Imaging technologies are increasingly used to generate high-resolution reference maps of brain structure and function. Modern scientific discovery relies on making comparisons between new maps (e.g. task activations, group structural differences) and these reference maps. Although recent data sharing initiatives have increased the accessibility of such brain maps, data are often shared in disparate coordinate systems (or “spaces”), precluding systematic and accurate comparisons among them. Here we introduce the neuromaps toolbox, an open-access software package for accessing, transforming, and analyzing structural and functional brain annotations. We implement two registration frameworks to generate high-quality transformations between four standard coordinate systems commonly used in neuroimaging research. The initial release of the toolbox features >40 curated reference maps and biological ontologies of the human brain, including maps of gene expression, neurotransmitter receptors, metabolism, neurophysiological oscillations, developmental and evolutionary expansion, functional hierarchy, individual functional variability, and cognitive specialization. Robust quantitative assessment of map-to-map similarity is enabled via a suite of spatial autocorrelation-preserving null models. By combining open-access data with transparent functionality for standardizing and comparing brain maps, the neuromaps software package provides a systematic workflow for comprehensive structural and functional annotation enrichment analysis of the human brain.

Abstract Neurotransmitter receptors support the propagation of signals in the human brain. How receptor systems are situated within macroscale neuroanatomy and how they shape emergent function remains poorly understood, and there exists no comprehensive atlas of receptors. Here we collate positron emission tomography data from >1 200 healthy individuals to construct a whole-brain 3-D normative atlas of 19 receptors and transporters across 9 different neurotransmitter systems. We find that receptor profiles align with structural connectivity and mediate function, including neurophysiological oscillatory dynamics and resting state hemodynamic functional connectivity. Using the Neurosynth cognitive atlas, we uncover a topographic gradient of overlapping receptor distributions that separates extrinsic and intrinsic psychological processes. Finally, we find both expected and novel associations between receptor distributions and cortical thinning patterns across 13 disorders. We replicate all findings in an independently collected autoradiography dataset. This work demonstrates how chemoarchitecture shapes brain structure and function, providing a new direction for studying multi-scale brain organization.

Abstract The intrinsic dynamics of neuronal populations are shaped by both macroscale connectome architecture and microscale attributes. Neural activity arising from the interplay of these local and global factors therefore varies from moment to moment, with rich temporal patterns. Here we comprehensively characterize intrinsic dynamics throughout the human brain. Applying massive temporal feature extraction to regional haemodynamic activity, we estimate over 6,000 statistical properties of individual brain regions’ time series across the neocortex. We identify two robust topographic gradients of intrinsic dynamics, one spanning a ventromedial-dorsolateral axis and the other spanning a unimodal-transmodal axis. These gradients are distinct in terms of their temporal composition and reflect spatial patterns of microarray gene expression, intracortical myelin and cortical thickness, as well as structural and functional network embedding. Importantly, these gradients are closely correlated with patterns of functional activation, differentiating cognitive versus affective processing and sensory versus higher-order cognitive processing. Altogether, these findings demonstrate a link between microscale and macroscale architecture, intrinsic dynamics, and cognition.

Abstract Connections among brain regions allow pathological perturbations to spread from a single source region to multiple regions. Patterns of neurodegeneration in multiple diseases, including behavioral variant of frontotemporal dementia (bvFTD), resemble the large-scale functional systems, but how bvFTD-related atrophy patterns relate to structural network organization remains unknown. Here we investigate whether neurodegeneration patterns in sporadic and genetic bvFTD are conditioned by connectome architecture. Regional atrophy patterns were estimated in both genetic bvFTD (75 patients, 247 controls) and sporadic bvFTD (70 patients, 123 controls). We first identify distributed atrophy patterns in bvFTD, mainly targeting areas associated with the limbic intrinsic network and insular cytoarchitectonic class. Regional atrophy was significantly correlated with atrophy of structurally- and functionally-connected neighbors, demonstrating that network structure shapes atrophy patterns. The anterior insula was identified as the predominant group epicenter of brain atrophy using data-driven and simulation-based methods, with some secondary regions in frontal ventromedial and anteromedial temporal areas. Finally, we find that FTD-related genes, namely C9orf72 and TARDBP, confer local transcriptomic vulnerability to the disease, effectively modulating the propagation of pathology through the connectome. Collectively, our results demonstrate that atrophy patterns in sporadic and genetic bvFTD are jointly shaped by global connectome architecture and local transcriptomic vulnerability.

Abstract Whole-brain neural communication is typically estimated from statistical associations among electromagnetic or haemodynamic time-series. The relationship between functional network architectures recovered from these two types of neural activity remains unknown. Here we map electromagnetic networks (measured using magnetoencephalography; MEG) to haemodynamic networks (measured using functional magnetic resonance imaging; fMRI). We find that the relationship between the two modalities is regionally heterogeneous and systematically follows the cortical hierarchy, with close correspondence in unimodal cortex and poor correspondence in transmodal cortex. Comparison with the BigBrain histological atlas reveals that electromagnetic-haemodynamic coupling is driven by laminar differentiation and neuron density, suggesting that the mapping between the two modalities can be explained by cytoarchitectural variation. Importantly, haemodynamic connectivity cannot be explained by electromagnetic activity in a single frequency band, but rather arises from the mixing of multiple neurophysiological rhythms. Correspondence between the two is largely driven by MEG functional connectivity at the beta (15-29 Hz) frequency band. Collectively, these findings demonstrate highly organized but only partly overlapping patterns of connectivity in MEG and fMRI functional networks, opening fundamentally new avenues for studying the relationship between cortical microarchitecture and multi-modal connectivity patterns.

