To analyse neuron data at scale, neuroscientists expend substantial effort reading documentation, installing dependencies and moving between analysis and visualisation environments. To facilitate this, we have developed a suite of interoperable open-source R packages called the natverse. The natverse allows users to read local and remote data, perform popular analyses including visualisation and clustering and graph-theoretic analysis of neuronal branching. Unlike most tools, the natverse enables comparison across many neurons of morphology and connectivity after imaging or co-registration within a common template space. The natverse also enables transformations between different template spaces and imaging modalities. We demonstrate tools that integrate the vast majority of

Abstract To analyse neuron data at scale, neuroscientists expend substantial effort reading documentation, installing dependencies and moving between analysis and visualisation environments. To facilitate this, we have developed a suite of interoperable open-source R packages called the natverse. The natverse allows users to read local and remote data, perform popular analyses including visualisation, clustering and graph-theoretic analysis of neuronal branching. Unlike most tools, the natverse enables comparison of morphology and connectivity across many neurons after imaging or co-registration within a common template space. The natverse also enables transformations between different template spaces and imaging modalities. We demonstrate tools that integrate the vast majority of Drosophila neuroanatomical light microscopy and electron microscopy connectomic datasets. The natverse is an easy-to-use environment for neuroscientists to solve complex, large-scale analysis challenges as well as an open platform to create new code and packages to share with the community.

ABSTRACT There has been considerable recent progress in measuring conscious level using neural complexity measures. For instance, such measures can reliably distinguish healthy awake from asleep subjects and vegetative state patients. However, this line of research has never explored the dynamics of conscious level during normal wakefulness. Being able to capture meaningful differences in conscious level during wakefulness may provide a vital new insight into the nature of consciousness, by demonstrating what biological, behavioural and cognitive factors relate to such differences. Here we take advantage of a large MEG and fMRI dataset of healthy adults, to examine within-subject conscious level fluctuations during resting state and tasks, by using a range of complexity measures. We first establish the validity of this approach in both neuroimaging domains by relating neural complexity measures to pre-existing techniques for capturing transitions of consciousness from full wakefulness into drowsiness and the earliest stages of sleep, finding decreased complexity as participants become increasingly drowsy. We further demonstrate that neural complexity measures in both MEG and fMRI change both within and between tasks, and relate to performance on an executive task, with higher complexity associated with better performance and faster reaction times. This approach provides a powerful new route to further explore the cognitive and neural underpinnings of consciousness.

Abstract The hemibrain connectome provides large scale connectivity and morphology information for the majority of the central brain of Drosophila melanogaster . Using this data set, we provide a complete description of the Drosophila olfactory system, covering all first, second and lateral horn-associated third-order neurons. We develop a generally applicable strategy to extract information flow and layered organisation from connectome graphs, mapping olfactory input to descending interneurons. This identifies a range of motifs including highly lateralised circuits in the antennal lobe and patterns of convergence downstream of the mushroom body and lateral horn. Leveraging a second data set we provide a first quantitative assessment of inter – versus intra-individual stereotypy. Comparing neurons across two brains (three hemispheres) reveals striking similarity in neuronal morphology across brains. Connectivity correlates with morphology and neurons of the same morphological type show similar connection variability within the same brain as across two brains.

Abstract For all animals, undisturbed periods of rest are essential for undergoing recuperative processes. How neural interactions create brain states capable of dissociating an animal from its external world to promote quiescence remains a fundamental question. Here, we show how coherent network oscillations can create neural filters that favor a quiescent brain state over a state that promotes navigation. Circadian regulation and excitability of the Drosophila sleep homeostat (dFSB) generate nighttime specific slow-wave coherence between neural networks mediating sleep need (R5) and networks gating locomotion (helicon cells). Optogenetically mimicking coherent activity reveals that temporally fine-tuned R5 oscillations promote a quiescent state and reduce responsiveness to visual stimuli by hierarchically overruling locomotion-promoting helicon cells. We uncover that R5 and helicon bidirectionally regulate behavioral responsiveness by providing antagonistic inputs to head direction targets (EPG). Thus, coherent oscillations can form the mechanistic basis of neural filters by temporally associating antagonistic inputs and therefore reducing the functional connectivity between locomotion gating and navigational networks.

In vertebrates, several forms of memory-relevant synaptic plasticity involve postsynaptic rearrangements of glutamate receptors. In contrast, previous work indicates that Drosophila and other invertebrates store memories using presynaptic plasticity of cholinergic synapses. Here, we provide evidence for postsynaptic plasticity at cholinergic output synapses from the Drosophila mushroom bodies (MBs). We find that the nicotinic acetylcholine receptor (nAChR) subunit α5 is required within specific MB output neurons (MBONs) for appetitive memory induction, but is dispensable for aversive memories. In addition, nAChR α2 subunits mediate memory expression and likely functions downstream of α5 and the postsynaptic scaffold protein Dlg. We show that postsynaptic plasticity traces can be induced independently of the presynapse, and that in vivo dynamics of α2 nAChR subunits are changed both in the context of associative and non-associative memory formation, underlying different plasticity rules. Therefore, regardless of neurotransmitter identity, key principles of postsynaptic plasticity support memory storage across phyla.

