Abstract Mood plays an important role in our life which is illustrated by the disruptive impact of aberrant mood states in depression. Although vagus nerve stimulation (VNS) has been shown to improve symptoms of depression, the exact mechanism is still elusive, and it is an open question whether non-invasive VNS could be used to swiftly and robustly improve mood. Here, we investigated the effect of left- and right-sided transcutaneous auricular VNS (taVNS) versus a sham control condition on mood after exertion of physical and cognitive effort in 82 healthy participants (randomized cross-over design). Using linear mixed-effects and hierarchical Bayesian analyses of mood ratings, we found that 90 min of either left-sided or right-sided taVNS improved positive mood ( b = 5.11, 95% credible interval, CI [1.39, 9.01], 9.6% improvement relative to the mood intercept, BF 10 = 7.69, p LME = .017), yet only during the post stimulation phase. Moreover, lower baseline scores of positive mood were associated with greater taVNS-induced improvements in motivation ( r = −.42, 95% CI [−.58, −.21], BF 10 = 249). We conclude that taVNS boosts mood after a prolonged period of effort exertion with concurrent stimulation and that acute motivational effects of taVNS are partly dependent on initial mood states. Collectively, our results show that taVNS may help quickly improve affect after a mood challenge, potentially by modulating interoceptive signals contributing to reappraisal of effortful behavior. This suggests that taVNS could be a useful add-on to current behavioral therapies.

Abstract The vagus nerve projects to a well-defined neural circuit via the nucleus tractus solitarii (NTS) and its stimulation elicits a wide range of metabolic, neuromodulatory, and behavioral effects. Transcutaneous vagus nerve stimulation (tVNS) has been established as a promising technique to non-invasively alter brain function. However, the precise dynamics elicited by tVNS in humans are still largely unknown. Here, we performed fMRI with concurrent right-sided tVNS (vs. sham) following a randomized cross-over design ( N =40). First, to unravel the temporal profile of tVNS-induced changes in the NTS, we compared fMRI time series to canonical profiles for stimulation ON and OFF cycles. Model comparisons indicated that NTS time series were best fit by block-wise shifts in signal amplitude with stimulation ON and OFF estimates being highly correlated. Therefore, we compared stimulation (ON + OFF) versus baseline phases and found that tVNS increased fMRI BOLD activation in the NTS, but this effect was dependent on sufficient temporal signal-to-noise ratio (tSNR) in the mask. Second, to identify the spatiotemporal evolution of tVNS-induced changes in the brain, we examined lagged co-activation patterns and phase coherence. In contrast to our hypothesis, tVNS did not alter dynamic functional connectivity after correction for multiple comparisons. Third, to establish a positive control for future research, we measured changes in gastric myoelectrical frequency via an electrogastrogram. Again, in contrast to our hypothesis, tVNS induced no changes in gastric frequency. Collectively, our study provides evidence that tVNS can perturb brain signaling in the NTS, but these effects are dependent on tSNR and require precise localization. In light of an absence of acute tVNS-induced effects on dynamic functional connectivity and gastric motility, we discuss which steps are necessary to advance future research on afferent and efferent effects of tVNS.

Summary Maintaining energy homeostasis is vital and supported by vagal signaling between digestive organs and the brain. Previous research has established a gastric network in the brain that is phase synchronized with the rhythm of the stomach, but tools to perturb its function were lacking. Here, we investigated the effect of acute right-sided transcutaneous auricular vagus nerve stimulation (taVNS) versus sham stimulation (randomized crossover-design) on stomach-brain coupling. In line with preclinical research, taVNS increased stomach-brain coupling in the nucleus of the solitary tract (NTS) and the midbrain while boosting coupling across the brain. Crucially, in the cortex, taVNS-induced changes in coupling occurred primarily in transmodal regions and were associated with changes in hunger ratings as indicators of the subjective metabolic state. Hence, taVNS alters stomach-brain coupling via an NTS-midbrain pathway that signals gut-induced reward, potentially paving the way for novel treatments in disorders such as Parkinson’s disease or depression. Graphical Abstract Highlights Transcutaneous vagus nerve stimulation (taVNS) can emulate interoceptive signals taVNS boosts stomach-brain coupling in the brainstem, midbrain, and transmodal cortex taVNS-induced changes in stomach-brain coupling mirror subjective hunger ratings

