There is strong evidence of brain-related abnormalities in COVID-191-13. However, it remains unknown whether the impact of SARS-CoV-2 infection can be detected in milder cases, and whether this can reveal possible mechanisms contributing to brain pathology. Here we investigated brain changes in 785 participants of UK Biobank (aged 51-81 years) who were imaged twice using magnetic resonance imaging, including 401 cases who tested positive for infection with SARS-CoV-2 between their two scans-with 141 days on average separating their diagnosis and the second scan-as well as 384 controls. The availability of pre-infection imaging data reduces the likelihood of pre-existing risk factors being misinterpreted as disease effects. We identified significant longitudinal effects when comparing the two groups, including (1) a greater reduction in grey matter thickness and tissue contrast in the orbitofrontal cortex and parahippocampal gyrus; (2) greater changes in markers of tissue damage in regions that are functionally connected to the primary olfactory cortex; and (3) a greater reduction in global brain size in the SARS-CoV-2 cases. The participants who were infected with SARS-CoV-2 also showed on average a greater cognitive decline between the two time points. Importantly, these imaging and cognitive longitudinal effects were still observed after excluding the 15 patients who had been hospitalised. These mainly limbic brain imaging results may be the in vivo hallmarks of a degenerative spread of the disease through olfactory pathways, of neuroinflammatory events, or of the loss of sensory input due to anosmia. Whether this deleterious effect can be partially reversed, or whether these effects will persist in the long term, remains to be investigated with additional follow-up.

Neuroimaging has evolved into a widely used method to investigate the functional neuroanatomy, brain-behaviour relationships, and pathophysiology of brain disorders, yielding a literature of more than 30,000 papers. With such an explosion of data, it is increasingly difficult to sift through the literature and distinguish spurious from replicable findings. Furthermore, due to the large number of studies, it is challenging to keep track of the wealth of findings. A variety of meta-analytical methods (coordinate-based and image-based) have been developed to help summarise and integrate the vast amount of data arising from neuroimaging studies. However, the field lacks specific guidelines for the conduct of such meta-analyses. Based on our combined experience, we propose best-practice recommendations that researchers from multiple disciplines may find helpful. In addition, we provide specific guidelines and a checklist that will hopefully improve the transparency, traceability, replicability and reporting of meta-analytical results of neuroimaging data.

The hippocampus has been shown to demonstrate a remarkable degree of plasticity in response to a variety of tasks and experiences. For example, the size of the human hippocampus has been shown to increase in response to aerobic exercise. However, it is currently unknown what underlies these changes. Here we scanned sedentary, young to middle-aged human adults before and after a six-week exercise intervention using nine different neuroimaging measures of brain structure, vasculature, and diffusion. We then tested two different hypotheses regarding the nature of the underlying changes in the tissue. Surprisingly, we found no evidence of a vascular change as has been previously reported. Rather, the pattern of changes is better explained by an increase in myelination. Finally, we show that hippocampal volume increase is temporary, returning to baseline after an additional six weeks without aerobic exercise. This is the first demonstration of a change in hippocampal volume in early to middle adulthood suggesting that hippocampal volume is modulated by aerobic exercise throughout the lifespan rather than only in the presence of age related atrophy. It is also the first demonstration of hippocampal volume change over a period of only six weeks, suggesting that gross morphometric hippocampal plasticity occurs faster than previously thought.

Several MRI measures have been proposed as in vivo biomarkers of myelin, each with applications ranging from plasticity to pathology. Despite the availability of these myelin-sensitive modalities, specificity and sensitivity have been a matter of discussion. Debate about which MRI measure is the most suitable for quantifying myelin is still ongoing. In this study, we performed a systematic review of published quantitative validation studies to clarify how different these measures are when compared to the underlying histology. We analyzed the results from 43 studies applying meta-analysis tools, controlling for study sample size and using interactive visualization (https://neurolibre.github.io/myelin-meta-analysis). We report the overall estimates and the prediction intervals for the coefficient of determination and find that MT and relaxometry-based measures exhibit the highest correlations with myelin content. We also show which measures are, and which measures are not statistically different regarding their relationship with histology.

