receptor contributions to its neurobiological effects remain unknown. Methods: We therefore conducted a double-blind, randomized, counterbalanced, cross-over studyduring which 24 healthy human participants received either (i) placebo+placebo, (ii) placebo+LSD (100 µg po), or (iii) Ketanserin, a selective 5-HT2A receptor antagonist,+LSD. We quantified resting-state functional connectivity via a data-driven global brain connectivity method and compared it to cortical gene expression maps. Results: LSD reduced associative, but concurrently increased sensory-somatomotor brain-wide and thalamic connectivity. Ketanserin fully blocked the subjective and neural LSD effects. Whole-brain spatial patterns of LSD effects matched 5-HT2A receptor cortical gene expression in humans. Conclusions: Together, these results strongly implicate the 5-HT2A receptor in LSD’s neuropharmacology. This study therefore pinpoints the critical role of 5-HT2A in LSD’s mechanism, which informs its neurobiology and guides rational development of psychedelic-based therapeutics. Funding: Funded by the Swiss National Science Foundation, the Swiss Neuromatrix Foundation, the Usona Institute, the NIH, the NIAA, the NARSAD Independent Investigator Grant, the Yale CTSA grant, and the Slovenian Research Agency. Clinical trial number: NCT02451072 .

Background Ketamine has emerged as one of the most promising therapies for treatment-resistant depression. However, inter-individual variability in response to ketamine is still not well understood and it is unclear how ketamine’s molecular mechanisms connect to its neural and behavioral effects. Methods We conducted a double-blind placebo-controlled study in which 40 healthy participants received acute ketamine (initial bolus 0.23 mg/kg, continuous infusion 0.58 mg/kg/hour). We quantified resting-state functional connectivity via data-driven global brain connectivity, related it to individual ketamine-induced symptom variation, and compared it to cortical gene expression targets. Results We found that: i) both the neural and behavioral effects of acute ketamine are multi-dimensional, reflecting robust inter-individual variability; ii) ketamine’s data-driven principal neural gradient effect matched somatostatin (SST) and parvalbumin (PVALB) cortical gene expression patterns in humans, implicating the role of SST and PVALB interneurons in ketamine’s acute effects; and iii) behavioral data-driven individual symptom variation mapped onto distinct neural gradients of ketamine, which were resolvable at the single-subject level. Conclusions Collectively, these findings support the possibility for developing individually precise pharmacological biomarkers for treatment selection in psychiatry. Funding This study was supported by NIH grants DP5OD012109-01 (A.A.), 1U01MH121766 (A.A.), R01MH112746 (J.D.M.), 5R01MH112189 (A.A.), 5R01MH108590 (A.A.), NIAAA grant 2P50AA012870-11 (A.A.); NSF NeuroNex grant 2015276 (J.D.M.); Brain and Behavior Research Foundation Young Investigator Award (A.A.); SFARI Pilot Award (J.D.M., A.A.); Heffter Research Institute (Grant No. 1–190420); Swiss Neuromatrix Foundation (Grant No. 2016–0111m Grant No. 2015 – 010); Swiss National Science Foundation under the frame-work of Neuron Cofund (Grant No. 01EW1908), Usona Institute (2015 – 2056).

Background: The risk of relapsing into depression after stopping antidepressants is high, but no established predictors exist. Resting-state functional magnetic resonance imaging (rsfMRI) measures may help predict relapse and identify the mechanisms by which relapses occur. Method: rsfMRI data were acquired from healthy controls and from patients with remitted major depressive disorder on antidepressants who were intent on discontinuing their medication. Patients went on to discontinue their antidepressants, were assessed a second time either before or after discontinuation and followed up for six months to assess relapse. A seed-based functional connectivity analysis was conducted focusing on the left subgenual anterior cingulate cortex and left posterior cingulate cortex. Seeds in the amygdala and dorsolateral prefrontal cortex were explored. Results: 44 healthy controls (age: 33.8 (10.5), 73% female) and 84 patients (age: 34.23 (10.8), 80% female) were included in the analysis. 29 patients went on to relapse and 38 remained well. Seed-based analysis failed to reveal differences in functional connectivity between patients and controls; and between relapsers and non-relapsers. Although overall there was no effect of antidepressant discontinuation, amongst non-relapsers discontinuation resulted in an increased functional connectivity between the right dorsolateral prefrontal cortex and the parietal cortex. Conclusion: No abnormalities in resting-state functional connectivity were detected in remitted patients on antidepressant medication. Resilience to relapse after open-label antidepressant discontinuation was associated with changes in the connectivity between the dorsolateral prefrontal cortex and the posterior default mode network.