Abstract Metacognitive biases have been repeatedly associated with transdiagnostic psychiatric dimensions of ‘anxious-depression’ and ‘compulsivity and intrusive thought’, cross-sectionally. To progress our understanding of the underlying neurocognitive mechanisms, new methods are required to measure metacognition remotely, within individuals over time. We developed a gamified smartphone task designed to measure visuo-perceptual metacognitive (confidence) bias and investigated its psychometric properties across two studies (N = 3410 unpaid citizen scientists, N = 52 paid participants). We assessed convergent validity, split-half and test–retest reliability, and identified the minimum number of trials required to capture its clinical correlates. Convergent validity of metacognitive bias was moderate (r(50) = 0.64, p < 0.001) and it demonstrated excellent split-half reliability (r(50) = 0.91, p < 0.001). Anxious-depression was associated with decreased confidence (β = − 0.23, SE = 0.02, p < 0.001), while compulsivity and intrusive thought was associated with greater confidence (β = 0.07, SE = 0.02, p < 0.001). The associations between metacognitive biases and transdiagnostic psychiatry dimensions are evident in as few as 40 trials. Metacognitive biases in decision-making are stable within and across sessions, exhibiting very high test–retest reliability for the 100-trial (ICC = 0.86, N = 110) and 40-trial (ICC = 0.86, N = 120) versions of Meta Mind. Hybrid ‘self-report cognition’ tasks may be one way to bridge the recently discussed reliability gap in computational psychiatry.

Abstract Reinforcement learning is a core facet of motivation and alterations have been associated with various mental disorders. To build better models of individual learning, repeated measurement of value-based decision-making is crucial. However, the focus on lab-based assessment of reward learning has limited the number of measurements and the test-retest reliability of many decision-related parameters is therefore unknown. Here, we developed an open-source cross-platform application Influenca that provides a novel reward learning task complemented by ecological momentary assessment (EMA) for repeated assessment over weeks. In this task, players have to identify the most effective medication by selecting the best option after integrating offered points with changing probabilities (according to random Gaussian walks). Participants can complete up to 31 levels with 150 trials each. To encourage replay on their preferred device, in-game screens provide feedback on the progress. Using an initial validation sample of 127 players (2904 runs), we found that reinforcement learning parameters such as the learning rate and reward sensitivity show low to medium intra-class correlations (ICC: 0.22-0.52), indicating substantial within- and between-subject variance. Notably, state items showed comparable ICCs as reinforcement learning parameters. To conclude, our innovative and openly customizable app framework provides a gamified task that optimizes repeated assessments of reward learning to better quantify intra- and inter-individual differences in value-based decision-making over time.

The momentary global functional state of the brain is reflected in its electric field configuration and cluster analytical approaches have consistently shown four configurations, referred to as EEG microstate classes A to D. Changes in microstate parameters are associated with a number of neuropsychiatric disorders, task performance, and mental state establishing their relevance for cognition. However, the common practice to use eye-closed resting state data to assess the temporal dynamics of microstate parameters might induce systematic confounds related to vigilance levels. Here, we studied the dynamics of microstate parameters in two independent data sets and showed that the parameters of microstates are strongly associated with vigilance level assessed both by EEG power analysis and fMRI global signal. We found that the duration and contribution of microstate class C, as well as transition probabilities towards microstate class C were positively associated with vigilance, whereas the sign was reversed for microstate classes A and B. Furthermore, in looking for the origins of the correspondence between microstates and vigilance level, we found Granger-causal effects of vigilance levels on microstate sequence parameters. Collectively, our findings suggest that duration and occurrence of microstates have a different origin and possibly reflect different physiological processes. Finally, our findings indicate the need for taking vigilance levels into consideration in resting-sate EEG investigations.