It is a growing concern that outcomes of neuroimaging studies often cannot be replicated. To counteract this, the magnetic resonance (MR) neuroimaging community has promoted acquisition standards and created data sharing platforms, based on a consensus on how to organize and share MR neuroimaging data. Here, we take a similar approach to positron emission tomography (PET) data. To facilitate comparison of findings across studies, we first recommend publication standards for tracer characteristics, image acquisition, image preprocessing, and outcome estimation for PET neuroimaging data. The co-authors of this paper, representing more than 25 PET centers worldwide, voted to classify information as mandatory, recommended, or optional. Second, we describe a framework to facilitate data archiving and data sharing within and across centers. Because of the high cost of PET neuroimaging studies, sample sizes tend to be small and relatively few sites worldwide have the required multidisciplinary expertise to properly conduct and analyze PET studies. Data sharing will make it easier to combine datasets from different centers to achieve larger sample sizes and stronger statistical power to test hypotheses. The combining of datasets from different centers may be enhanced by adoption of a common set of best practices in data acquisition and analysis.

During strenuous exercise there is a progressive increase in lactate uptake and metabolism into the brain as workload and plasma lactate levels increase. Although it is now widely accepted that the brain can metabolize lactate, few studies have directly measured brain lactate following vigorous exercise. Here, we used ultra-high field magnetic resonance spectroscopy of the brain to obtain static measures of brain lactate, as well as brain glutamate and glutamine after vigorous exercise. The aims of our experiment were to (a) track the changes in brain lactate following recovery from exercise, and (b) to simultaneously measure the signals from brain glutamate and glutamine. The results of our experiment showed that vigorous exercise resulted in a significant increase in brain lactate. Furthermore, both glutamate and glutamine were successfully resolved, and as expected, although contrary to some previous reports, we did not observe any significant change in either amino acid after exercise. We did however observe a negative correlation between glutamate and a measure of fitness. These results support the hypothesis that peripherally derived lactate is taken up by the brain when available. Our data additionally highlight the potential of ultra-high field MRS as a non-invasive way of measuring multiple brain metabolite changes with exercise.

Background Brain iron deposition has been linked to several neurodegenerative conditions and reported in alcohol dependence. Whether iron accumulation occurs in moderate drinkers is unknown. Our objectives were to investigate evidence in support of causal relationships between alcohol consumption and brain iron levels and to examine whether higher brain iron represents a potential pathway to alcohol-related cognitive deficits. Methods and findings Observational associations between brain iron markers and alcohol consumption ( n = 20,729 UK Biobank participants) were compared with associations with genetically predicted alcohol intake and alcohol use disorder from 2-sample mendelian randomization (MR). Alcohol intake was self-reported via a touchscreen questionnaire at baseline (2006 to 2010). Participants with complete data were included. Multiorgan susceptibility-weighted magnetic resonance imaging (9.60 ± 1.10 years after baseline) was used to ascertain iron content of each brain region (quantitative susceptibility mapping (QSM) and T2*) and liver tissues (T2*), a marker of systemic iron. Main outcomes were susceptibility (χ) and T2*, measures used as indices of iron deposition. Brain regions of interest included putamen, caudate, hippocampi, thalami, and substantia nigra. Potential pathways to alcohol-related iron brain accumulation through elevated systemic iron stores (liver) were explored in causal mediation analysis. Cognition was assessed at the scan and in online follow-up (5.82 ± 0.86 years after baseline). Executive function was assessed with the trail-making test, fluid intelligence with puzzle tasks, and reaction time by a task based on the “Snap” card game. Mean age was 54.8 ± 7.4 years and 48.6% were female. Weekly alcohol consumption was 17.7 ± 15.9 units and never drinkers comprised 2.7% of the sample. Alcohol consumption was associated with markers of higher iron (χ) in putamen (β = 0.08 standard deviation (SD) [95% confidence interval (CI) 0.06 to 0.09], p < 0.001), caudate (β = 0.05 [0.04 to 0.07], p < 0.001), and substantia nigra (β = 0.03 [0.02 to 0.05], p < 0.001) and lower iron in the thalami (β = −0.06 [−0.07 to −0.04], p < 0.001). Quintile-based analyses found these associations in those consuming >7 units (56 g) alcohol weekly. MR analyses provided weak evidence these relationships are causal. Genetically predicted alcoholic drinks weekly positively associated with putamen and hippocampus susceptibility; however, these associations did not survive multiple testing corrections. Weak evidence for a causal relationship between genetically predicted alcohol use disorder and higher putamen susceptibility was observed; however, this was not robust to multiple comparisons correction. Genetically predicted alcohol use disorder was associated with serum iron and transferrin saturation. Elevated liver iron was observed at just >11 units (88 g) alcohol weekly c.f. <7 units (56 g). Systemic iron levels partially mediated associations of alcohol intake with brain iron. Markers of higher basal ganglia iron associated with slower executive function, lower fluid intelligence, and slower reaction times. The main limitations of the study include that χ and T2* can reflect changes in myelin as well as iron, alcohol use was self-reported, and MR estimates can be influenced by genetic pleiotropy. Conclusions To the best of our knowledge, this study represents the largest investigation of moderate alcohol consumption and iron homeostasis to date. Alcohol consumption above 7 units weekly associated with higher brain iron. Iron accumulation represents a potential mechanism for alcohol-related cognitive decline.

