Abstract Transcranial magnetic stimulation (TMS) is used in several FDA-approved treatments and, increasingly, to treat neurological disorders in off-label uses. However, the mechanism by which TMS causes physiological change is unclear, as are the origins of response variability in the general population. Ideally, objective in vivo biomarkers could shed light on these unknowns and eventually inform personalized interventions. Continuous theta burst stimulation (cTBS) is a form of TMS which has been observed to reduce motor evoked potentials (MEPs) for 60 minutes or longer post-stimulation, although the consistency of this effect and its mechanism continue to be under debate. Here, we use glutamate-weighted chemical exchange saturation transfer (gluCEST) magnetic resonance imaging (MRI) at ultra-high magnetic field (7T) to measure changes in glutamate concentration at the site of cTBS. We find that gluCEST signal in the ipsilateral hemisphere of the brain generally decreases in response to cTBS, whereas consistent changes were not detected in the contralateral or in subjects receiving a sham stimulation. One Sentence Summary We used glutamate-weighted Chemical Exchange Saturation Transfer (GluCEST) imaging to detect changes in glutamate contrast in the brains of young, healthy adults undergoing transcranial magnetic stimulation (TMS) to the motor cortex.

Abstract Cognitive control (CC) is a vital component of cognition associated with problem-solving in everyday life. Many neurological and neuropsychiatric conditions have deficits associated with CC. CC is composed of multiple behaviors including switching, inhibiting, and updating. The fronto-parietal control network B (FPCN-B), the dorsal attention network (DAN), the cingulo-opercular network (CON) and the dorsal default-mode network (dorsal-DMN) have been associated with switching and inhibiting behaviors. However, our understanding of how these brain regions interact to bring about CC behaviors is still unclear. In the current study, participants performed two in-scanner tasks that required switching and inhibiting. We then used a series of support vector regression (SVR) models containing individually-estimated functional connectivity between the networks of interest derived during tasks and at rest to predict inhibition and switching behaviors in individual subjects. We observed that the combination of between-network connectivity from these individually estimated functional networks predicted accurate and timely inhibition and switching behaviors in individuals. We also observed that the relationships between canonical task-positive and task-negative networks predicted inhibiting and switching behaviors. Finally, we observed a functional dissociation between the FPCN-A and FPCNB during rest, and task performance predicted inhibiting and switching behaviors. These results suggest that individually estimated networks can predict individual CC behaviors, that between-network functional connectivity estimated within individuals is vital to understanding how CC arises, and that the fractionation of the FPCN and the DMN may be associated with different behaviors than their canonically accepted behaviors.

Abstract The severity of post-stroke aphasia is related to damage to white matter connections. However, neural signaling can route not only through direct connections, but also along multi-step network paths. When brain networks are damaged by stroke, paths can bypass around the damage to restore communication. The shortest network paths between regions could be the most efficient routes for mediating bypasses. We examined how shortest-path bypasses after left hemisphere strokes were related to language performance. Regions within and outside of the canonical language network could be important in aphasia recovery. Therefore, we innovated methods to measure the influence of bypasses in the whole brain. Distinguishing bypasses from all residual shortest paths is difficult without pre-stroke imaging. We identified bypasses by finding shortest paths in subjects with stroke that were longer than those observed in the average network of the most reliably observed connections in age-matched controls. We tested whether features of those bypasses predicted scores in four orthogonal dimensions of language performance derived from a factor analysis of a battery of language tasks. The features were the length of each bypass in steps, and how many bypasses overlapped on each individual direct connection. We related these bypass features to language factors using grid-search cross-validated Support Vector Regression, a technique that extracts robust relationships in high-dimensional data analysis. We discovered that the length of bypasses reliably predicted variance in lexical production ( R 2 = . 576 ) and auditory comprehension scores ( R 2 = .164). Bypass overlaps reliably predicted variance in Lexical Production scores ( R 2 = .247). The predictive elongation features revealed that bypass efficiency along the dorsal stream and ventral stream were most related to Lexical Production and Auditory Comprehension, respectively. Among the predictive bypass overlaps, increased bypass routing through the right hemisphere putamen was negatively related to lexical production ability.

ABSTRACT Optimal performance in any task relies on the ability to detect and repair errors. The anterior cingulate cortex and the broader posterior medial frontal cortex (pMFC) are active during error processing. However, it is unclear whether damage to the pMFC impairs error monitoring. We hypothesized that successful error monitoring critically relies on connections between the pMFC and broader cortical networks involved in executive functions and the task being monitored. We tested this hypothesis in the context of speech error monitoring in people with post-stroke aphasia. Diffusion weighted images were collected in 51 adults with chronic left-hemisphere stroke and 37 age-matched control participants. Whole-brain connectomes were derived using constrained spherical deconvolution and anatomically-constrained probabilistic tractography. Support vector regressions identified white matter connections in which lost integrity in stroke survivors related to reduced error detection during confrontation naming. Lesioned connections to the bilateral pMFC were related to reduce error monitoring, including many connections to regions associated with speech production and executive function. We conclude that connections to the pMFC support error monitoring. Error monitoring in speech production is supported by the structural connectivity between the pMFC and regions involved in speech production and executive function. Interactions between pMFC and other taskrelevant processors may similarly be critical for error monitoring in other task contexts.

Abstract Aphasia is one of the most prevalent cognitive syndromes caused by stroke. The rarity of premorbid imaging and heterogeneity of lesion size and extent obfuscates the links between the local effects of the lesion, global anatomical network organization, and aphasia symptoms. We applied a simulated attack approach to examine the effects of 39 stroke lesions on network topology by simulating their effects in a control sample of 36 healthy brain networks. We focused on measures of global network organization thought to support overall brain function and resilience in the whole brain and within the left hemisphere. After removing lesion volume from the network topology measures and behavioral scores (the Western Aphasia Battery Aphasia Quotient; WAB-AQ), four behavioral factor scores obtained from a neuropsychological battery, and a factor sum), we compared the behavioral variance accounted for by simulated post-stroke connectomes to that observed in the randomly permuted data. Overall, global measures of network topology in the whole brain and left hemisphere accounted for 10% variance or more of the WAB-AQ and the lexical factor score beyond lesion volume and null permutations. Streamline networks provided more reliable point estimates than FA networks. Edge weights and network efficiency were weighted most highly in predicting the WAB-AQ for FA networks. Overall, our results suggest that global network measures can provide modest statistical value predicting overall aphasia severity, but less value in predicting specific behaviors. Variability in estimates could be induced by premorbid ability, deafferentation and diaschisis, and neuroplasticity following stroke.