Thousands of papers using resting-state functional magnetic resonance imaging (RS-fMRI) have been published on brain disorders. Results in each paper may have survived correction for multiple comparison. However, since there have been no robust results from large scale meta-analysis, we do not know how many of published results are truly positives. The present meta-analytic work included 60 original studies, with 57 studies (4 datasets, 2266 participants) that used a between-group design and 3 studies (1 dataset, 107 participants) that employed a within-group design. To evaluate the effect size of brain disorders, a very large neuroimaging dataset ranging from neurological to psychiatric disorders together with healthy individuals have been analyzed. Parkinson's disease off levodopa (PD-off) included 687 participants from 15 studies. PD on levodopa (PD-on) included 261 participants from 9 studies. Autism spectrum disorder (ASD) included 958 participants from 27 studies. The meta-analyses of a metric named amplitude of low frequency fluctuation (ALFF) showed that the effect size (Hedges'g) was 0.19 - 0.39 for the 4 datasets using between-group design and 0.46 for the dataset using within-group design. The effect size of PD-off, PD-on and ASD were 0.23, 0.39, and 0.19, respectively. Using the meta-analysis results as the robust results, the between-group design results of each study showed high false negative rates (median 99%), high false discovery rates (median 86%), and low accuracy (median 1%), regardless of whether stringent or liberal multiple comparison correction was used. The findings were similar for 4 RS-fMRI metrics including ALFF, regional homogeneity, and degree centrality, as well as for another widely used RS-fMRI metric namely seed-based functional connectivity. These observations suggest that multiple comparison correction does not control for false discoveries across multiple studies when the effect sizes are relatively small. Meta-analysis on un-thresholded t-maps is critical for the recovery of ground truth. We recommend that to achieve high reproducibility through meta-analysis, the neuroimaging research field should share raw data or, at minimum, provide un-thresholded statistical images.

The human brain is able to flexibly adapt its information processing capacity to meet a variety of cognitive challenges. Recent evidence suggests that this flexibility is reflected in the dynamic reorganization of the functional connectome. The ascending catecholaminergic arousal systems of the brain are a plausible candidate mechanism for driving alterations in network architecture, enabling efficient deployment of cognitive resources when the environment demands them. We tested this hypothesis by analyzing both task-free and task-based fMRI data following the administration of atomoxetine, a noradrenaline reuptake inhibitor, compared to placebo, in two separate human fMRI studies. Our results demonstrate that the manipulation of central catecholamine levels leads to a reorganization of the functional connectome in a manner that is sensitive to ongoing cognitive demands.

Both natural and engineered networks are often modular. Whether a network node interacts with only nodes from its own module or nodes from multiple modules provides insight into its functional role. The participation coefficient ( PC ) is typically used to measure this attribute although its value also depends on the size of the module it belongs to, often leading to non-intuitive identification of highly connected nodes. Here, we develop a normalized PC that overcomes the module size bias associated with the conventional PC . Using brain, C.elegans , airport and simulated networks, we show that our measure of participation alleviates the module size bias, while preserving conceptual and mathematical properties, of the classic formulation of PC . Unlike the conventional PC , we identify London and New York as high participators in the air traffic network and demonstrate stronger associations with working memory in human brain networks, yielding new insights into nodal participation across network modules.