Abstract The cortex has a characteristic layout with specialized functional areas forming distributed large-scale networks. However, substantial work shows striking variation in this organization across people, which relates to differences in behavior. While most prior work treats all individual differences as equivalent and primarily linked to boundary shifts between the borders of regions, here we show that cortical ‘variants’ actually occur in two different forms. In addition to border shifts, variants also occur at a distance from their typical position, forming ectopic intrusions. Both forms of variants are common across individuals, but the forms differ in their location, network associations, and activations during tasks, patterns that replicate across datasets and methods of definition. Border shift variants also track significantly more with shared genetics than ectopic variants, suggesting a closer link between ectopic variants and environmental influences. Further, variant properties are categorically different between subgroups of individuals. Exploratory evidence suggests that variants can predict individual differences in behavior, but the two forms differ in which behavioral phenotypes they predict. This work argues that individual differences in brain organization commonly occur in two dissociable forms – border shifts and ectopic intrusions – suggesting that these types of variation are indexing distinct forms of cortical variation that must be separately accounted for in the analysis of cortical systems across people. This work expands our knowledge of cortical variation in humans and helps reconceptualize the discussion of how cortical systems variability arises and links to individual differences in cognition and behavior.

Abstract The linear mixed-effects model (LME) is a versatile approach to account for dependence among observations. Many large-scale neuroimaging datasets with complex designs have increased the need for LME, however LME has seldom been used in whole-brain imaging analyses due to its heavy computational requirements. In this paper, we introduce a fast and efficient mixed-effects algorithm (FEMA) that makes whole-brain vertex-wise, voxel-wise, and connectome-wide LME analyses in large samples possible. We validate FEMA with extensive simulations, showing that the estimates of the fixed effects are equivalent to standard maximum likelihood estimates but obtained with orders of magnitude improvement in computational speed. We demonstrate the applicability of FEMA by studying the cross-sectional and longitudinal effects of age on region-of-interest level and vertex-wise cortical thickness, as well as connectome-wide functional connectivity values derived from resting state functional MRI, using longitudinal imaging data from the Adolescent Brain Cognitive Development SM Study release 4.0. Our analyses reveal distinct spatial patterns for the annualized changes in vertex-wise cortical thickness and connectome-wide connectivity values in early adolescence, highlighting a critical time of brain maturation. The simulations and application to real data show that FEMA enables advanced investigation of the relationships between large numbers of neuroimaging metrics and variables of interest while considering complex study designs, including repeated measures and family structures, in a fast and efficient manner. The source code for FEMA is available via: https://github.com/cmig-research-group/cmig_tools/ .

Neuroimaging is a popular method to map brain structural and functional patterns to complex human traits. Recently published observations cast doubt upon these prospects, particularly for prediction of cognitive traits from structural and resting state functional magnetic resonance imaging (MRI). We leverage baseline data from thousands of children in the Adolescent Brain Cognitive DevelopmentSM Study to inform the replication sample size required with univariate and multivariate methods across different imaging modalities to detect reproducible brain-behavior associations. We demonstrate that by applying multivariate methods to high-dimensional brain imaging data, we can capture lower dimensional patterns of structural and functional brain architecture that correlate robustly with cognitive phenotypes and are reproducible with only 41 individuals in the replication sample for working memory-related functional MRI, and ~ 100 subjects for structural and resting state MRI. Even with 100 random re-samplings of 100 subjects in discovery, prediction can be adequately powered with 66 subjects in replication for multivariate prediction of cognition with working memory task functional MRI. These results point to an important role for neuroimaging in translational neurodevelopmental research and showcase how findings in large samples can inform reproducible brain-behavior associations in small sample sizes that are at the heart of many research programs and grants.