Saw Swee Hock School of Public Health, National University of Singapore, Singapore, Department of Paediatrics, Yong Loo Lin School of Medicine, National University of Singapore, Singapore, Department of Obstetrics & Gynaecology, Yong Loo Lin School of Medicine, National University of Singapore, National University Health System, Singapore, Singapore Institute for Clinical Sciences, Agency for Science and Technology Research (A*STAR), Brenner Centre for Molecular Medicine, Singapore, Liggins Institute, University of Auckland, Auckland, New Zealand, Medical Research Council Lifecourse Epidemiology Unit, Southampton, UK, NIHR Southampton Biomedical Research Centre, University of Southampton and University Hospital Southampton NHS Foundation Trust, Southampton, UK, Biostatistics Unit, Yong Loo Lin School of Medicine, National University of Singapore, Singapore and KK Women’s and Children’s Hospital, Singapore

Prenatal maternal depression is associated with alterations in the neonatal amygdala microstructure, shedding light on the timing for the influence of prenatal maternal depression on the brain structure of the offspring. This study aimed to examine the association between prenatal maternal depressive symptomatology and infant amygdala functional connectivity and to thus establish the neural functional basis for the transgenerational transmission of vulnerability for affective disorders during prenatal development. Twenty-four infants were included in this study with both structural magnetic resonance imaging (MRI) and resting-state functional MRI (fMRI) at 6 months of age. Maternal depression was assessed at 26 weeks of gestation and 3 months after delivery using the Edinburgh Postnatal Depression Scale. Linear regression was used to identify the amygdala functional networks and to examine the associations between prenatal maternal depressive symptoms and amygdala functional connectivity. Our results showed that at 6 months of age, the amygdala is functionally connected to widespread brain regions, forming the emotional regulation, sensory and perceptual, and emotional memory networks. After controlling for postnatal maternal depressive symptoms, infants born to mothers with higher prenatal maternal depressive symptoms showed greater functional connectivity of the amygdala with the left temporal cortex and insula, as well as the bilateral anterior cingulate, medial orbitofrontal and ventromedial prefrontal cortices, which are largely consistent with patterns of connectivity observed in adolescents and adults with major depressive disorder. Our study provides novel evidence that prenatal maternal depressive symptomatology alters the amygdala's functional connectivity in early postnatal life, which reveals that the neuroimaging correlates of the familial transmission of phenotypes associated with maternal mood are apparent in infants at 6 months of age.

Abstract Evidence from independent neuroimaging and genetic studies supports the concept that brain aging mirrors development. However, it is unclear whether mechanisms linking brain development and aging provide new insights to delay aging and potentially reverse it. This study determined biological mechanisms and phenotypic traits underpinning brain alterations across the life course and in aging by examining spatio-temporal correlations between gene expression and cortical volumes (n=3391) derived from the life course dataset (3-82 years) and the aging dataset (55-82 years). We revealed that a large proportion of genes whose expression was associated with cortical volume across the life course were in astrocytes. These genes, which showed up-regulation during development and down-regulation during aging, contributed to fundamental homeostatic functions of astrocytes crucial, in turn, for neuronal functions. Included among these genes were those encoding components of cAMP and Ras signal pathways, as well as retrograde endocannabinoid signaling. Genes associated with cortical volumes in the aging dataset were also enriched for the sphingolipid signaling pathway, renin-angiotensin system (RAS), proteasome, and TGF-beta signaling pathway, which is linked to the senescence-associated secretory phenotype. Neuroticism, drinking, and smoking were the common phenotypic traits in the life course and aging, while memory was the unique phenotype associated with aging. These findings provide biological mechanisms and phenotypic traits mirroring development and aging as well as unique to aging.

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.

In recent years, deep learning has gained momentum in computer-aided Alzheimer's Disease (AD) diagnosis. This study introduces a novel approach, Monte Carlo Ensemble Vision Transformer (MC-ViT), which develops an ensemble approach with Vision transformer (ViT). Instead of using traditional ensemble methods that deploy multiple learners, our approach employs a single vision transformer learner. By harnessing Monte Carlo sampling, this method produces a broad spectrum of classification decisions, enhancing the MC-ViT performance. This novel technique adeptly overcomes the limitation of 3D patch convolutional neural networks that only characterize partial of the whole brain anatomy, paving the way for a neural network adept at discerning 3D inter-feature correlations. Evaluations using the Alzheimer's Disease Neuroimaging Initiative (ADNI) dataset with 7199 scans and Open Access Series of Imaging Studies-3 (OASIS-3) with 1992 scans showcased its performance. With minimal preprocessing, our approach achieved an impressive 90% accuracy in AD classification, surpassing both 2D-slice CNNs and 3D CNNs.

The incidence of obesity related glomerulopathy (ORG) is rising worldwide with very limited treatment methods. Paralleled with the gut-kidney axis theory, beneficial effects of butyrate, one of short-chain fatty acids produced by gut microbiota, on metabolism and certain kidney diseases have gained growing attention. However, the effects of butyrate on ORG and its underlying mechanism are largely unexplored. In this study, a mice model of ORG was established with high-fat diet (HFD) feeding for 16 weeks, and sodium butyrate treatment was initiated at the 8th week. Podocytes injury, oxidative stress, and mitochondria function were evaluated in mice kidney and validated