Abstract High blood cholesterol is typically considered a feature of wealthy western countries 1,2 . However, dietary and behavioural determinants of blood cholesterol are changing rapidly throughout the world 3 and countries are using lipid-lowering medications at varying rates. These changes can have distinct effects on the levels of high-density lipoprotein (HDL) cholesterol and non-HDL cholesterol, which have different effects on human health 4,5 . However, the trends of HDL and non-HDL cholesterol levels over time have not been previously reported in a global analysis. Here we pooled 1,127 population-based studies that measured blood lipids in 102.6 million individuals aged 18 years and older to estimate trends from 1980 to 2018 in mean total, non-HDL and HDL cholesterol levels for 200 countries. Globally, there was little change in total or non-HDL cholesterol from 1980 to 2018. This was a net effect of increases in low- and middle-income countries, especially in east and southeast Asia, and decreases in high-income western countries, especially those in northwestern Europe, and in central and eastern Europe. As a result, countries with the highest level of non-HDL cholesterol—which is a marker of cardiovascular risk—changed from those in western Europe such as Belgium, Finland, Greenland, Iceland, Norway, Sweden, Switzerland and Malta in 1980 to those in Asia and the Pacific, such as Tokelau, Malaysia, The Philippines and Thailand. In 2017, high non-HDL cholesterol was responsible for an estimated 3.9 million (95% credible interval 3.7 million–4.2 million) worldwide deaths, half of which occurred in east, southeast and south Asia. The global repositioning of lipid-related risk, with non-optimal cholesterol shifting from a distinct feature of high-income countries in northwestern Europe, north America and Australasia to one that affects countries in east and southeast Asia and Oceania should motivate the use of population-based policies and personal interventions to improve nutrition and enhance access to treatment throughout the world.

The prevalence of somatic insulinopathies, like metabolic syndrome (MetS), obesity, and type 2 diabetes mellitus (T2DM), is higher in Alzheimer's disease (AD), autism spectrum disorder (ASD), and obsessive-compulsive disorder (OCD). Dysregulation of insulin signalling has been implicated in these neuropsychiatric disorders, and shared genetic factors might partly underlie this observed multimorbidity. We investigated the genetic overlap between AD, ASD, and OCD with MetS, obesity, and T2DM by estimating pairwise global genetic correlations using the summary statistics of the largest available genome-wide association studies for these phenotypes. Having tested these hypotheses, other potential brain "insulinopathies" were also explored by estimating the genetic relationship of six additional neuropsychiatric disorders with nine insulin-related diseases/traits. Stratified covariance analyses were then performed to investigate the contribution of insulin-related gene sets. Significant negative genetic correlations were found between OCD and MetS (rg = -0.315, p = 3.9 × 10-8), OCD and obesity (rg = -0.379, p = 3.4 × 10-5), and OCD and T2DM (rg = -0.172, p = 3 × 10-4). Significant genetic correlations with insulin-related phenotypes were also found for anorexia nervosa (AN), attention-deficit/hyperactivity disorder (ADHD), major depressive disorder, and schizophrenia (p < 6.17 × 10-4). Stratified analyses showed negative genetic covariances between AD, ASD, OCD, ADHD, AN, bipolar disorder, schizophrenia and somatic insulinopathies through gene sets related to insulin signalling and insulin receptor recycling, and positive genetic covariances between AN and T2DM, as well as ADHD and MetS through gene sets related to insulin processing/secretion (p < 2.06 × 10-4). Overall, our findings suggest the existence of two clusters of neuropsychiatric disorders, in which the genetics of insulin-related diseases/traits may exert divergent pleiotropic effects. These results represent a starting point for a new research line on "insulinopathies" of the brain.

Brain network hubs are both highly connected and highly inter-connected, forming a critical communication backbone for coherent neural dynamics. The mechanisms driving this organization are poorly understood. Using diffusion-weighted imaging in twins, we identify a major role for genes, showing that they preferentially influence connectivity strength between network hubs of the human connectome. Using transcriptomic atlas data, we show that connected hubs demonstrate tight coupling of transcriptional activity related to metabolic and cytoarchitectonic similarity. Finally, comparing over thirteen generative models of network growth, we show that purely stochastic processes cannot explain the precise wiring patterns of hubs, and that model performance can be improved by incorporating genetic constraints. Our findings indicate that genes play a strong and preferential role in shaping the functionally valuable, metabolically costly connections between connectome hubs.