ABSTRACT Humans are uniquely capable of adapting to highly changing environments by updating relevant information and adjusting ongoing behaviour accordingly. Here we show how this ability —termed cognitive flexibility— is differentially modulated by high and low arousal fluctuations. We implemented a probabilistic reversal learning paradigm in healthy participants as they transitioned towards sleep or physical extenuation. The results revealed, in line with our pre-registered hypotheses, that low arousal leads to diminished behavioural performance through increased decision volatility, while performance decline under high arousal was attributed to increased perseverative behaviour. These findings provide evidence for distinct patterns of maladaptive decision-making on each side of the arousal inverted u-shaped curve, differentially affecting participants’ ability to generate stable evidence-based strategies, and introduces wake-sleep and physical exercise transitions as complementary experimental models for investigating neural and cognitive dynamics.

ABSTRACT The ability to make decisions based on external information, prior knowledge and evidence, is a crucial aspect of cognition and may determine the success and survival of an organism. Despite extensive work on decision-making mechanisms/models, understanding the effects of alertness on neural and cognitive processes remain limited. Here we use electroencephalography and behavioural modelling to characterise cognitive and neural dynamics of perceptual decision-making in awake/low alertness periods in humans (14 male, 18 female) and characterise the compensatory mechanisms as alertness decreases. Well-rested human participants, changing between full-wakefulness and low alertness, performed an auditory tone-localisation task and its behavioural dynamics was quantified with psychophysics, signal detection theory and drift-diffusion modelling, revealing slower reaction times, inattention to the left side of space, and a lower rate of evidence accumulation in periods of low alertness. Unconstrained multivariate pattern analysis (decoding) showed a ~280ms delayed onset driven by low alertness of the neural signatures differentiating between left and right decision, with a spatial reconfiguration from centro-parietal to lateral frontal regions 150-360ms. To understand the neural compensatory mechanisms with decreasing alertness, we connected the evidence-accumulation behavioural parameter to the neural activity, showing in the early periods (125-325ms) a shift in the associated patterns from right parietal regions in awake, to right fronto-parietal during low alertness. This change in the neurobehavioural dynamics for central accumulation related cognitive processes define a clear reconfiguration of the brain networks’ regions and dynamics needed for the implementation of decision-making, revealing mechanisms of resilience of cognition when challenged by decreased alertness. Significance statement Most living organisms make multiple daily decisions and these require a degree of evidence from both the environment and the internal milieu. Such decisions are usually studied under sequential sampling models and involve making a behavioural choice based on sensory encoding, central accumulation, and motor implementation processes. Since there is little research on how decreasing alertness affects such cognitive processes, this study has looked at the cognitive and neural dynamics of perceptual decision-making in people while fully awake and in drowsy periods. Using computational modelling of behaviour and neural dynamics on human participants performing an auditory tone-localisation task, we reveal how low alertness modulates evidence accumulation related processes and its corresponding compensatory neural signatures.

Sleep is observed in most animals, which suggests it subserves a fundamental process associated with adaptive biological functions. However, the evidence to directly associate sleep with a specific function is lacking, in part because sleep is not a single process in many animals. In humans and other mammals, different sleep stages have traditionally been identified using electroencephalograms (EEGs), but such an approach is not feasible in different animals such as insects. Here, we perform long-term multichannel local field potential (LFP) recordings in the brains of behaving flies undergoing spontaneous sleep bouts. We developed protocols to allow for consistent spatial recordings of LFPs across multiple flies, allowing us to compare the LFP activity across awake and sleep periods and further compare the same to induced sleep. Using machine learning, we uncover the existence of distinct temporal stages of sleep and explore the associated spatial and spectral features across the fly brain. Further, we analyze the electrophysiological correlates of micro-behaviours associated with certain sleep stages. We confirm the existence of a distinct sleep stage associated with rhythmic proboscis extensions and show that spectral features of this sleep-related behavior differ significantly from those associated with the same behavior during wakefulness, indicating a dissociation between behavior and the brain states wherein these behaviors reside.

Abstract The level of alertness fluctuates throughout the day, exerting modulatory effects on human cognitive processes at any moment. However, our knowledge of how alertness level interacts with specific cognitive demands and perceptual rules of the task is still limited. Here we use perceptual decision-making paradigms to understand how alertness modulates the detection of a stimulus and the capacity to discriminate one stimulus from another. We analyzed data from four different experiments (113 participants in total): 1 - auditory masking detection; 2 - sensorimotor detection; 3 - auditory spatial discrimination; and 4 - auditory phoneme discrimination, and examined the performance of participants during the natural transition from awake (high alertness) to drowsy (low alertness). First, we fitted psychometric functions to the hit rates across different conditions of difficulty for EEG-defined high and low alertness metastable states, respectively. Second, we performed modelling of slope and threshold for the fitted curves as well as signal detection theory measures of perceptual sensitivity (d’) and response bias (criterion). We found lower detection and discrimination sensitivity to stimuli as alertness level decreases, signalled by a shallower slope of the sigmoidal curve and a lower d’, while the threshold increases slightly and equivalently across experiments during lower alertness. There was no change in the criterion to make the decision during the transition. These results suggest that reduced alertness generally decreases the quality of perceptual decision-making. Zooming in, we observed that the decrease in sensitivity measured by slope was stronger for discrimination than for detection decisions, indicating that lower alertness impairs the precision of decisions in discriminating alternatives more than identifying the presence of a stimulus around the threshold. Taken together, these results suggest that alertness has a common effect on perceptual decision-making and differentially modulates detection and discrimination decisions.