ABSTRACT Diffusion-weighted magnetic resonance imaging (dMRI) has become the primary method for non-invasively studying the organization of white matter in the human brain. While many dMRI acquisition sequences have been developed, they all sample q-space in order to characterize water diffusion. Numerous software platforms have been developed for processing dMRI data, but most work on only a subset of sampling schemes or implement only parts of the processing workflow. Reproducible research and comparisons across dMRI methods are hindered by incompatible software, diverse file formats, and inconsistent naming conventions. Here we introduce QSIPrep, an integrative software platform for the processing of diffusion images that is compatible with nearly all dMRI sampling schemes. Drawing upon a diverse set of software suites to capitalize upon their complementary strengths, QSIPrep automatically applies best practices for dMRI preprocessing, including denoising, distortion correction, head motion correction, coregistration, and spatial normalization. Throughout, QSIPrep provides both visual and quantitative measures of data quality as well as “glass-box” methods reporting. Taken together, these features facilitate easy implementation of best practices for processing of diffusion images while simultaneously ensuring reproducibility.

Abstract Polygenic scores (PGS) are commonly evaluated in terms of their predictive accuracy at the population level by the proportion of phenotypic variance they explain. To be useful for precision medicine applications, they also need to be evaluated at the individual patient level when phenotypes are not necessarily already known. Hence, we investigated the stability of PGS in European-American (EUR)- and African-American (AFR)-ancestry individuals from the Philadelphia Neurodevelopmental Cohort (PNC) and the Adolescent Brain Cognitive Development (ABCD) cohort using different discovery GWAS for post-traumatic stress disorder (PTSD), type-2 diabetes (T2D), and height. We found that pairs of EUR-ancestry GWAS for the same trait had genetic correlations > 0.92. However, PGS calculated from pairs of sameancestry and different-ancestry GWAS had correlations that ranged from <0.01 to 0.74. PGS stability was higher for GWAS that explained more of the trait variance, with height PGS being more stable than PTSD or T2D PGS. Focusing on the upper end of the PGS distribution, different discovery GWAS do not consistently identify the same individuals in the upper quantiles, with the best case being 60% of individuals above the 80 th percentile of PGS overlapping from one height GWAS to another. The degree of overlap decreases sharply as higher quantiles, less heritable traits, and different-ancestry GWAS are considered. PGS computed from different discovery GWAS have only modest correlation at the level of the individual patient, underscoring the need to proceed cautiously with integrating PGS into precision medicine applications.

SUMMARY The brain is organized into networks at multiple resolutions, or scales, yet studies of functional network development typically focus on a single scale. Here, we derived personalized functional networks across 29 scales in a large sample of youths (n=693, ages 8-23 years) to identify multi-scale patterns of network re-organization related to neurocognitive development. We found that developmental shifts in inter-network coupling systematically adhered to and strengthened a functional hierarchy of cortical organization. Furthermore, we observed that scale-dependent effects were present in lower-order, unimodal networks, but not higher-order, transmodal networks. Finally, we found that network maturation had clear behavioral relevance: the development of coupling in unimodal and transmodal networks dissociably mediated the emergence of executive function. These results delineate maturation of multi-scale brain networks, which varies according to a functional hierarchy and impacts cognitive development.

ABSTRACT Arterial spin labeled (ASL) magnetic resonance imaging (MRI) is the primary method for non-invasively measuring regional brain perfusion in humans. We introduce ASLPrep, a suite of software pipelines that ensure the reproducible and generalizable processing of ASL MRI data.

ABSTRACT The Brain Imaging Data Structure (BIDS) is a specification accompanied by a software ecosystem that was designed to create reproducible and automated workflows for processing neuroimaging data. BIDS Apps flexibly build workflows based on the metadata detected in a dataset. However, even BIDS valid metadata can include incorrect values or omissions that result in inconsistent processing across sessions. Additionally, in large-scale, heterogeneous neuroimaging datasets, hidden variability in metadata is difficult to detect and classify. To address these challenges, we created a Python-based software package titled “Curation of BIDS” (CuBIDS), which provides an intuitive workflow that helps users validate and manage the curation of their neuroimaging datasets. CuBIDS includes a robust implementation of BIDS validation that scales to large samples and incorporates DataLad––a version control software package for data––to ensure reproducibility and provenance tracking throughout the entire curation process. CuBIDS provides tools to help users perform quality control on their images’ metadata and identify unique combinations of imaging parameters. Users can then execute BIDS Apps on a subset of participants that represent the full range of acquisition parameters that are present, accelerating pipeline testing on large datasets. HIGHLIGHTS CuBIDS is a workflow and software package for curating BIDS data. CuBIDS summarizes the heterogeneity in a BIDS dataset. CuBIDS prepares BIDS data for successful preprocessing pipeline runs. CuBIDS helps users perform metadata-based quality control.

