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.

Abstract Brain clocks, which quantify discrepancies between brain age and chronological age, hold promise for understanding brain health and disease. However, the impact of diversity (including geographical, socioeconomic, sociodemographic, sex and neurodegeneration) on the brain-age gap is unknown. We analyzed datasets from 5,306 participants across 15 countries (7 Latin American and Caribbean countries (LAC) and 8 non-LAC countries). Based on higher-order interactions, we developed a brain-age gap deep learning architecture for functional magnetic resonance imaging (2,953) and electroencephalography (2,353). The datasets comprised healthy controls and individuals with mild cognitive impairment, Alzheimer disease and behavioral variant frontotemporal dementia. LAC models evidenced older brain ages (functional magnetic resonance imaging: mean directional error = 5.60, root mean square error (r.m.s.e.) = 11.91; electroencephalography: mean directional error = 5.34, r.m.s.e. = 9.82) associated with frontoposterior networks compared with non-LAC models. Structural socioeconomic inequality, pollution and health disparities were influential predictors of increased brain-age gaps, especially in LAC ( R ² = 0.37, F ² = 0.59, r.m.s.e. = 6.9). An ascending brain-age gap from healthy controls to mild cognitive impairment to Alzheimer disease was found. In LAC, we observed larger brain-age gaps in females in control and Alzheimer disease groups compared with the respective males. The results were not explained by variations in signal quality, demographics or acquisition methods. These findings provide a quantitative framework capturing the diversity of accelerated brain aging.

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 22,824 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 160 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.

Summary Human brain structure changes throughout our lives. Altered brain growth or rates of decline are implicated in a vast range of psychiatric, developmental, and neurodegenerative diseases. Here, we identified common genetic variants that affect rates of brain growth or atrophy, in the first genome-wide association meta-analysis of changes in brain morphology across the lifespan. Longitudinal MRI data from 15,640 individuals were used to compute rates of change for 15 brain structures. The most robustly identified genes GPR139, DACH1 and APOE are associated with metabolic processes. We demonstrate global genetic overlap with depression, schizophrenia, cognitive functioning, insomnia, height, body mass index and smoking. Gene-set findings implicate both early brain development and neurodegenerative processes in the rates of brain changes. Identifying variants involved in structural brain changes may help to determine biological pathways underlying optimal and dysfunctional brain development and ageing.

Abstract Cognitive reserve supports cognitive function in the presence of pathology or atrophy. Functional neuroimaging may enable direct and accurate measurement of cognitive reserve which could have considerable clinical potential. The present study aimed to develop and validate a measure of cognitive reserve using task-based fMRI data that could then be applied to independent resting-state data. Connectome-based predictive modeling with leave-one-out cross-validation was applied to predict a residual measure of cognitive reserve using task-based functional connectivity from the Cognitive Reserve/Reference Ability Neural Network studies (n = 220, mean age = 51.91 years, SD = 17.04 years). Three network-strength predicted cognitive reserve measures were generated that accurately predicted the residual measures of unseen participants. The theoretical validity of these measures was established via a positive correlation with a socio-behavioural proxy of cognitive reserve (verbal intelligence) and a positive correlation with global cognition, independent of brain structure. This fitted model was then applied to external test data: resting-state functional connectivity data from The Irish Longitudinal Study on Ageing (TILDA, n = 294, mean age = 68.3 years, SD = 7.18 years). The network-strength predicted measures were not positively associated with a residual measure of cognitive reserve nor with measures of verbal intelligence and global cognition. The present study demonstrated that task-based functional connectivity data can be used to generate theoretically valid measures of cognitive reserve. Further work is needed to establish if, and how, measures of cognitive reserve derived from task-based functional connectivity can be applied to independent resting-state data.

Brain-predicted age difference scores are calculated by subtracting chronological age from ‘brain’ age, which is estimated using neuroimaging data. Positive scores reflect accelerated ageing and are associated with increased mortality risk and poorer physical function. To date, however, the relationship between brain-predicted age difference scores and specific cognitive functions has not been systematically examined using appropriate statistical methods. First, applying machine learning to 1,359 T1-weighted MRI scans, we predicted the relationship between chronological age and voxel-wise grey matter data. This model was then applied to MRI data from three independent datasets, significantly predicting chronological age in each dataset: Dokuz Eylül University (n=175), the Cognitive Reserve/Reference Ability Neural Network study (n=380), and The Irish Longitudinal Study on Ageing (n=487). Each independent dataset had rich neuropsychological data. Brain-predicted age difference scores were significantly negatively correlated with performance on measures of general cognitive status (two datasets); processing speed, visual attention, and cognitive flexibility (three datasets); visual attention and cognitive flexibility (two datasets); and semantic verbal fluency (two datasets). As such, there is firm evidence of correlations between increased brain-predicted age differences and reduced cognitive function in some domains that are implicated in cognitive ageing.

