Abstract The Adolescent Brain Cognitive Development Study (ABCD), a 10 year longitudinal neuroimaging study of the largest population based and demographically distributed cohort of 9-10 year olds (N=11,877), was designed to overcome reproducibility limitations of prior child mental health studies. Besides the fantastic wealth of research opportunities, the extremely large size of the ABCD data set also creates enormous data storage, processing, and analysis challenges for researchers. To ensure data privacy and safety, researchers are not currently able to share neuroimaging data derivatives through the central repository at the National Data Archive (NDA). However, sharing derived data amongst researchers laterally can powerfully accelerate scientific progress, to ensure the maximum public benefit is derived from the ABCD study. To simultaneously promote collaboration and data safety, we developed the ABCD-BIDS Community Collection (ABCC), which includes both curated processed data and software utilities for further analyses. The ABCC also enables researchers to upload their own custom-processed versions of ABCD data and derivatives for sharing with the research community. This NeuroResource is meant to serve as the companion guide for the ABCC. In section we describe the ABCC. Section II highlights ABCC utilities that help researchers access, share, and analyze ABCD data, while section III provides two exemplar reproducibility analyses using ABCC utilities. We hope that adoption of the ABCC’s data-safe, open-science framework will boost access and reproducibility, thus facilitating progress in child and adolescent mental health research.

Abstract Working memory function changes across development and varies across individuals. The patterns of behavior and brain function that track individual differences in working memory during development, however, are not well understood. Here we establish associations between working memory, cognitive abilities, and functional MRI activation in data from over 4,000 9–10-year-olds enrolled in the Adolescent Brain Cognitive Development study, an ongoing longitudinal study in the United States. Behavioral analyses reveal robust relationships between working memory, short-term memory, language skills, and fluid intelligence. Analyses relating out-of-scanner working memory performance to memory-related fMRI activation in an emotional n -back task demonstrate that frontoparietal activity in response to an explicit memory challenge indexes working memory ability. Furthermore, this relationship is domain-specific, such that fMRI activation related to emotion processing during the emotional n -back task, inhibitory control during a stop-signal task, and reward processing during a monetary incentive delay task does not track memory abilities. Together these results inform our understanding of the emergence of individual differences in working memory and lay the groundwork for characterizing the ways in which they change across adolescence.

Abstract Human brain organisation emerges from the coordinated transcription of thousands of genes, and the first principal component (C1) of spatial whole genome expression was shown to reflect cortical hierarchy. Here, optimised processing of the Allen Human Brain Atlas revealed two new components of brain transcription, C2 and C3, which were distinctively enriched for neuronal, metabolic and immune processes, cell-types and cytoarchitecture, and genetic variants associated with intelligence. Using additional datasets (PsychENCODE, Allen Cell Atlas, and BrainSpan), we found that C1-C3 represent generalisable transcriptional programmes that are coordinated within cells, and differentially phased during foetal and postnatal development. Autism spectrum disorder and schizophrenia were specifically associated with C1/C2 and C3, respectively, across neuroimaging, gene expression, and genome-wide association studies. Evidence converged especially in support of C3 as a normative transcriptional programme for adolescent brain development, which can lead to atypical supragranular brain connectivity in people at high genetic risk for schizophrenia.

Abstract The functional connectome supports information transmission through the brain at various spatial scales, from exchange between broad cortical regions to finer–scale, vertex–wise connections that underlie specific information processing mechanisms. In adults, while both the coarse- and fine-scale functional connectomes predict cognition, the fine-scale can predict up to twice the variance as the coarse-scale functional connectome. Yet, past brain-wide association studies, particularly using large developmental samples, focus on the coarse connectome to understand the neural underpinnings of individual differences in cognition. Using a large cohort of children (age 9 – 10 years; n = 1,115 individuals, both sexes, 50% female, including 170 monozygotic and 219 dizygotic twin pairs and 337 unrelated individuals), we examine the reliability, heritability, and behavioral relevance of resting-state functional connectivity computed at different spatial scales. We use connectivity hyperalignment to improve access to reliable fine-scale (vertex–wise) connectivity information and compare the fine-scale connectome with the traditional parcel–wise (coarse scale) functional connectomes. Though individual differences in the fine-scale connectome are more reliable than those in the coarse-scale, they are less heritable. Further, the alignment and scale of connectomes influence their ability to predict behavior, whereby some cognitive traits are equally well predicted by both connectome scales, but other, less heritable cognitive traits are better predicted by the fine-scale connectome. Together, our findings suggest there are dissociable individual differences in information processing represented at different scales of the functional connectome which, in turn, have distinct implications for heritability and cognition. Significance statement Years of human magnetic resonance imaging (MRI) research demonstrate that individual variability in resting-state functional connectivity relates to genetics and cognition. However, the various spatial scales where individual differences in connectivity could occur have yet to be considered in childhood brain– behavior association studies. Here, we use novel machine learning approaches to examine the reliability, heritability, and behavioral relevance of different spatial scales of the resting-state functional connectome during childhood. We show that broad features of the connectome are strongly related to heritability, whereas fine details are more reliable and strongly associated with neurocognitive performance. These data indicate that reliable, heritable, and behaviorally–relevant individual differences exist at dissociable scales of the functional connectome.