A balanced excitation-inhibition ratio (E/I ratio) is critical for healthy brain function. Normative development of cortex-wide E/I ratio remains unknown. Here, we noninvasively estimate a putative marker of whole-cortex E/I ratio by fitting a large-scale biophysically plausible circuit model to resting-state functional MRI (fMRI) data. We first confirm that our model generates realistic brain dynamics in the Human Connectome Project. Next, we show that the estimated E/I ratio marker is sensitive to the gamma-aminobutyric acid (GABA) agonist benzodiazepine alprazolam during fMRI. Alprazolam-induced E/I changes are spatially consistent with positron emission tomography measurement of benzodiazepine receptor density. We then investigate the relationship between the E/I ratio marker and neurodevelopment. We find that the E/I ratio marker declines heterogeneously across the cerebral cortex during youth, with the greatest reduction occurring in sensorimotor systems relative to association systems. Importantly, among children with the same chronological age, a lower E/I ratio marker (especially in the association cortex) is linked to better cognitive performance. This result is replicated across North American (8.2 to 23.0 y old) and Asian (7.2 to 7.9 y old) cohorts, suggesting that a more mature E/I ratio indexes improved cognition during normative development. Overall, our findings open the door to studying how disrupted E/I trajectories may lead to cognitive dysfunction in psychopathology that emerges during youth.

Abstract Adolescence is hypothesized to be a critical period for the development of association cortex. A reduction of the excitation:inhibition (E:I) ratio is a hallmark of critical period development; however it has been unclear how to assess the development of the E:I ratio using non-invasive neuroimaging techniques. Here, we used pharmacological fMRI with a GABAergic benzodiazepine challenge to empirically generate a model of E:I ratio based on multivariate patterns of functional connectivity. In an independent sample of 879 youth (ages 8-22 years), this model predicted reductions in the E:I ratio during adolescence, which were specific to association cortex and related to psychopathology. These findings support hypothesized shifts in E:I balance of association cortices during a neurodevelopmental critical period in adolescence. Teaser Inhibitory maturation of the association cortex reflects an adolescent critical period.

Abstract As medical imaging enters its information era and presents rapidly increasing needs for big data analytics, robust pooling and harmonization of imaging data across diverse cohorts with varying acquisition protocols have become critical. We describe a comprehensive effort that merges and harmonizes a large-scale dataset of 10,232 structural brain MRI scans from participants without known neuropsychiatric disorder from 18 different studies that represent geographic diversity. We use this dataset and multi-atlas-based image processing methods to obtain a hierarchical partition of the brain from larger anatomical regions to individual cortical and deep structures and derive normative age trends of brain structure through the lifespan (3 to 96 years old). Critically, we present and validate a methodology for harmonizing this pooled dataset in the presence of nonlinear age trends. We provide a web-based visualization interface to generate and present the resulting age trends, enabling future studies of brain structure to compare their data with this normative reference of brain development and aging, and to examine deviations from normative ranges, potentially related to disease.

A diverse white matter network and finely tuned neuronal membrane properties allow the brain to transition seamlessly between cognitive states. However, it remains unclear how static structural connections guide the temporal progression of large-scale brain activity patterns in different cognitive states. Here, we deploy an unsupervised machine learning algorithm to define brain states as time point level activity patterns from functional magnetic resonance imaging data acquired during passive visual fixation (rest) and an n-back working memory task. We find that brain states are composed of interdigitated functional networks and exhibit context-dependent dynamics. Using diffusion-weighted imaging acquired from the same subjects, we show that structural connectivity constrains the temporal progression of brain states. We also combine tools from network control theory with geometrically conservative null models to demonstrate that brains are wired to support states of high activity in default mode areas, while requiring relatively low energy. Finally, we show that brain state dynamics change throughout development and explain working memory performance. Overall, these results elucidate the structural underpinnings of cognitively and developmentally relevant spatiotemporal brain dynamics.

Abstract To explore modular organization of chromosomes in schizophrenia (SCZ) and bipolar disorder (BD), we applied ‘population-scale’ correlational structuring of 739 histone H3-lysine 27 acetylation and H3-lysine 4 trimethylation profiles, generated from the prefrontal cortex (PFC) of 568 cases and controls. Neuronal histone acetylomes and methylomes assembled as thousands of cis-regulatory domains (CRDs), revealing fine-grained, kilo-to megabase scale chromatin organization at higher resolution but firmly integrated into Hi-C chromosomal conformations. Large clusters of domains that were hyperacetylated in disease shared spatial positioning within the nucleus, predominantly regulating PFC projection neuron function and excitatory neurotransmission. Hypoacetylated domains were linked to inhibitory interneuron- and myelination-relevant genes. Chromosomal modular architecture is affected in SCZ and BD, with hyperacetylated domains showing unexpectedly strong convergences defined by cell type, nuclear topography, genetic risk, and active chromatin state across a wide developmental window.