Intelligence is highly heritable1 and a major determinant of human health and well-being2. Recent genome-wide meta-analyses have identified 24 genomic loci linked to variation in intelligence3-7, but much about its genetic underpinnings remains to be discovered. Here, we present a large-scale genetic association study of intelligence (n = 269,867), identifying 205 associated genomic loci (190 new) and 1,016 genes (939 new) via positional mapping, expression quantitative trait locus (eQTL) mapping, chromatin interaction mapping, and gene-based association analysis. We find enrichment of genetic effects in conserved and coding regions and associations with 146 nonsynonymous exonic variants. Associated genes are strongly expressed in the brain, specifically in striatal medium spiny neurons and hippocampal pyramidal neurons. Gene set analyses implicate pathways related to nervous system development and synaptic structure. We confirm previous strong genetic correlations with multiple health-related outcomes, and Mendelian randomization analysis results suggest protective effects of intelligence for Alzheimer's disease and ADHD and bidirectional causation with pleiotropic effects for schizophrenia. These results are a major step forward in understanding the neurobiology of cognitive function as well as genetically related neurological and psychiatric disorders.

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 Genomic Copy Number Variants (CNVs) are routinely identified and reported back to patients with neuropsychiatric disorders, but their quantitative effects on essential traits such as cognitive ability are poorly documented. We have recently shown that the effect-size of deletions on cognitive ability can be statistically predicted using measures of intolerance to haploinsufficiency. However, the effect-sizes of duplications remain unknown. It is also unknown if the effect of multigenic CNVs are driven by a few genes intolerant to haploinsufficiency or distributed across tolerant genes as well. Here, we identified all CNVs >50 kilobases in 24,092 individuals from unselected and autism cohorts with assessments of general intelligence. Statistical models used measures of intolerance to haploinsufficiency of genes included in CNVs to predict their effect-size on intelligence. Intolerant genes decrease general intelligence by 0.8 and 2.6 points of IQ when duplicated or deleted, respectively. Effect-sizes showed no heterogeneity across cohorts. Validation analyses demonstrated that models could predict CNV effect-sizes with 78% accuracy. Data on the inheritance of 27,766 CNVs showed that deletions and duplications with the same effect-size on intelligence occur de novo at the same frequency. We estimated that around 10,000 intolerant and tolerant genes negatively affect intelligence when deleted, and less than 2% have large effect-sizes. Genes encompassed in CNVs were not enriched in any GOterms but gene regulation and brain expression were GOterms overrepresented in the intolerant subgroup. Such pervasive effects on cognition may be related to emergent properties of the genome not restricted to a limited number of biological pathways.

Abstract Anatomical brain templates are commonly used as references in neurological MRI studies, for bringing data into a common space for group-level statistics and coordinate reporting. Given the inherent variability in brain morphology across age and geography, it is important to have templates that are as representative as possible for both age and population. A representative-template increases the accuracy of alignment, decreases distortions as well as potential biases in final coordinate reports. In this study, we developed and validated a new set of T1w Indian brain templates (IBT) from a large number of brain scans (total n=466) acquired across different locations and multiple 3T MRI scanners in India. A new tool in AFNI, make_template_dask.py, was created to efficiently make five age-specific IBTs (ages 6-60 years) as well as maximum probability map (MPM) atlases for each template; for each age-group’s template-atlas pair, there is both a “population-average” and a “typical” version. Validation experiments on an independent Indian structural and functional-MRI dataset show the appropriateness of IBTs for spatial normalization of Indian brains. The results indicate significant structural differences when comparing the IBTs and MNI template, with these differences being maximal along the Anterior-Posterior and Inferior-Superior axes, but minimal Left-Right. For each age-group, the MPM brain atlases provide reasonably good representation of the native-space volumes in the IBT space, except in a few regions with high inter-subject variability. These findings provide evidence to support the use of age and population-specific templates in human brain mapping studies. This dataset is made publicly available ( https://hollabharath.github.io/IndiaBrainTemplates ). Highlights A new set of age-specific T1w Indian brain templates for ages 6-60 yr are developed and validated. A new AFNI tool, make_template_dask.py, for the creation of group-based templates. Maximum probability map atlases are also provided for each template. Results indicate the appropriateness of Indian templates for spatial normalization of Indian brains

Abstract How to retrieve latent neurobehavioral processes from complex neurobiological signals is an important yet unresolved challenge. Here, we develop a novel approach, orthogonal-Decoding multi-Cognitive Processes (DeCoP), to reveal underlying latent neurobehavioral processing and show that its performance is superior to traditional non-orthogonal decoding in terms of both false inference and robustness. Processing value and salience information are two fundamental but mutually confounded pathways of reward reinforcement essential for decision making. During reward/punishment anticipation, we applied DeCoP to decode brain-wide responses into spatially overlapping, yet functionally independent, evaluation and readiness processes, which are modulated differentially by meso-limbic vs nigro-striatal dopamine systems. Using DeCoP, we further demonstrated that most brain regions only encoded abstract information but not the exact input, except for dACC and insula. Furthermore, our novel analytical principle could be applied generally to decode multiple latent neurobehavioral processes and thus advance both the design and hypothesis testing for cognitive tasks.