ABSTRACT Objective Some studies have suggested alterations of structural brain asymmetry in attention-deficit/hyperactivity disorder (ADHD), but findings have been contradictory and based on small samples. Here we performed the largest-ever analysis of brain left-right asymmetry in ADHD, using 39 datasets of the ENIGMA consortium. Methods We analyzed asymmetry of subcortical and cerebral cortical structures in up to 1,978 people with ADHD and unaffected 1,917 controls. Asymmetry Indexes (AIs) were calculated per participant for each bilaterally paired measure, and linear mixed effects modelling was applied separately in children, adolescents, adults, and the total sample, to test exhaustively for potential associations of ADHD with structural brain asymmetries. Results There was no evidence for altered caudate nucleus asymmetry in ADHD, in contrast to prior literature. In children, there was less rightward asymmetry of the total hemispheric surface area compared to controls ( t =2.4, P =0.019). Lower rightward asymmetry of medial orbitofrontal cortex surface area in ADHD ( t =2.4, P =0.007) was similar to a recent finding for autism spectrum disorder. There were also some differences in cortical thickness asymmetry across age groups. In adults with ADHD, globus pallidus asymmetry was altered compared to those without ADHD. However, all effects were small (Cohen’s d from −0.18 to 0.18) and would not survive study-wide correction for multiple testing. Conclusion Prior studies of altered structural brain asymmetry in ADHD were likely underpowered to detect the small effects reported here. Altered structural asymmetry is unlikely to provide a useful biomarker for ADHD, but may provide neurobiological insights into the trait.

Abstract Objective Maladaptive aggression, as present in conduct disorder (CD) and, to a lesser extent, oppositional defiant disorder (ODD), has been associated with structural alterations in various brain regions, such as ventromedial prefrontal cortex (vmPFC), anterior cingulate cortex (ACC), amygdala, insula and ventral striatum. Although aggression can be subdivided into reactive and proactive subtypes, no neuroimaging studies have yet investigated if any structural brain alterations are associated with either of the subtypes specifically. Here we investigated this association in predefined regions of interest. Method T1-weighted magnetic resonance images were acquired from 158 children and adolescents with aggressive behavior (ODD/CD) and 96 controls in a multi-centre study. Aggression subtypes were assessed by questionnaires. Cortical volume and subcortical volumes and shape were determined using Freesurfer and the FMRIB integrated registration and segmentation tool. Associations between volumes and continuous measures of aggression were established using multilevel linear mixed effects models. Results In cases only proactive aggression was negatively associated with amygdala volume ( b =−11.82, p =0.05), while reactive aggression was negatively associated with insula volume ( b =−46.41, p =0.01). Classical group comparison showed that children and adolescents with aggressive behavior had smaller volumes than controls in (bilateral) ventral striatum ( p =0.003), ACC ( p =0.01), and vmPFC ( p =0.003) with modest effect sizes. Conclusions Aggression was associated with reduced volume in brain regions involved in decision making. Negative associations were found between reactive aggression and volumes in regions involved in threat responsivity and between proactive aggression and regions linked to empathy. This provides evidence for aggression subtype-specific alterations in brain structure.

Abstract Machine learning (ML) has been applied to develop magnetic resonance imaging (MRI)-based diagnostic classifiers for attention-deficit/hyperactivity disorder (ADHD). This systematic review examines this literature to clarify its clinical significance and to assess the implications of the various analytic methods applied. We found that, although most of studies reported the classification accuracies, they varied in choice of MRI modalities, ML models, cross-validation and testing methods, and sample sizes. We found that the accuracies of cross-validation methods inflated the performance estimation compared with those of a held-out test, compromising the model generalizability. Test accuracies have increased with publication year but were not associated with training sample sizes. Improved test accuracy over time was likely due to the use of better ML methods along with strategies to deal with data imbalances. Ultimately, large multi-modal imaging datasets, and potentially the combination with other types of data, like cognitive data and/or genetics, will be essential to achieve the goal of developing clinically useful imaging classification tools for ADHD in the future.

Abstract The size of the human head is determined by growth in the first years of life, while the rest of the body typically grows until early adulthood 1 . Such complex developmental processes are regulated by various genes and growth pathways 2 . Rare genetic syndromes have revealed genes that affect head size 3 , but the genetic drivers of variation in head size within the general population remain largely unknown. To elucidate biological pathways underlying the growth of the human head, we performed the largest genome-wide association study on human head size to date (N = 79,107). We identified 67 genetic loci, 50 of which are novel, and found that these loci are preferentially associated with head size and mostly independent from height. In subsequent neuroimaging analyses, the majority of genetic variants demonstrated widespread effects on the brain, whereas the effects of 17 variants could be localized to one or two specific brain regions. Through hypothesis-free approaches, we find a strong overlap of head size variants with both cancer pathways and cancer genes. Gene set analyses showed enrichment for different types of cancer and the p53, Wnt and ErbB signalling pathway. Genes overlapping or close to lead variants – such as TP53 , PTEN and APC – were enriched for genes involved in macrocephaly syndromes (up to 37-fold) and high-fidelity cancer genes (up to 9-fold), whereas this enrichment was not seen for human height variants. This indicates that genes regulating early brain and cranial growth are associated with a propensity to neoplasia later in life, irrespective of height. Our results warrant further investigations of the link between head size and cancer, as well as its clinical implications in the general population.