Human cortex is patterned by a complex and interdigitated web of large-scale functional networks. Recent methodological breakthroughs reveal variation in the size, shape, and spatial topography of cortical networks across individuals. While spatial network organization emerges across development, is stable over time, and predictive of behavior, it is not yet clear to what extent genetic factors underlie inter-individual differences in network topography. Here, leveraging a novel non-linear multi-dimensional estimation of heritability, we provide evidence that individual variability in the size and topographic organization of cortical networks are under genetic control. Using twin and family data from the Human Connectome Project (n=1,023), we find increased variability and reduced heritability in the size of heteromodal association networks (h2: M=0.33, SD=0.071), relative to unimodal sensory/motor cortex (h2: M=0.44, SD=0.051). We then demonstrate that the spatial layout of cortical networks is influenced by genetics, using our multi-dimensional estimation of heritability (h2-multi; M=0.14, SD=0.015). However, topographic heritability did not differ between heteromodal and unimodal networks. Genetic factors had a regionally variable influence on brain organization, such that the heritability of network topography was greatest in prefrontal, precuneus, and posterior parietal cortex. Taken together, these data are consistent with relaxed genetic control of association cortices relative to primary sensory/motor regions, and have implications for understanding population-level variability in brain functioning, guiding both individualized prediction and the interpretation of analyses that integrate genetics and neuroimaging.

Abstract The prevalence of risky behavior such as substance use increases during adolescence; however, the neurobiological precursors to adolescent substance use remain unclear. Predictive modeling may complement previous work observing associations with known risk factors or substance use outcomes by developing generalizable models that predict early susceptibility. The aims of the current study were to identify and characterize behavioral and brain models of vulnerability to future substance use. Principal components analysis (PCA) of behavioral risk factors were used together with connectome-based predictive modeling (CPM) during rest and task-based functional imaging to generate predictive models in a large cohort of nine- and ten-year-olds enrolled in the Adolescent Brain & Cognitive Development (ABCD) study (NDA release 2.0.1). Dimensionality reduction ( n =9,437) of behavioral measures associated with substance use identified two latent dimensions that explained the largest amount of variance: risk-seeking (PC1; e.g., curiosity to try substances) and familial factors (PC2; e.g., family history of substance use disorder). Using cross-validated regularized regression in a subset of data (Year 1 Fast Track data; n>1,500), functional connectivity during rest and task conditions (resting-state; monetary incentive delay task; stop signal task; emotional n-back task) significantly predicted individual differences in risk-seeking (PC1) in held-out participants (partial correlations between predicted and observed scores controlling for motion and number of frames [r p ]: 0.07-0.21). By contrast, functional connectivity was a weak predictor of familial risk factors associated with substance use (PC2) (r p : 0.03-0.06). These results demonstrate a novel approach to understanding substance use vulnerability, which—together with mechanistic perspectives—may inform strategies aimed at early identification of risk for addiction.

Brain activity can be understood as the exploration of a dynamical landscape of activity configurations over both space and time. This dynamical landscape may be defined in terms of spontaneous transitions within a repertoire of discrete metastable states of functional connectivity (FC), which underlie different mental processes. However, it remains unclear how the brain's dynamical landscape might be changed in altered states of consciousness, such as the psychedelic state. The present study investigated changes in the brain's dynamical repertoire in an fMRI dataset of healthy participants intravenously injected with the psychedelic compound psilocybin, which is found in "magic mushrooms". We employed a data-driven approach to study brain dynamics in the psychedelic state, which focuses on the dominant FC pattern captured by the leading eigenvector of dynamic FC matrices, and enables the identification of recurrent FC patterns ("FC-states"), and their transition profiles over time. We found that a FC state closely corresponding to the fronto-parietal control system was strongly destabilized in the psychedelic state, while transitions toward a globally synchronized FC state were enhanced. These differences between brain state trajectories in normal waking consciousness and the psychedelic state suggest that the latter biases a global mode of functional integration at the expense of locally segregated activity in specific networks. These results provide a mechanistic perspective on subjective quality of the psychedelic experience, and further raise the possibility that mapping the brain's dynamical landscape may help guide pharmacological interventions in neuropsychiatric disorders.

How we process ongoing experiences is shaped by our personal history, current needs, and future goals. Consequently, brain regions involved in generating these subjective appraisals, such as the vmPFC, often appear to be heterogeneous across individuals even in response to the same external information. To elucidate the role of the vmPFC in processing our ongoing experiences, we developed a computational framework and analysis pipeline to characterize the spatiotemporal dynamics of individual vmPFC responses as participants viewed a 45-minute television drama. Through a combination of functional magnetic resonance imaging, facial expression tracking, and self-reported emotional experiences across four studies, our data suggest that the vmPFC slowly transitions through a series of discretized states that broadly map onto affective experiences. Although these transitions typically occur at idiosyncratic times across people, participants exhibited a marked increase in state alignment during high affectively valenced events in the show. Our work suggests that the vmPFC ascribes affective meaning to our ongoing experiences.