ABSTRACT Mindfulness meditation has been practiced in the East for more than two millennia, but in last years also Western neurscientists drown their attention to it. Mindfulness basically refers to moment to moment awareness. In this review we summarize different hypotheses concerning effects of mindfulness meditation practice and cerebral correlates accounting for these; furthermore we expose some of the most relevant theories dealing with different aspects of consciousness. Finally we propose an integration of mindfulness meditation with consciousness, supported by the identification of brain areas involved in both of them, namely Anterior Cingular Cortex (ACC), Posterior Cingular Cortex (PCC), Insula and Thalamus.

The exact mechanisms at the root of pathologic anatomical covariances are still unknown. It is nonetheless becoming clearer that the impact of brain diseases is more convincingly represented in terms of co- alterations rather than in terms of localization of alterations. According to this view, neurological and psychiatric conditions might be seen as whole-brain patterns of modifications. In this context, the physical distance between two co-altered areas may provide insightful information about how pathology develops across the brain, assuming that long-range co-alterations might be relevant features of pathological networks. To demonstrate this hypothesis, we calculated the probability of co-alteration between brain areas across a large database of voxel-based morphometry studies of psychiatric and neurological disorders, and we investigated the physical (Euclidean) distance of the edges of the resulting network. Such analysis produced a series of observations relevant for the understanding of pathology, which range from unanticipated results to the recognition of regions of well-known functional and clinical relevance. For instance, it emphasizes the importance of the anterior and dorsal prefrontal cortices in the distribution of the disease-related alterations, as well as a specular asymmetry of gray matter decreases and increases between the hemispheres. Also, the analyses of schizophrenia and Alzheimer’s disease show that long-distance co-alterations are able to identify areas involved in pathology and symptomatology. Moreover, the good concordance between the measure of the mean physical distance and that of functional degree centrality suggests that co-alterations and connectivity are intimately related. These findings highlight the importance of analyzing the physical distance in pathology, as the areas characterized by a long mean distance may be considered as hubs with a crucial role in the systems of alterations induced by brain diseases.

In the field of neuroimaging reverse inferences can lead us to suppose the involvement of cognitive processes from certain patterns of brain activity. Still, the same reasoning holds if we substitute 'brain activity' with 'brain alteration' and 'cognitive process' with 'brain disorder'. To assess the involvement of a certain alteration pattern in a brain disorder we used the Bayes' factor technique on voxel-based morphometry data of schizophrenia and Alzheimer's disease. This technique allows to calculate the ratio between the likelihoods of two alternative hypotheses (in our case, that the alteration of the voxel is specific for the brain disorder under scrutiny or that the alteration is not specific). We then performed temporal simulations of the alterations' spread associated with different pathologies. The Bayes' factor values calculated on these simulated data were able to reveal that the areas, which are more specific to a certain disease, are also the ones to be early altered.

It is well known that the blood oxygen level dependent (BOLD) signal varies according to task performance and region specificity. This ongoing and fluctuating activity reflects the organization of functional brain networks. Peculiar dynamics of BOLD signal are therefore supposed to characterize brain activity in different conditions. Within this framework, we investigated through a multivoxel pattern analysis whether patterns of BOLD variability convey information that may allow an efficient discrimination between task (i.e., painful stimulation) and rest conditions. We therefore identified the most discriminative brain areas between the two conditions, which turned out to be the anterior insula, dorsal anterior cingulate cortex, posterior insula, the thalamus, and the periaqueductal gray. Then, on the basis of information theory, we calculated the entropy of their different time series. Entropy was found to distribute differently between these brain areas. The posterior insula was found to be is the smaller contributor to the entropy rate, whereas the system formed by the thalamus and periaqueductal gray was found to be the major contributor. Overall, the brain system reaches a higher level of entropy during the rest condition, which suggests that cerebral activity is characterized by a larger informational space when the brain is at rest than when it is engaged in a specific task. Thus, this study provides evidence that: i) the pattern of BOLD variance allow a good discrimination between the conditions of rest and pain stimulation; ii) the discriminative pattern resembles closely that of the functional network that has been called pain matrix; iii) brain areas with high and low variability are characterized by a different sample entropy; iv) the entropy rate of cerebral regions can be an insightful parameter to better understand the complex dynamics of the brain.

Abstract: Over the past two decades, functional magnetic resonance imaging (fMRI) has become the primary tool for exploring neural correlates of emotion. To enhance the reliability of results in understanding the complex nature of emotional experiences, researchers combine findings from multiple fMRI studies using coordinate-based meta-analysis (CBMA). As one of the most widely employed CBMA methods worldwide, activation likelihood estimation (ALE) is of great importance in affective neuroscience and neuropsychology. This comprehensive review provides an introductory guide for implementing the ALE method in emotion research, outlining the experimental steps involved. By presenting a case study about the emotion of disgust, with regard to both its core and social processing, we offer insightful commentary as to how ALE can enable researchers to produce consistent results and, consequently, fruitfully investigate the neural mechanisms underpinning emotions, facilitating further progress in this field. Keywords: affective mapping, BrainMap, quantitative synthesis, coordinate-based meta-analysis, fMRI, affective neuroscience