FreeSurfer is a popular software package to measure cortical thickness and volume of neuroanatomical structures. However, little if any is known about measurement reliability across various data processing conditions. Using a set of 30 anatomical T1-weighted 3T MRI scans, we investigated the effects of data processing variables such as FreeSurfer version (v4.3.1, v4.5.0, and v5.0.0), workstation (Macintosh and Hewlett-Packard), and Macintosh operating system version (OSX 10.5 and OSX 10.6). Significant differences were revealed between FreeSurfer version v5.0.0 and the two earlier versions. These differences were on average 8.8±6.6% (range 1.3–64.0%) (volume) and 2.8±1.3% (1.1–7.7%) (cortical thickness). About a factor two smaller differences were detected between Macintosh and Hewlett-Packard workstations and between OSX 10.5 and OSX 10.6. The observed differences are similar in magnitude as effect sizes reported in accuracy evaluations and neurodegenerative studies. The main conclusion is that in the context of an ongoing study, users are discouraged to update to a new major release of either FreeSurfer or operating system or to switch to a different type of workstation without repeating the analysis; results thus give a quantitative support to successive recommendations stated by FreeSurfer developers over the years. Moreover, in view of the large and significant cross-version differences, it is concluded that formal assessment of the accuracy of FreeSurfer is desirable.

Schizophrenia has been conceived as a disorder of brain connectivity, but it is unclear how this network phenotype is related to the underlying genetics. We used morphometric similarity analysis of MRI data as a marker of interareal cortical connectivity in three prior case-control studies of psychosis: in total, n = 185 cases and n = 227 controls. Psychosis was associated with globally reduced morphometric similarity in all three studies. There was also a replicable pattern of case-control differences in regional morphometric similarity, which was significantly reduced in patients in frontal and temporal cortical areas but increased in parietal cortex. Using prior brain-wide gene expression data, we found that the cortical map of case-control differences in morphometric similarity was spatially correlated with cortical expression of a weighted combination of genes enriched for neurobiologically relevant ontology terms and pathways. In addition, genes that were normally overexpressed in cortical areas with reduced morphometric similarity were significantly up-regulated in three prior post mortem studies of schizophrenia. We propose that this combined analysis of neuroimaging and transcriptional data provides insight into how previously implicated genes and proteins as well as a number of unreported genes in their topological vicinity on the protein interaction network may drive structural brain network changes mediating the genetic risk of schizophrenia.

Schizophrenia has been conceived as a disorder of brain connectivity but it is unclear how this network phenotype is related to the emerging genetics. We used morphometric similarity analysis of magnetic resonance imaging (MRI) data as a marker of inter-areal cortical connectivity in three prior case-control studies of psychosis: in total, N=185 cases and N=227 controls. Psychosis was associated with globally reduced morphometric similarity (MS) in all 3 studies. There was also a replicable pattern of case-control differences in regional MS which was significantly reduced in patients in frontal and temporal cortical areas, but increased in parietal cortex. Using prior brain-wide gene expression data, we found that the cortical map of case-control differences in MS was spatially correlated with cortical expression of a weighted combination of genes enriched for neu-robiologically relevant ontology terms and pathways. In addition, genes that were normally over-expressed in cortical areas with reduced MS were significantly up-regulated in a prior post mortem study of schizophrenia. We propose that this combination of neuroimaging and transcriptional data provides new insight into how previously implicated genes and proteins, as well as a number of unreported proteins in their vicinity on the protein interaction network, may interact to drive structural brain network changes in schizophrenia.

Over the past 25 years, neuroimaging has become a ubiquitous tool in basic research and clinical studies of the human brain. However, there are no reference standards against which to anchor measures of individual differences in brain morphology, in contrast to growth charts for traits such as height and weight. Here, we built an interactive online resource (www.brainchart.io) to quantify individual differences in brain structure from any current or future magnetic resonance imaging (MRI) study, against models of expected age-related trends. With the goal of basing these on the largest and most inclusive dataset, we aggregated MRI data spanning 115 days post-conception through 100 postnatal years, totaling 122,123 scans from 100,071 individuals in over 100 studies across 6 continents. When quantified as centile scores relative to the reference models, individual differences show high validity with non-MRI brain growth estimates and high stability across longitudinal assessment. Centile scores helped identify previously unreported brain developmental milestones and demonstrated increased genetic heritability compared to non-centiled MRI phenotypes. Crucially for the study of brain disorders, centile scores provide a standardised and interpretable measure of deviation that reveals new patterns of neuroanatomical differences across neurological and psychiatric disorders emerging during development and ageing. In sum, brain charts for the human lifespan are an essential first step towards robust, standardised quantification of individual variation and for characterizing deviation from age-related trends. Our global collaborative study provides such an anchorpoint for basic neuroimaging research and will facilitate implementation of research-based standards in clinical studies.