During rest, brain activity is synchronized between different regions widely distributed throughout the brain, forming functional networks. However, the molecular mechanisms supporting functional connectivity remain undefined. We show that functional brain networks defined with resting-state functional magnetic resonance imaging can be recapitulated by using measures of correlated gene expression in a post mortem brain tissue data set. The set of 136 genes we identify is significantly enriched for ion channels. Polymorphisms in this set of genes significantly affect resting-state functional connectivity in a large sample of healthy adolescents. Expression levels of these genes are also significantly associated with axonal connectivity in the mouse. The results provide convergent, multimodal evidence that resting-state functional networks correlate with the orchestrated activity of dozens of genes linked to ion channel activity and synaptic function.

The underlying neurobiology of autism, a severe pervasive developmental disorder, remains unknown. Few neocortical brain MRI abnormalities have been reported. Using rest functional brain imaging, two independent studies have described localized bilateral temporal hypoperfusion in children with primary autism. In order to search for convergent evidence of anatomical abnormalities in autistic children, we performed an anatomical MRI study using optimized whole-brain voxel-based morphometry (VBM). High-resolution 3-D T1-weighted MRI data sets were acquired in 21 children with primary autism (mean age 9.3 ± 2.2 years) and 12 healthy control children (mean age 10.8 ± 2.7 years). By comparing autistic children to normal children, we found bilaterally significant decreases of grey matter concentration located in superior temporal sulcus (STS) (P < 0.05 corrected, after small volume correction; SVC). Children with autism were also found to have a decrease of white matter concentration located in the right temporal pole and in cerebellum (P < 0.05, corrected) compared to normal children. These results suggest that autism is associated with bilateral anatomical abnormalities localized in the STS and are remarkably consistent with functional hypoperfusion previously reported in children with autism. The multimodal STS areas are involved in highest level of cortical integration of both sensory and limbic information. Moreover, the STS is now recognized as a key cortical area of the "social brain" and is implicated in social perceptual skills that are characteristically impaired in autism. Therefore, the convergent anatomical and functional temporal abnormalities observed in autism may be important in the understanding of brain behavior relationships in this severe developmental disorder.

Many factors have been proposed as contributors to risk of alcohol abuse, but quantifying their influence has been difficult; here a longitudinal study of a large sample of adolescents and machine learning are used to generate models of predictors of current and future alcohol abuse, assessing the relative contribution of many factors, including life history, individual personality differences, brain structure and genotype. Many factors have been identified as contributors to risk of alcohol abuse but their relative importance has been difficult to quantify. Robert Whelan et al. constructed models of current and future adolescent binge drinking using data from the IMAGEN project, a study of risk-taking behaviour in more than 2,000 teenagers recruited at age 14 from the United Kingdom, Ireland, France and Germany. The authors used machine learning to generate models of predictors of current and future alcohol abuse, assessing the contribution of many factors including life history, individual personality differences, brain structure and genotype. A key finding of the study was that personality factors were, surprisingly, not particularly useful predictors of future alcohol misuse. In contrast, neurodevelopmental immaturity, certain structural and functional indicators in the brain, sexual experience and prenatal alcohol exposure were associated with current and future binge drinking. A comprehensive account of the causes of alcohol misuse must accommodate individual differences in biology, psychology and environment, and must disentangle cause and effect. Animal models1 can demonstrate the effects of neurotoxic substances; however, they provide limited insight into the psycho-social and higher cognitive factors involved in the initiation of substance use and progression to misuse. One can search for pre-existing risk factors by testing for endophenotypic biomarkers2 in non-using relatives; however, these relatives may have personality or neural resilience factors that protect them from developing dependence3. A longitudinal study has potential to identify predictors of adolescent substance misuse, particularly if it can incorporate a wide range of potential causal factors, both proximal and distal, and their influence on numerous social, psychological and biological mechanisms4. Here we apply machine learning to a wide range of data from a large sample of adolescents (n = 692) to generate models of current and future adolescent alcohol misuse that incorporate brain structure and function, individual personality and cognitive differences, environmental factors (including gestational cigarette and alcohol exposure), life experiences, and candidate genes. These models were accurate and generalized to novel data, and point to life experiences, neurobiological differences and personality as important antecedents of binge drinking. By identifying the vulnerability factors underlying individual differences in alcohol misuse, these models shed light on the aetiology of alcohol misuse and suggest targets for prevention.