DNA methylation, which is modulated by both genetic factors and environmental exposures, may offer a unique opportunity to discover novel biomarkers of disease-related brain phenotypes, even when measured in other tissues than brain, such as blood. A few studies of small sample sizes have revealed associations between blood DNA methylation and neuropsychopathology, however, large-scale epigenome-wide association studies (EWAS) are needed to investigate the utility of DNA methylation profiling as a peripheral marker for the brain. Here, in an analysis of eleven international cohorts, totalling 3,337 individuals, we report epigenome-wide meta-analyses of blood DNA methylation with volumes of the hippocampus, thalamus and nucleus accumbens (NAcc) -three subcortical regions selected for their associations with disease and heritability and volumetric variability. Analyses of individual CpGs revealed genome-wide significant associations with hippocampal volume at two loci. No significant associations were found for analyses of thalamus and nucleus accumbens volumes. CpG sites associated with hippocampus volume were significantly enriched within cancer-related genes and within regulatory elements containing the transcriptionally repressive histone H3K27 tri-methylation mark that is vital for stem cell fate specification. Cluster-based analyses revealed additional differentially methylated regions (DMRs) associated with hippocampal volume. DNA methylation at these loci affected expression of proximal genes involved in in learning and memory, stem cell maintenance and differentiation, fatty acid metabolism and type-2 diabetes. These DNA methylation marks, their interaction with genetic variants and their impact on gene expression offer new insights into the relationship between epigenetic variation and brain structure and may provide the basis for biomarker discovery in neurodegeneration and neuropsychiatric conditions.

The radial unit hypothesis provides a framework for global (proliferation) and regional (distribution) expansion of the primate cerebral cortex. Using principal component analysis (PCA), we have identified cortical regions with shared variance in their surface area and cortical thickness, respectively, segmented from magnetic resonance images obtained in 23,800 participants. We then carried out meta-analyses of genome-wide association studies of the first two principal components for each phenotype. For surface area (but not cortical thickness), we have detected strong associations between each of the components and single nucleotide polymorphisms in a number of gene loci. The first (global) component was associated mainly with loci on chromosome 17 (9.5e-32 ≤ p ≤ 2.8e-10), including those detected previously as linked with intracranial volume and/or general cognitive function. The second (regional) component captured shared variation in the surface area of the primary and adjacent secondary visual cortices and showed a robust association with polymorphisms in a locus on chromosome 14 containing Disheveled Associated Activator of Morphogenesis 1 ( DAAM1 ; p =2.4e-34). DAAM1 is a key component in the planar-cell-polarity signaling pathway. In follow-up studies, we have focused on the latter finding and established that: (1) DAAM1 is highly expressed between 12th and 22nd post-conception weeks in the human cerebral cortex; (2) genes co-expressed with DAAM1 in the primary visual cortex are enriched in mitochondria-related pathways; and (3) volume of the lateral geniculate nucleus, which projects to regions of the visual cortex staining for cytochrome oxidase (a mitochondrial enzyme), correlates with the surface area of the visual cortex in major-allele homozygotes but not in carriers of the minor allele. Altogether, we speculate that, in concert with thalamocortical input to cortical subplate, DAAM1 enables migration of neurons to cytochrome-oxidase rich regions of the visual cortex, and, in turn, facilitates regional expansion of this set of cortical regions during development.

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 cerebral cortex development unfolds 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 variance associated with regional cortical thickness trajectories. Adult cortical change patterns are best explained by cholinergic and glutamatergic neurotransmission. These relationships are supported by developmental gene expression trajectories and translate to longitudinal data from over 8,000 adolescents, explaining up to 59% of developmental change at population- and 18% at single-subject level. Integrating multilevel brain atlases with normative modeling and population neuroimaging provides a biologically meaningful path to understand typical and atypical brain development in living humans.