N-methyl-D-aspartate receptors (NMDARs) are expressed widely throughout the human cortex. Yet disturbances in NMDAR transmission - as implicated in patients with schizophrenia or pharmacologically induced - can cause a regionally specific set of electrophysiological effects. Here, we present a double-blind placebo-controlled study of the effects of the NMDAR blocker ketamine in human volunteers. We employ a marker of auditory learning and putative synaptic plasticity - the mismatch negativity - in a roving auditory oddball paradigm. Using recent advances in Bayesian modelling of group effects in dynamic causal modelling, we fit biophysically plausible network models of the auditory processing hierarchy to whole-scalp evoked response potential recordings. This allowed us to identify the regionally specific effects of ketamine in a distributed network of interacting cortical sources. Under placebo, our analysis replicated previous findings regarding the effects of stimulus repetition and deviance on connectivity within the auditory hierarchy. Crucially, we show that the effect of ketamine is best explained as a selective change in intrinsic inhibition, with a pronounced ketamine-induced reduction of inhibitory interneuron connectivity in frontal sources. These results are consistent with findings from invasive recordings in animal models exposed to NMDAR blockers, and provide evidence that inhibitory-interneuron specific NMDAR dysfunction may be sufficient to explain electrophysiological abnormalities of sensory learning induced by ketamine in human subjects.

Pathophysiological explanations of epilepsy typically focus on either the micro/mesoscale (e.g. excitation-inhibition imbalance), or on the macroscale (e.g. network architecture). Linking abnormalities across spatial scales remains difficult, partly because of technical limitations in measuring neuronal signatures concurrently at the scales involved. Here we use light sheet imaging of the larval zebrafish brain during acute epileptic seizure induced with pentylenetetrazole. Empirically measured spectral changes of spontaneous neuronal activity during the seizure are then modelled using neural mass models, allowing Bayesian inference on changes in effective network connectivity and their underlying synaptic dynamics. This dynamic causal modelling of seizures in the zebrafish brain reveals concurrent changes in synaptic coupling at macro- and mesoscale. Fluctuations of synaptic connection strength and their temporal dynamics are both required to explain observed seizure patterns. These findings challenge a simple excitation-inhibition account of seizures, and highlight changes in synaptic transmission dynamics as a possible seizure generation pathomechanism.

Electroencephalography (EEG) allows recording of cortical activity at high temporal resolution. EEG recordings can be summarised along different dimensions using network-level quantitative measures, e.g. channel-to-channel correlation, or band power distributions across channels. These reveal network patterns that unfold over a range of different time scales and can be tracked dynamically. Here we describe the dynamics of network-state transitions in EEG recordings of spontaneous brain activity in normally developing infants and infants with severe early infantile epileptic encephalopathies (n=8, age: 1-8 months). We describe differences in measures of EEG dynamics derived from band power, and correlation-based summaries of network-wide brain activity. We further show that EEGs from different patient groups and controls can be distinguished based on a small set of the novel quantitative measures introduced here, which describe dynamic network state switching. Quantitative measures related to the smoothness of switching from one correlation pattern to another show the largest differences between groups. These findings reveal that the early epileptic encephalopathies are associated with characteristic dynamic features at the network level. Quantitative network-based analyses like the one presented here may in future inform the clinical use of quantitative EEG for diagnosis.

Abstract Hypoxia-ischaemia (HI) can result in structural brain abnormalities, which in turn can lead to behavioural deficits in various cognitive and motor domains, in both adult and paediatric populations. Cardiorespiratory arrest (CA) is a major cause of hypoxia-ischaemia in adults, but it is relatively rare in infants and children. While the effects of adult CA on brain and cognition have been widely studied, to date, there are no studies examining the neurodevelopmental outcome of children who suffered CA early in life. Here, we studied the long-term outcome of 28 children who suffered CA during infancy or childhood (i.e., before age 16). They were compared to a group of control participants (n = 28) matched for age, gender and socio-economic status. The patient group had impairments in the domains of memory, language and academic attainment (measured using standardised tests; impairment defined as a score > 1.5 standard deviations below the control group mean). Individual scores within the impaired range were most commonly found within the memory domain (79%), followed by attainment (50%), and language (36%). The patient group also had reduced whole brain grey matter volume, and reduced volume and fractional anisotropy of the white matter. In addition, lower performance on memory tests was correlated with bilaterally reduced volume of the hippocampi, thalami, and striatum, while lower attainment scores were correlated with bilateral reduction of fractional anisotropy in the superior cerebellar peduncle, the main output tract of the cerebellum. We conclude that patients who suffered early CA are at risk of developing specific cognitive deficits associated with structural brain abnormalities.