A bstract It is increasingly recognized that multiple psychiatric conditions are underpinned by shared neural pathways, affecting similar brain systems. Here, we assessed i) shared dimensions of alterations in cortical morphology across six major psychiatric conditions (autism spectrum disorder, attention deficit/hyperactivity disorder, major depression, obsessive-compulsive disorder, bipolar disorder, schizophrenia) and ii) carried out a multiscale neural contextualization, by cross-referencing shared anomalies against cortical myeloarchitecture and cytoarchitecture, as well as connectome and neurotransmitter organization. Pooling disease-related effects on MRI-based cortical thickness measures across six ENIGMA working groups, including a total of 28,546 participants (12,876 patients and 15,670 controls), we computed a shared disease dimension on cortical morphology using principal component analysis that described a sensory-fugal pattern with paralimbic regions showing the most consistent abnormalities across conditions. The shared disease dimension was closely related to cortical gradients of microstructure and intrinsic connectivity, as well as neurotransmitter systems, specifically serotonin and dopamine. Our findings embed the shared effects of major psychiatric conditions on brain structure in multiple scales of brain organization and may provide novel insights into neural mechanisms into transdiagnostic vulnerability.

Abstract Structural brain alterations found in Autism Spectrum Disorder (ASD) have previously been very heterogeneous, with overall limited effect sizes for every region implicated. In this study, we aimed at exploring the existence of subgroups in ASD, based on neuroanatomic profiles; we hypothesized that effect sizes of case/control difference would be increased in defined subgroups. Using the dataset from the ENIGMA-ASD Working Group (n=2661), exploratory factor analysis (EFA) was applied on seven subcortical volumes of individuals with ASD and controls to uncover the underlying organization of subcortical structures. Based on earlier findings in ADHD patients and controls as well as data availability, we focused on three age groups: boys (aged 4-14 years), male adolescents (aged 14-22 years), and adult men (aged >=22 years). The resulting factor scores were used in a community detection (CD) analysis, to cluster participants into subgroups. Three factors were found in each sample, with the factor structure in adult men differing from that in boys and male adolescents. From the patterns in these factors, CD uncovered four distinct communities in boys and three communities in adolescents and adult men, irrespective of ASD diagnostic status. The effect sizes of case/control comparisons appeared more pronounced than in the whole sample in some communities. Based on subcortical volumes, we succeeded in stratifying our participants into more homogeneous subgroups with similar brain structural patterns. The stratification enhanced our ability to observe case/control differences of subcortical brain volumes in ASD, and may help explain some of the heterogeneity of previous findings in ASD.

Abstract Most psychiatric disorders are highly heritable and associated with altered brain structural and functional patterns. Data fusion analyses on brain imaging and genetics, one of which is parallel independent component analysis (pICA), enable the link of genomic factors to brain patterns. Due to the small to modest effect sizes of common genetic variants in psychiatric disorders, it is usually challenging to reliably separate disorder-related genetic factors from the rest of the genome with the typical size of clinical samples. To alleviate this problem, we propose sparse parallel independent component analysis (spICA) to leverage the sparsity of individual genomic sources. The sparsity is enforced by performing Hoyer projection on the estimated independent sources. Simulation results demonstrate that the proposed spICA yields improved detection of independent sources and imaging-genomic associations compared to pICA. We applied spICA to gray matter volume (GMV) and single nucleotide polymorphism (SNP) data of 341 unrelated adults, including 127 controls, 167 attention-deficit/hyperactivity disorder (ADHD) cases, and 47 unaffected siblings. We identified one SNP source significantly and positively associated with a GMV source in superior/middle frontal regions. This association was replicated with a smaller effect size in 317 adolescents from ADHD families, including 188 individuals with ADHD and 129 unaffected siblings. The association was found to be more significant in ADHD families than controls, and stronger in adults and older adolescents than younger ones. The identified GMV source in superior/middle frontal regions was not correlated with head motion parameters and its loadings (expression levels) were reduced in adolescent (but not adult) individuals with ADHD. This GMV source was associated with working memory deficits in both adult and adolescent individuals with ADHD. The identified SNP component highlights SNPs in genes encoding long non-coding RNAs and SNPs in genes MEF2C, CADM2, and CADPS2, which have known functions relevant for modulating neuronal substrates underlying high-level cognition in ADHD.