Abstract Background Among patients diagnosed with schizophrenia, the presence of substance use poses an aggravating comorbidity, exerting a negative impact on the course of the disease, adherence to therapeutic regimens, treatment outcomes, duration of hospital stays, and the frequency of hospitalizations. The primary objective of the present study is to investigate the relationship between comorbid substance use disorders, antipsychotic treatment, and the length of stay in individuals hospitalized for treatment of schizophrenia. Methods We conducted a retrospective analysis of electronic health records spanning a 12-month period, specifically focusing on adult patients diagnosed with schizophrenia who were discharged from the University Hospital of Psychiatry Zurich between January and December 2019. We documented the number and types of diagnosed substance use disorder, the antipsychotic treatment, the length of stay, and the number of previous hospitalizations for each patient. Results Over a third ( n = 328; 37.1%) of patients with schizophrenia had comorbid substance use with cannabis being the most frequent consumed substance. Patients with substance use (either single or multiple) were more frequently hospitalized; those with multiple substance use more frequently than those with a single substance use ( F (2, 882) = 69.06; p < 0.001). There were no differences regarding the rate of compulsory admission. Patients with no substance use had a lower HoNOS score at discharge ( F (2, 882) = 4.06). Patients with multiple substance use had a shorter length of stay ( F (2, 882) = 9.22; p < 0.001), even after adjusting for duration of illness, previous hospitalizations, diagnosis, and antipsychotic treatment. Conclusions In patients with schizophrenia, comorbid single or multiple substance use has a relevant negative impact on treatment and thus on the course of disease. Substance use in patients with schizophrenia should therefore receive special attention in order to reduce re-hospitalization rates and improve the clinical outcome.

Hallucinogenic agents have been proposed as potent antidepressants; this includes the serotonin (5-HT) receptor 2A agonist psilocybin. In human subjects, psilocybin alters functional connectivity (FC) within the default-mode network (DMN), a constellation of inter-connected regions that is involved in self-reference and displays altered FC in depressive disorders. In this study we investigated the effects of psilocybin on FC in the analogue of the DMN in mouse, with a view to establishing an experimental animal model to investigate underlying mechanisms. Psilocybin effects were investigated in lightly-anesthetized mice using resting-state fMRI. Dual-regression analysis identified reduced FC within the ventral striatum in psilocybin- relative to vehicle-treated mice. Refinement of the analysis using spatial references derived from both gene expression maps and viral tracer projection fields revealed two distinct effects of psilocybin: it increased FC between 5-HT-associated networks and elements of the murine DMN, thalamus, and midbrain; it decreased FC within dopamine (DA)-associated striatal networks. These results suggest that interaction between 5-HT- and DA-regulated neural networks contributes to the neural and therefore psychological effects of psilocybin. Furthermore, they highlight how information on molecular expression patterns and structural connectivity can assist in the interpretation of pharmaco-fMRI findings.

Abstract Schizophrenia is a multifaceted disorder associated with structural brain heterogeneity. Recent research underscored that profound understanding of structural brain heterogeneity is relevant to identify illness subtypes as well as informative biomarkers. However, our understanding of structural heterogeneity in schizophrenia is still limited. This comprehensive meta-analysis therefore investigated and compared the variability of multimodal structural brain measures for white and gray matter in individuals with schizophrenia and healthy controls. Using the ENIGMA dataset of MRI-based brain measures from 22 sites, we examined variability in cortical thickness, surface area, folding index, subcortical volume and fractional anisotropy, both at regional and global level. At the regional level, we found that schizophrenia patients are distinguished by higher heterogeneity in the frontotemporal network with regard to multimodal structural measures. Multimodal heterogeneity in these regions potentially implies different sub-types that share impaired frontotemporal interaction as a core feature of schizophrenia. At the global level, the Person-Based Similarity Index (PBSI) analysis surprisingly revealed that schizophrenia patients are distinguished by a significantly higher homogeneity of the folding index, implying that certain gyrification attributes represent a uniform aspect of schizophrenia across subtypes. These findings underscore the importance of studying structural brain variability for a more holistic understanding of schizophrenia’s neurobiology, potentially facilitating the identification of illness subtypes and informative biomarkers. These findings could guide future investigations and tailor precision medicine approaches for schizophrenia.

Abstract While schizophrenia is considered a prototypical network disorder characterized by widespread brain-morphological alterations, it still remains unclear whether distributed structural alterations robustly reflect underlying network layout. Here, we tested whether large-scale structural alterations in schizophrenia relate to normative structural and functional connectome architecture, and systematically evaluated robustness and generalizability of these network-level alterations. Leveraging anatomical MRI scans from 2,439 adults with schizophrenia and 2,867 healthy controls from 26 ENIGMA sites and normative data from the Human Connectome Project (n=207), we evaluated structural alterations of schizophrenia against two network susceptibility models: i) hub vulnerability, which examines associations between regional network centrality and magnitude of disease-related alterations; ii) epicenter mapping, which identify regions whose typical connectivity profile most closely resembles the disease-related morphological alterations. To assess generalizability and specificity, we contextualized the influence of site, disease stages, and individual clinical factors and compared network associations of schizophrenia with that found in affective disorders. Schizophrenia-related structural alterations co-localized with interconnected functional and structural hubs and harbored temporo-paralimbic and frontal epicenters. Findings were robust across sites and related to individual symptom profiles. We observed localized unique epicenters for first-episode psychosis and early stages, and transmodal epicenters that were shared across first-episode to chronic stages. Moreover, transdiagnostic comparisons revealed overlapping epicenters in schizophrenia and bipolar, but not major depressive disorder, yielding insights in pathophysiological continuity within the schizophrenia-bipolar-spectrum. In sum, cortical alterations over the course of schizophrenia robustly follow brain network architecture, emphasizing marked hub susceptibility and temporo-frontal epicenters at both the level of the group and the individual. Subtle variations of epicenters across disease stages suggest interacting pathological processes, while associations with patient-specific symptoms support additional inter-individual variability of hub vulnerability and epicenters in schizophrenia. Our work contributes to recognizing potentially common pathways to better understand macroscale structural alterations, and inter-individual variability in schizophrenia.