Mind wandering represents the human capacity for internally focussed thought, and relies upon dynamic interactions between default and frontoparietal networks. The majority of studies in the field have characterised mind wandering in healthy people, yet there is limited understanding of how this capacity is affected in clinical populations. The present study used a validated thought sampling task, to probe the capacity for mind wandering in two neurodegenerative disorders; the behavioural variant of frontotemporal dementia (n=28) and Alzheimer's disease (n=22), compared to healthy older controls (n=28). These disorders were selected due to their canonical profiles of neural dysfunction across key sites of the default and frontoparietal networks. Behaviourally, mind wandering frequency was found to be reduced in the patient groups, leading to an increase in stimulus-bound thoughts. These behavioural profiles were associated with distinct regions of grey matter loss, as revealed by voxel-based morphometry, predominantly in the hippocampal complex and striatum. Resting state functional connectivity further revealed associations between impaired mind wandering performance and altered connectivity within and between regions of the frontoparietal and default networks. Together, these findings are the first to describe altered mind wandering in neurodegenerative disorders, which was associated with hippocampal atrophy and aberrations in the functional integrity of the default and frontoparietal networks. These results corroborate current theoretical frameworks emphasising that cooperation between default and frontoparietal regions is critical for producing and sustaining internally focussed thought. Notably this study reveals a new dimension of cognitive dysfunction not previously documented in neurodegenerative disorders.

Cognitive function relies on a dynamic, context-sensitive balance between functional integration and segregation in the brain. Previous work has proposed that this balance is mediated by global fluctuations in neural gain by projections from ascending neuromodulatory nuclei. To test this hypothesis in silico, we studied the effects of neural gain on network dynamics in a model of large-scale neuronal dynamics. We found that increases in neural gain pushed the network through an abrupt dynamical transition, leading to an integrated network topology that was maximal in frontoparietal ‘rich club’ regions. This gain-mediated transition was also associated with increased topological complexity, as well as increased variability in time-resolved topological structure, further highlighting the potential computational benefits of the gain-mediated network transition. These results support the hypothesis that neural gain modulation has the computational capacity to mediate the balance between integration and segregation in the brain.

An inefficient integration between bottom-up visual input and higher-order visual processing regions is implicated in the manifestation of visual hallucinations (VH) in Parkinson's disease (PD). Using graph theory, the current study aimed to investigate white matter contributions to this perceptual imbalance hypothesis. Twenty-nine PD patients reported their hallucinatory behaviour on a questionnaire and performed a behavioural test that has been shown to elicit misperceptions. A composite score derived from these measures was used as a proxy for hallucinations severity and was correlated to connectivity strength of the network using the Network Based Statistic approach. The results showed that the severity of VH was associated with reduced connectivity within a large sub-network. This network included the majority of the diverse club and showed overall greater between- and within-module scores, compared to nodes not associated with hallucination severity. Furthermore, a reduction in between-module connectivity in the lateral occipital cortex, insula and pars orbitalis, as well as decreased within-module connectivity in the prefrontal, somatosensory and primary visual cortices were associated with VH severity. In contrast, the severity of VH was associated with an increase in between- and within-module connectivity in the orbitofrontal and temporal cortex, as well as regions comprising the dorsal attentional and default mode network. These results suggest that the severity of VHs is associated with marked alterations in structural network topology, highlighted by a reduction in connectivity strength across a large sub-network, as well as changes in participation across top-down visual processing centres, visual and attentional networks. Therefore, impaired integration across the perceptual hierarchy may result in the inefficient transfer of information that gives rise to VHs in PD.

A key component of the flexibility and complexity of the brain is its ability to dynamically adapt its functional network structure between integrated and segregated brain states depending on the demands of different cognitive tasks. Integrated states are prevalent when performing tasks of high complexity, such as maintaining items in working memory, consistent with models of a global workspace architecture. Recent work has suggested that the balance between integration and segregation is under the control of ascending neuromodulatory systems, such as the noradrenergic system. In a previous large-scale nonlinear oscillator model of neuronal network dynamics, we showed that manipulating neural gain led to a ‘critical’ transition in phase synchrony that was associated with a shift from segregated to integrated topology, thus confirming our original prediction. In this study, we advance these results by demonstrating that the gain-mediated phase transition is characterized by a shift in the underlying dynamics of neural information processing. Specifically, the dynamics of the subcritical (segregated) regime are dominated by information storage, whereas the supercritical (integrated) regime is associated with increased information transfer (measured via transfer entropy). Operating near to the critical regime with respect to modulating neural gain would thus appear to provide computational advantages, offering flexibility in the information processing that can be performed with only subtle changes in gain control. Our results thus link studies of whole-brain network topology and the ascending arousal system with information processing dynamics, and suggest that the constraints imposed by the ascending arousal system constrain low-dimensional modes of information processing within the brain.