Abstract Structural neuroimaging data have been used to compute an estimate of the biological age of the brain (brain‐age) which has been associated with other biologically and behaviorally meaningful measures of brain development and aging. The ongoing research interest in brain‐age has highlighted the need for robust and publicly available brain‐age models pre‐trained on data from large samples of healthy individuals. To address this need we have previously released a developmental brain‐age model. Here we expand this work to develop, empirically validate, and disseminate a pre‐trained brain‐age model to cover most of the human lifespan. To achieve this, we selected the best‐performing model after systematically examining the impact of seven site harmonization strategies, age range, and sample size on brain‐age prediction in a discovery sample of brain morphometric measures from 35,683 healthy individuals (age range: 5–90 years; 53.59% female). The pre‐trained models were tested for cross‐dataset generalizability in an independent sample comprising 2101 healthy individuals (age range: 8–80 years; 55.35% female) and for longitudinal consistency in a further sample comprising 377 healthy individuals (age range: 9–25 years; 49.87% female). This empirical examination yielded the following findings: (1) the accuracy of age prediction from morphometry data was higher when no site harmonization was applied; (2) dividing the discovery sample into two age‐bins (5–40 and 40–90 years) provided a better balance between model accuracy and explained age variance than other alternatives; (3) model accuracy for brain‐age prediction plateaued at a sample size exceeding 1600 participants. These findings have been incorporated into CentileBrain ( https://centilebrain.org/#/brainAGE2 ), an open‐science, web‐based platform for individualized neuroimaging metrics.

Subcortical brain structures are integral to motion, consciousness, emotions, and learning. We identified common genetic variation related to the volumes of nucleus accumbens, amygdala, brainstem, caudate nucleus, globus pallidus, putamen, and thalamus, using genome-wide association analyses in over 40,000 individuals from CHARGE, ENIGMA and the UK-Biobank. We show that variability in subcortical volumes is heritable, and identify 25 significantly associated loci (20 novel). Annotation of these loci utilizing gene expression, methylation, and neuropathological data identified 62 candidate genes implicated in neurodevelopment, synaptic signaling, axonal transport, apoptosis, and susceptibility to neurological disorders. This set of genes is significantly enriched for Drosophila orthologs associated with neurodevelopmental phenotypes, suggesting evolutionarily conserved mechanisms. Our findings uncover novel biology and potential drug targets underlying brain development and disease.

Susceptibility genes for psychiatric and neurological disorders - including APOE, BDNF, CLU, CNTNAP2, COMT, DISC1, DTNBP1, ErbB4, HFE, NRG1, NTKR3, and ZNF804A - have been reported to affect white matter (WM) microstructure in the healthy human brain, as assessed through diffusion tensor imaging (DTI). However, effects of single nucleotide polymorphisms (SNPs) in these genes explain only a small fraction of the overall variance and are challenging to detect reliably in single cohort studies. To date, few studies have evaluated the reproducibility of these results. As part of the ENIGMA-DTI consortium, we pooled regional fractional anisotropy (FA) measures for 6,165 subjects (CEU ancestry N=4,458) from 11 cohorts worldwide to evaluate effects of 15 candidate SNPs by examining their associations with WM microstructure. Additive association tests were conducted for each SNP. We used several meta-analytic and mega-analytic designs, and we evaluated regions of interest at multiple granularity levels. The ENIGMA-DTI protocol was able to detect single-cohort findings as originally reported. Even so, in this very large sample, no significant associations remained after multiple-testing correction for the 15 SNPs investigated. Suggestive associations (1.3x10-4 < p < 0.05, uncorrected) were found for BDNF, COMT, and ZNF804A in specific tracts. Meta- and mega-analyses revealed similar findings. Regardless of the approach, the previously reported candidate SNPs did not show significant associations with WM microstructure in this largest genetic study of DTI to date; the negative findings are likely not due to insufficient power. Genome-wide studies, involving large-scale meta-analyses, may help to discover SNPs robustly influencing WM microstructure.

Intelligence is highly heritable and a major determinant of human health and well-being. Recent genome-wide meta-analyses have identified 24 genomic loci linked to intelligence, but much about its genetic underpinnings remains to be discovered. Here, we present the largest genetic association study of intelligence to date (N=279,930), identifying 206 genomic loci (191 novel) and implicating 1,041 genes (963 novel) via positional mapping, expression quantitative trait locus (eQTL) mapping, chromatin interaction mapping, and gene-based association analysis. We find enrichment of genetic effects in conserved and coding regions and identify 89 nonsynonymous exonic variants. Associated genes are strongly expressed in the brain and specifically in striatal medium spiny neurons and cortical and hippocampal pyramidal neurons. Gene-set analyses implicate pathways related to neurogenesis, neuron differentiation and synaptic structure. We confirm previous strong genetic correlations with several neuropsychiatric disorders, and Mendelian Randomization results suggest protective effects of intelligence for Alzheimer's dementia and ADHD, and bidirectional causation with strong pleiotropy for schizophrenia. These results are a major step forward in understanding the neurobiology of intelligence as well as genetically associated neuropsychiatric traits.