Abstract Cortical thickness, surface area and volumes (MRI cortical measures) vary with age and cognitive function, and in neurological and psychiatric diseases. We examined heritability, genetic correlations and genome-wide associations of cortical measures across the whole cortex, and in 34 anatomically predefined regions. Our discovery sample comprised 22,822 individuals from 20 cohorts within the Cohorts for Heart and Aging Research in Genomic Epidemiology (CHARGE) consortium and the United Kingdom Biobank. Significant associations were replicated in the Enhancing Neuroimaging Genetics through Meta-analysis (ENIGMA) consortium, and their biological implications explored using bioinformatic annotation and pathway analyses. We identified genetic heterogeneity between cortical measures and brain regions, and 161 genome-wide significant associations pointing to wnt/β-catenin, TGF-β and sonic hedgehog pathways. There was enrichment for genes involved in anthropometric traits, hindbrain development, vascular and neurodegenerative disease and psychiatric conditions. These data are a rich resource for studies of the biological mechanisms behind cortical development and aging.

Abstract Genetic factors and socioeconomic (SES) inequalities play a large role in educational attainment, and both have been associated with variations in brain structure and cognition. However, genetics and SES are correlated, and no prior study has assessed their neural associations independently. Here we used polygenic score for educational attainment (EduYears-PGS) as well as SES, in a longitudinal study of 551 adolescents, to tease apart genetic and environmental associations with brain development and cognition. Subjects received a structural MRI scan at ages 14 and 19. At both time-points, they performed three working memory (WM) tasks. SES and EduYears-PGS were correlated (r = 0.27) and had both common and independent associations with brain structure and cognition. Specifically, lower SES was related to less total cortical surface area and lower WM. EduYears-PGS was also related to total cortical surface area, but in addition had a regional association with surface area in the right parietal lobe, a region related to non-verbal cognitive functions, including mathematics, spatial cognition, and WM. SES, but not EduYears-PGS, was related to a change in total cortical surface area from age 14 to 19. This is the first study demonstrating a regional association of EduYears-PGS and the independent prediction of SES on cognitive function and brain development. It suggests that the SES inequalities, in particular parental education, are related to global aspects of cortical development, and exert a persistent influence on brain development during adolescence. Significance statement The influence of socioeconomic (SES) inequalities on brain and cognitive development is a hotly debated topic. However, previous studies have not considered that genetic factors overlap with SES. Here we showed, for the first time, that SES and EduYears-PGS (a score from thousands of genetic markers for educational attainment) have independent associations with both cognition and global cortical surface area in adolescents. EduYears-PGS also had a localized association in the brain: the intraparietal sulcus, a region related to non-verbal intelligence. In contrast, SES had global, but not regional, associations, and these persisted throughout adolescence. This suggests that the influence of SES inequalities is widespread – a result that opposes the current paradigm and can help inform policies in education.

Abstract Adolescent subcortical structural brain development might underlie psychopathological symptoms, which often emerge in adolescence. At the same time, sex differences exist in psychopathology, which might be mirrored in underlying sex differences in structural development. However, previous studies showed inconsistencies in subcortical trajectories and potential sex differences. Therefore, we aimed to investigate the subcortical structural trajectories and their sex differences across adolescence using for the first time a single cohort design, the same quality control procedure, software and a general additive mixed modeling approach. We investigated two large European sites from ages 14 to 24 with 503 participants and 1408 total scans from France and Germany as part of the IMAGEN project including four waves of data acquisition. We found significantly larger volumes in males versus females in both sites and across all seven subcortical regions. Sex differences in age-related trajectories were observed across all regions in both sites. Our findings provide further evidence of sex differences in longitudinal adolescent brain development of subcortical regions and thus might eventually support the relationship of underlying brain development and different adolescent psychopathology in boys and girls.

Abstract The prefrontal cortex (PFC) is a highly variable, evolutionarily expanded brain region that is engaged in multiple cognitive processes. The subregions of the PFC mature relatively late compared with other brain regions, and the maturation times vary between these subregions. Among these, the dorsomedial and dorsolateral prefrontal cortex (dmPFC and dlPFC) share a parallel topographic pattern of functional connectivity, while participating in different types of complex behaviors. However, the developmental trajectories of the two areas remain obscure. In this study, we uncovered differences in the developmental trends of the dmPFC and dlPFC. These differences were mainly caused by structural and functional changes in the medial area of the superior frontal gyrus (SFG). The developmentally different arealization patterns were verified using multiple parcellation approaches with multimodal data, including structural magnetic resonance imaging (sMRI), diffusion MRI (dMRI), resting state functional MRI (rfMRI), and a publicly available transcriptomic dataset. Human brain gene expression data was also used to perform downstream analyses, which could inform us about the potential biological mechanisms underlying the developmentally different arealizations. Furthermore, behavioral analyses hinted at the effects of regionalization on ontogeny. In brief, this study revealed a tendency toward a medial-lateral prefrontal division and can provide a fuller understanding of the potential underlying genetic underpinnings as well as of the potential effects on developmental behavior.