Models of hallucinations across disorders emphasise an imbalance between sensory input and top-down influences over perception. However, the psychological and mechanistic correlates of this imbalance remain underspecified. Visual hallucinations in Parkinson's disease (PD) are associated with impairments in lower level visual processes and attention, accompanied by over activity and connectivity in higher-order association brain networks. PD therefore provides an attractive framework to explore the relative contributions of bottom-up versus top-down disturbances in hallucinations. Here, we characterised sensory processing in PD patients with and without visual hallucinations, and in healthy controls, by fitting a hierarchical drift diffusion model (hDDM) to an attentional task. The hDDM uses Bayesian estimates to decompose reaction time and response output into parameters reflecting drift rates of evidence accumulation, decision thresholds and non-decision time. We observed slower drift rates in PD patients with hallucinations, which were insensitive to changes in task demand. In contrast, wider decision boundaries and shorter non-decision times relative to controls were found in PD regardless of hallucinator status. Inefficient and less flexible sensory evidence accumulation emerge as unique features of PD hallucinators. We integrate these results with current models of hallucinations, suggesting that slow and inefficient sensory input in PD is less informative, and may therefore be down-weighted leading to an over reliance on top-down influences. Our findings provide a novel computational framework to better specify the impairments in dynamic sensory processing that are a risk factor for visual hallucinations.

Abstract Flexible interaction between brain regions enables neural systems to transfer and process information adaptively for goal-directed behaviors. In the current study, we investigated neural substrates that interact with task-evoked functional connectivity during cognitive control. We conducted a human fMRI study where participants selectively attended to a category of visual stimuli in the presence of competing distractors from another stimulus category. To study flexible interactions between brain regions, we performed a dynamic functional connectivity analysis to estimate temporal changes in connectivity strength between brain regions under different levels of cognitive control. Consistent with theoretical predictions, we found that cognitive control selectively enhances functional connectivity for prioritizing the processing of task-relevant information. By regressing temporal changes in connectivity strength against activity patterns elsewhere in the brain, we localized frontal and parietal regions that potentially provide top-down biasing signals for influencing, or reading information out from, task-evoked functional connectivity. Our results suggest that in addition to modulating local activity, fronto-parietal regions could also exert top-down biasing signals to influence functional connectivity between distributed brain regions.

Parkinsons disease is primarily characterised by diminished dopaminergic function, however the impact of these impairments on large-scale brain dynamics remains unclear. It has been difficult to disentangle the direct effects of Parkinsons disease from compensatory changes that reconfigure the functional signature of the whole brain network. To examine the causal role of dopamine depletion in network-level topology, we investigated time-varying network structure in 37 individuals with idiopathic Parkinsons disease, both On and Off dopamine replacement therapy, along with 50 age-matched, healthy control subjects using resting-state functional MRI. By tracking dynamic network-level topology, we found that the Parkinsons disease Off state was associated with greater network-level integration than in the On state. The extent of integration in the Off state inversely correlated with motor symptom severity, suggesting that a shift toward a more integrated network topology may be a compensatory mechanism associated with preserved motor function in the dopamine depleted Off state. Furthermore, we were able to demonstrate that measures of both cognitive and brain reserve (i.e. premorbid intelligence and whole brain grey matter volume) had a positive relationship with the relative increase in network integration observed in the dopaminergic Off state. This suggests that each of these factors plays an important role in promoting network integration in the dopaminergic Off state. Our findings provide a mechanistic basis for understanding the PD Off state and provide a further conceptual link with network-level reconfiguration. Together, our results highlight the mechanisms responsible for pathological and compensatory change in Parkinsons disease.