The brain is composed of disparate neural populations that communicate and interact with one another. Although fiber bundles, similarities in molecular architecture, and synchronized neural activity all represent brain connectivity, a comprehensive study of how all these connectivity modes jointly reflect brain structure and function remains missing. Here we systematically integrate seven multimodal, multiscale brain connectivity profiles derived from gene expression, neurotransmitter receptor density, cellular morphology, glucose metabolism, haemodynamic activity, and electrophysiology. We uncover a compact set of universal organizational principles through which brain geometry and neuroanatomy shape emergent connectivity modes. Connectivity modes also exhibit unique and diverse connection patterns, hub profiles, dominant gradients, and modular organization. Throughout, we observe a consistent primacy of molecular connectivity modes—namely correlated gene expression and receptor similarity—that map well onto multiple phenomena including the rich club and patterns of cortical abnormalities across 13 neurological, psychiatric, and neurodevelopmental disorders. Finally, we fuse all seven connectivity modes into a single multimodal network and show that it maps onto major organizational features of the brain including structural conenctivity, intrinsic functional networks, and cytoarchitectonic classes. Altogether, this work contributes to next-generation connectomics and the integrative study of inter-regional relationships.

Systematic spatial variation in micro-architecture is observed across the cortex. These micro-architectural gradients are reflected in neural activity, which can be captured by neurophysiological time-series. How spontaneous neurophysiological dynamics are organized across the cortex and how they arise from heterogeneous cortical micro-architecture remains unknown. Here we extensively profile regional neurophysiological dynamics across the human brain by estimating over 6 800 timeseries features from the resting state magnetoencephalography (MEG) signal. We then map regional time-series profiles to a comprehensive multi-modal, multi-scale atlas of cortical micro-architecture, including microstructure, metabolism, neurotransmitter receptors, cell types and laminar differentiation. We find that the dominant axis of neurophysiological dynamics reflects characteristics of power spectrum density and linear correlation structure of the signal, emphasizing the importance of conventional features of electromagnetic dynamics while identifying additional informative features that have traditionally received less attention. Moreover, spatial variation in neurophysiological dynamics is colocalized with multiple micro-architectural features, including genomic gradients, intracortical myelin, neurotransmitter receptors and transporters, and oxygen and glucose metabolism. Collectively, this work opens new avenues for studying the anatomical basis of neural activity.

Abstract Numerous brain disorders demonstrate structural brain abnormalities, which are thought to arise from molecular perturbations or connectome miswiring. The unique and shared contributions of these molecular and connectomic vulnerabilities to brain disorders remain unknown, and has yet to be studied in a single multi-disorder framework. Using MRI morphometry from the ENIGMA consortium, we construct maps of cortical abnormalities for thirteen neurodevelopmental, neurological, and psychiatric disorders from N = 21 000 patients and N = 26 000 controls, collected using a harmonized processing protocol. We systematically compare cortical maps to multiple micro-architectural measures, including gene expression, neurotransmitter density, metabolism, and myelination (molecular vulnerability), as well as global connectomic measures including number of connections, centrality, and connection diversity (connectomic vulnerability). We find that regional molecular vulnerability and macroscale brain network architecture interact to drive the spatial patterning of cortical abnormalities in multiple disorders. Local attributes, particularly neurotransmitter receptor profiles, constitute the best predictors of both disorder-specific cortical morphology and cross-disorder similarity. Finally, we find that cross-disorder abnormalities are consistently subtended by a small subset of network epicentres in bilateral sensory-motor, medial temporal lobe, precuneus, and superior parietal cortex. Collectively, our results highlight how local biological attributes and global connectivity jointly shape cross-disorder cortical abnormalities.

Abstract Functional neuroimaging is an essential tool for neuroscience research. Pre-processing pipelines produce standardized, minimally pre-processed data to support a range of potential analyses. However, post-processing is not similarly standardized. While several options for post-processing exist, they may not support output from different pre-processing pipelines, may have limited documentation, and may not follow generally accepted data organization standards (e.g., Brain Imaging Data Structure (BIDS)). In response, we present XCP-D: a collaborative effort between PennLINC at the University of Pennsylvania and the DCAN lab at the University of Minnesota. XCP-D uses an open development model on GitHub and incorporates continuous integration testing; it is distributed as a Docker container or Apptainer image. XCP-D generates denoised BOLD images and functional derivatives from resting-state data in either NIfTI or CIFTI files following pre-processing with fMRIPrep, HCP, or ABCD-BIDS pipelines. Even prior to its official release, XCP-D has been downloaded >5,000 times from DockerHub. Together, XCP-D facilitates robust, scalable, and reproducible post-processing of fMRI data.

The relationship between structural and functional connectivity in the brain is a key question in connectomics. Here we quantify patterns of structure-function coupling across the neocortex, by comparing structural connectivity estimated using diffusion MRI with functional connectivity estimated using both neurophysiological (MEG-based) and haemodynamic (fMRI-based) recordings. We find that structure-function coupling is heterogeneous across brain regions and frequency bands. The link between structural and functional connectivity is generally stronger in multiple MEG frequency bands compared to resting state fMRI. Structure-function coupling is greater in slower and intermediate frequency bands compared to faster frequency bands. We also find that structure-function coupling systematically follows the archetypal sensorimotor-association hierarchy, as well as patterns of laminar differentiation, peaking in granular layer IV. Finally, structure-function coupling is better explained using structure-informed inter-regional communication metrics than using structural connectivity alone. Collectively, these results place neurophysiological and haemodynamic structure-function relationships in a common frame of reference and provide a starting point for a multi-modal understanding of structure-function coupling in the brain.