Abstract The amygdala is one of the most widely connected structures in the primate brain and plays a key role in social and emotional behavior. Here, we present the first genome-wide association study (GWAS) of whole-brain resting-state amygdala networks to discern whether connectivity in these networks could serve as an endophenotype for social behavior. Leveraging published resting-state amygdala networks as a priori endophenotypes in a GWAS meta-analysis of two adolescent cohorts, we identified a common polymorphism on chr.8p23.2 (rs10105357 A/G, MAF (G)=0.35) associated with stronger connectivity in the medial amygdala network (beta=0.20, p =2.97×10 −8 ). This network contains regions that support reward processes and affiliative behavior. People carrying two copies of the minor allele for rs10105357 participate in more prosocial behaviors (t=2.644, p =0.008) and have higher CSMD1 expression in the temporal cortex (t=3.281, p=0.002) than people with one or no copy of the allele. In post-mortem brains across the lifespan, we found that CSMD1 expression is relatively high in the amygdala (2.79 fold higher than white matter, p =1.80×10 −29 ), particularly so for nuclei in the medial amygdala, reaching a maximum in later stages of development. Amygdala network endophenotyping has the potential to accelerate genetic discovery in disorders of social function, such as autism, in which CSMD1 may serve as a diagnostic and therapeutic target.

Human brain morphology undergoes complex changes over the lifespan. Despite recent progress in tracking brain development via normative models, current knowledge of underlying biological mechanisms is highly limited. We demonstrate that human cortical thickness development and aging trajectories unfold along patterns of molecular and cellular brain organization, traceable from population-level to individual developmental trajectories. During childhood and adolescence, cortex-wide spatial distributions of dopaminergic receptors, inhibitory neurons, glial cell populations, and brain-metabolic features explain up to 50% of the variance associated with a lifespan model of regional cortical thickness trajectories. In contrast, modeled cortical thickness change patterns during adulthood are best explained by cholinergic and glutamatergic neurotransmitter receptor and transporter distributions. These relationships are supported by developmental gene expression trajectories and translate to individual longitudinal data from over 8000 adolescents, explaining up to 59% of developmental change at cohort- and 18% at single-subject level. Integrating neurobiological brain atlases with normative modeling and population neuroimaging provides a biologically meaningful path to understand brain development and aging in living humans.

Abstract It has been recognized that the efficacy of TMS-based modulation may depend on the network profile of the stimulated regions throughout the brain. However, what profile of this stimulation network optimally benefits treatment outcomes is yet to be addressed. The answer to the question is crucial for informing network-based optimization of stimulation parameters, such as coil placement, in TMS treatments. In this study, we aimed to investigate the feasibility of taking a disease-specific network as the target of stimulation network for guiding individualized coil placement in TMS treatments. We present here a novel network-based model for TMS targeting of the pathological network. First, combining E-field modeling and resting-state functional connectivity, stimulation networks were modeled from locations and orientations of the TMS coil. Second, the spatial anti-correlation between the stimulation network and the pathological network of a given disease was hypothesized to predict the treatment outcome. The proposed model was validated to predict treatment efficacy from the position and orientation of TMS coils in two depression cohorts and one auditory verbal hallucinations cohort. We further demonstrate the utility of the proposed model in guiding individualized TMS treatment for psychiatric disorders. In this proof-of-concept study, we demonstrated the feasibility of the novel network-based targeting strategy that uses the whole-brain, system-level abnormity of a specific psychiatric disease as a target. Results based on empirical data suggest that the strategy may potentially be utilized to identify individualized coil parameters for maximal therapeutic effects. Highlights Proposed a model of targeting pathological brain networks for pre-treatment TMS coil placement planning in the treatment of psychiatric disorders; Validated the network targeting model in three cohorts of patients with depression or auditory verbal hallucinations, via prediction of individual TMS treatment efficacy from the parameters of coil placement; Demonstrated the utility of the network targeting model in guiding individualized TMS coil placement.