Local measures of neurotransmitters provide crucial insights into neurobiological changes underlying altered functional connectivity in psychiatric disorders. However, non-invasive neuroimaging techniques such as magnetic resonance spectroscopy (MRS) may cover anatomically and functionally distinct areas, such as p32 and p24 of the pregenual anterior cingulate cortex (pgACC). Here, we aimed to overcome this low spatial specificity of MRS by predicting local glutamate and GABA based on functional characteristics and neuroanatomy, using complementary machine learning approaches. Functional connectivity profiles of pgACC area p32 predicted pgACC glutamate better than chance (R2 = .324) and explained more variance compared to area p24 using both elastic net and partial least squares regression. In contrast, GABA could not be robustly predicted. To summarize, machine learning helps exploit the high resolution of fMRI to improve the interpretation of local neurometabolism. Our augmented multimodal imaging analysis can deliver novel insights into neurobiology by using complementary information.

Interoceptive feedback transmitted via the vagus nerve plays a vital role in motivation by tuning actions according to physiological needs. Whereas vagus nerve stimulation (VNS) reinforces actions and enhances dopamine transmission in animals, motivational effects elicited by VNS in humans are still largely elusive. Here, we applied non-invasive transcutaneous auricular VNS (taVNS) on the left or the right ear using a randomized cross-over design (vs. sham). During stimulation, 81 healthy participants had to exert effort to earn food or monetary rewards. We reasoned that taVNS enhances motivation and tested whether it does so by increasing prospective benefits (i.e., vigor) or reducing costs of action (i.e., maintenance) compared to sham stimulation. In line with preclinical studies, taVNS generally enhanced invigoration of effort ( p = .004, Bayes factor, BF10 = 7.34), whereas stimulation on the left side primarily facilitated vigor for food rewards (left taVNS: Stimulation × Reward Type, p = .003, BF10 = 11.80). In contrast, taVNS did not affect effort maintenance ( ps ≥ .09, BF10 < 0.52). Critically, during taVNS, vigor declined less steeply with decreases in wanting (Δ b = -.046, p = .031) indicating a boost in the drive to work for rewards. Collectively, our results suggest that taVNS enhances reward-seeking by boosting vigor, not effort maintenance and that the side of the stimulation affects generalization beyond food reward. We conclude that taVNS may enhance the pursuit of prospective rewards which may pave new avenues for treatment of motivational deficiencies.

Metabolic feedback between the gut and the brain relayed via the vagus nerve contributes to energy homeostasis. We investigated in healthy adults whether non-invasive stimulation of vagal afferents impacts energy homeostasis via efferent effects on metabolism or digestion. In a randomized crossover design, we applied transcutaneous auricular vagus nerve stimulation (taVNS) while recording efferent metabolic effects using simultaneous electrogastrography (EGG) and indirect calorimetry. We found that taVNS reduced gastric myoelectric frequency (p = .008), but did not alter resting energy expenditure. We conclude that stimulating vagal afferents induces gastric slowing via vagal efferents without acutely affecting net energy expenditure at rest. Collectively, this highlights the potential of taVNS to modulate digestion by activating the dorsal vagal complex. Thus, taVNS-induced changes in gastric frequency are an important peripheral marker of brain stimulation effects.

Expectancy shapes our perception of impending events. Although such an interplay between cognitive and affective processes is often impaired in mental disorders, it is not well understood how top-down expectancy signals modulate future affect. We therefore track the information flow in the brain during cognitive and affective processing segregated in time using task-specific cross-correlations. Participants in two independent fMRI studies (N1 = 37 & N2 = 55) were instructed to imagine a situation with affective content as indicated by a cue, which was then followed by an emotional picture congruent with expectancy. To correct for intrinsic covariance of brain function, we calculate resting-state cross-correlations analogous to the task. First, using factorial modeling of delta cross-correlations (task-rest) of the first study, we find that the magnitude of expectancy signals in the anterior insula cortex (AIC) modulates the BOLD response to emotional pictures in the anterior cingulate and dorsomedial prefrontal cortex in opposite directions. Second, using hierarchical linear modeling of lagged connectivity, we demonstrate that expectancy signals in the AIC indeed foreshadow this opposing pattern in the prefrontal cortex. Third, we replicate the results in the second study using a higher temporal resolution, showing that our task-specific cross-correlation approach robustly uncovers the dynamics of information flow. We conclude that the AIC arbitrates the recruitment of distinct prefrontal networks during cued picture processing according to triggered expectations. Taken together, our study provides new insights into neuronal pathways channeling cognition and affect within well-defined brain networks. Better understanding of such dynamics could lead to new applications tracking aberrant information processing in mental disorders.