Abstract Many cortical and subcortical regions contribute to complex social behavior; nevertheless, the network level architecture whereby the brain integrates this information to encode appetitive socioemotional behavior remains unknown. Here we measure electrical activity from eight brain regions as mice engage in a social preference assay. We then use machine learning to discover an explainable brain network that encodes the extent to which mice chose to engage another mouse. This socioemotional network is organized by theta oscillations leading from prelimbic cortex and amygdala that converge on ventral tegmental area, and network activity is synchronized with brain-wide cellular firing. The network generalizes, on a mouse-by-mouse basis, to encode socioemotional behaviors in healthy animals, but fails to encode an appetitive socioemotional state in a ‘high confidence’ genetic mouse model of autism. Thus, our findings reveal the architecture whereby the brain integrates spatially distributed activity across timescales to encode an appetitive socioemotional brain state in health and disease.

Abstract Gestational exposure to environmental toxins and socioeconomic stressors are epidemiologically linked to neurodevelopmental disorders with strong male-bias, such as autism. We modeled these prenatal risk factors in mice, by co-exposing pregnant dams to an environmental pollutant and limited-resource stress, which robustly activated the maternal immune system. Only male offspring displayed long-lasting behavioral abnormalities and alterations in the activity of brain networks encoding social interactions. Cellularly, prenatal stressors diminished microglial function within the anterior cingulate cortex, a central node of the social coding network, in males during early postnatal development. Genetic ablation of microglia during the same critical period mimicked the impact of prenatal stressors on a male-specific behavior, indicating that environmental stressors alter neural circuit formation in males via impairing microglia function during development.

Abstract Social aggression is an innate behavior that can aid an organism in securing access to resources[1]. Aggression can also disrupt group function and reduce survival under conditions of behavioral pathology[2–4]. Since many brain regions contribute to multiple social behaviors[5–7], expanded knowledge of how the brain distinguishes between social states would enable the development of interventions that suppress aggression, while leaving other social behaviors intact. Here we show that a murine aggressive internal state is encoded by a brain-wide network. This network is organized by prominent theta (4-11Hz) and beta (14-30Hz) oscillations, leading from orbital frontal cortex and medial dorsal thalamus, and converging on ventral medial hypothalamus and medial amygdala. Activity in this network couples to brain-wide cellular firing, and the network is conserved in multiple contexts associated with aggression. Strikingly, network activity during social isolation encodes the trait aggressiveness of mice and causal cellular manipulations known to impact aggression bidirectionally regulate network activity. Finally, we show that the network plays a role in mediating aggressive behavior through causal mediation analysis. Thus, we define a brain-wide network that encodes an aggressive internal state within and across mice.

Anticipation of an upcoming stimulus induces neural activity across cortical and subcortical regions and influences subsequent behavior. Nevertheless, the network mechanism whereby the brain integrates this information to signal the anticipation of rewards remains relatively unexplored. Here we employ multi-circuit electrical recordings from six brain regions as mice perform a sample-to-match task in which reward anticipation is operationalized as their progress towards obtaining a potential reward. We then use machine learning to discover the naturally occurring network patterns that integrate this neural activity across timescales. Only one of the networks that we uncovered signals responses linked to reward anticipation, specifically relative proximity and reward magnitude. Activity in this Electome (electrical functional connectivity) network is dominated by theta oscillations leading from prelimbic cortex and striatum that converge on ventral tegmental area, and by beta oscillations leading from striatum that converge on prelimbic cortex. Network activity is also synchronized with brain-wide cellular firing. Critically, this network generalizes to new groups of healthy mice, as well as a mouse line that models aberrant neural circuitry observed in brain disorders that show altered reward anticipation. Thus, our findings reveal the network-level architecture whereby the brain integrates spatially distributed activity across timescales to signal reward anticipation.

In rodents, anxiety is charactered by heightened vigilance during low-threat and uncertain situations. Though activity in the frontal cortex and limbic system are fundamental to supporting this internal state, the underlying network architecture that integrates activity across brain regions to encode anxiety across animals and paradigms remains unclear. Here, we utilize parallel electrical recordings in freely behaving mice, translational paradigms known to induce anxiety, and machine learning to discover a multi-region network that encodes the anxious brain-state. The network is composed of circuits widely implicated in anxiety behavior, it generalizes across many behavioral contexts that induce anxiety, and it fails to encode multiple behavioral contexts that do not. Strikingly, the activity of this network is also principally altered in two mouse models of depression. Thus, we establish a network-level process whereby the brain encodes anxiety in health and disease.