The presence of interictal epileptiform discharges on electroencephalography (EEG) may indicate increased epileptic seizure risk and on invasive EEG are the signature of the irritative zone. In highly epileptogenic lesions - such as cortical tubers in tuberous sclerosis - these discharges can be recorded with intracranial stereotactic EEG as part of the evaluation for epilepsy surgery. Yet the network mechanisms that underwrite the generation and spread of these discharges remain poorly understood, limiting their current diagnostic use. Here, we investigate the dynamics of interictal epileptiform discharges using a combination of quantitative analysis of invasive EEG recordings and mesoscale neural mass modelling of cortical dynamics. We first characterise spatially organised local dynamics of discharges recorded from 36 separate tubers in 8 patients with tuberous sclerosis. We characterise these dynamics with a set of competing explanatory network models using dynamic causal modelling. Bayesian model comparison of plausible network architectures suggests that the recurrent coupling between neuronal populations within - and adjacent to - the tuber core explains the travelling wave dynamics observed in these patient recordings. Our results - based on interictal activity - unify competing theories about the pathological organisation of epileptic foci and surrounding cortex in patients with tuberous sclerosis. Coupled oscillator dynamics have previously been used to describe ictal activity, where fast travelling ictal discharges are commonly observed within the recruited seizure network. The interictal data analysed here add the insight that this functional architecture is already established in the interictal state. This links observations of interictal EEG abnormalities directly to pathological network coupling in epilepsy, with possible implications for epilepsy surgery approaches in tuberous sclerosis.

NMDA-receptor antibodies (NMDAR-Ab) cause an autoimmune encephalitis with a diverse range of electroencephalographic (EEG) abnormalities. NMDAR-Ab are believed to disrupt receptor function, but how blocking this excitatory neurotransmitter can lead to paroxysmal EEG abnormalities - or even seizures - is poorly understood. Here, we show that NMDAR-Ab change intrinsic cortical connections and neuronal population dynamics to alter the spectral composition of spontaneous EEG activity, and predispose to paroxysmal EEG abnormalities. Based on local field potential recordings in a mouse model, we first validate a dynamic causal model of NMDAR-Ab effects on cortical microcircuitry. Using this model, we then identify the key synaptic parameters that best explain EEG paroxysms in paediatric patients with NMDAR-Ab encephalitis. Finally, we use the mouse model to show that NMDAR-Ab-related changes render microcircuitry critically susceptible to overt EEG paroxysms, when these key parameters are changed. These findings offer mechanistic insights into circuit-level dysfunction induced by NMDAR-Ab.

Typicality, or averageness, is one of the key features that influences face evaluation, but the role of this property in the perception of facial expressions of emotions is still not fully understood. Typical faces are usually considered more pleasant and trustworthy, and neuroimaging results suggest typicality modulates amygdala and fusiform activation, influencing face perception. At the same time, there is evidence that arousal is a key affective feature that modulates neural reactivity to emotional expressions. In this sense, it remains unclear whether the neural effects of typicality depend on altered perceptions of affect from facial expressions or if the effects of typicality and affect independently modulate face processing. The goal of this work was to dissociate the effects of typicality and affective properties, namely valence and arousal, in electrophysiological responses and self-reported ratings across several facial expressions of emotion. Two ERP components relevant for face processing were measured, the N170 and Vertex Positive Potential (VPP), complemented by subjective ratings of typicality, valence, and arousal, in a sample of 30 healthy young adults (21 female). The results point out to a modulation of the electrophysiological responses by arousal, regardless of the typicality or valence properties of the face. These findings suggest that previous findings of neural responses to typicality may be better explained by accounting for the subjective perception of arousal in facial expressions.