Abstract Age has a major effect on brain volume. However, the normative studies available are constrained by small sample sizes, restricted age coverage and significant methodological variability. These limitations introduce inconsistencies and may obscure or distort the lifespan trajectories of brain morphometry. In response, we capitalised on the resources of the Enhancing Neuroimaging Genetics through Meta-Analysis (ENIGMA) Consortium to examine the age-related morphometric trajectories of the ventricles, the basal ganglia (caudate, putamen, pallidum, and nucleus accumbens), the thalamus, hippocampus and amygdala using magnetic resonance imaging data obtained from 18,605 individuals aged 3-90 years. All subcortical structure volumes were at their maximum early in life; the volume of the basal ganglia showed a gradual monotonic decline thereafter while the volumes of the thalamus, amygdala and the hippocampus remained largely stable (with some degree of decline in thalamus) until the sixth decade of life followed by a steep decline thereafter. The lateral ventricles showed a trajectory of continuous enlargement throughout the lifespan. Significant age-related increase in inter-individual variability was found for the hippocampus and amygdala and the lateral ventricles. These results were robust to potential confounders and could be used to derive risk predictions for the early identification of diverse clinical phenotypes.

The regulation of moment-to-moment neural variability may permit effective responses to changing cognitive demands. However, the mechanisms that support variability regulation are unknown. In the context of working memory, we leverage the largest available PET and fMRI dataset to jointly consider three lenses through which neural variability regulation could be understood: dopamine capacity, network-level functional integration, and flexible decision processes. We show that with greater working memory load, upregulation of variability was associated with elevated dopamine capacity and heightened functional integration, effects dominantly expressed in the striato-thalamic system rather than cortex. Strikingly, behavioral modeling revealed that working memory load evoked substantial decision biases during evidence accumulation, and those who jointly expressed a more optimal decision bias and higher dopamine capacity were most likely to upregulate striato-thalamic variability under load. We argue that the ability to align striato-thalamic variability to level of demand may be a hallmark of a well-functioning brain.

Abstract Background Poor sleep is associated with multiple age-related neurodegenerative and neuropsychiatric conditions. The hippocampus plays a special role in sleep and sleep-dependent cognition, and accelerated hippocampal atrophy is typically seen with higher age. Hence, it is critical to establish how the relationship between sleep and hippocampal volume loss unfolds across the adult lifespan. Methods Self-reported sleep measures and MRI-derived hippocampal volumes were obtained from 3105 cognitively normal participants (18-90 years) from major European brain studies in the Lifebrain consortium. Hippocampal volume change was estimated from 5116 MRIs from 1299 participants, covering up to 11 years. Cross-sectional analyses were repeated in a sample of 21390 participants from the UK Biobank. Results The relationship between self-reported sleep and age differed across sleep items. Sleep duration, efficiency, problems, and use of medication worsened monotonously with age, whereas subjective sleep quality, sleep latency, and daytime tiredness improved. Women reported worse sleep in general than men, but the relationship to age was similar. No cross-sectional sleep – hippocampal volume relationships was found. However, worse sleep quality, efficiency, problems, and daytime tiredness were related to greater hippocampal volume loss over time, with high scorers showing on average 0.22% greater annual loss than low scorers. Simulations showed that longitudinal effects were too small to be detected as age-interactions in cross-sectional analyses. Conclusions Worse self-reported sleep is associated with higher rates of hippocampal decline across the adult lifespan. This suggests that sleep is relevant to understand individual differences in hippocampal atrophy, but limited effect sizes call for cautious interpretation.

Abstract Brain age is a widely used index for quantifying individuals’ brain health as deviation from a normative brain aging trajectory. Higher than expected brain age is thought partially to reflect above-average rate of brain aging. We explicitly tested this assumption in two large datasets and found no association between cross-sectional brain age and steeper brain decline measured longitudinally. Rather, brain age in adulthood was associated with early-life influences indexed by birth weight and polygenic scores. The results call for nuanced interpretations of cross-sectional indices of the aging brain and question their validity as markers of ongoing within-person changes of the aging brain. Longitudinal imaging data should be preferred whenever the goal is to understand individual change trajectories of brain and cognition in aging.

Abstract Normal aging and Alzheimer’s Disease (AD) are accompanied by large-scale alterations in brain organization that undermine brain function. Although hemispheric asymmetry is a global organizing feature of cortex thought to promote brain efficiency, current descriptions of cortical thinning in aging and AD have largely overlooked cortical asymmetry. Consequently, the foundational question of whether and where the cerebral hemispheres change at different rates in aging and AD remains open. First, applying vertex-wise data-driven clustering in a longitudinal discovery sample (aged 20-89; 2577 observations; 1851 longitudinal) we identified cortical regions exhibiting similar age-trajectories of asymmetry across the adult lifespan. Next, we sought replication in 4 independent longitudinal aging cohorts. We show that higher-order regions of cortex that exhibit pronounced asymmetry at age ~20 also show asymmetry change in aging. Results revealed that both leftward and rightward asymmetry is progressively lost on a similar time-scale across adult life. Hence, faster thinning of the (previously) thicker homotopic hemisphere is a feature of aging. This simple organizational principle showed high consistency across multiple aging cohorts in the Lifebrain consortium, and both the topological patterns and temporal dynamics of asymmetry-loss were markedly similar across replicating samples. Finally, we show that regions exhibiting gradual asymmetry-loss over healthy adult life exhibit faster asymmetry-change in AD. Overall, our results suggest a system-wide breakdown in the adaptive asymmetric organization of cortex across adult life which is further accelerated in AD, and may implicate thickness asymmetry as a viable marker for declining hemispheric specialization in aging and AD. Significance The brain becomes progressively disorganized with age, and brain alterations accelerated in Alzheimer’s disease may occur gradually over the lifespan. Although hemispheric asymmetry aids efficient network organization, efforts to identify structural markers of age-related decline have largely overlooked cortical asymmetry. Here we show the hemisphere that is thicker when younger, thins faster. This leads to progressive system-wide loss of regional thickness asymmetry across life. In multiple aging cohorts, asymmetry-loss showed high reproducibility topologically across cortex and similar timing-of-change in aging. Asymmetry-change was further accelerated in AD. Our findings uncover a new principle of brain aging – thicker homotopic cortex thins faster – and suggest we may have unveiled a structural marker for a widely-hypothesized decline in hemispheric specialization in aging and AD.

The hippocampus is a complex structure critically involved in numerous behavior-regulating systems. In young adults, multiple overlapping spatial modes along its longitudinal and transverse axes describe the organization of its functional integration with neocortex, extending the traditional framework emphasizing functional differences between sharply segregated hippocampal subregions. Yet, it remains unknown whether these modes (i.e., gradients) persist across the adult human lifespan, and relate to memory and molecular markers associated with brain function and cognition. In two independent samples, we demonstrate that the principal anteroposterior and second-order, mid-to-anterior/posterior hippocampal modes of neocortical functional connectivity, representing distinct dimensions of macroscale cortical organization, manifest across the adult lifespan. Specifically, individual differences in topography of the second-order gradient predicted episodic memory and mirrored dopamine D1 receptor distribution, capturing shared functional and molecular organization. Older age was associated with less distinct transitions along gradients (i.e., increased functional homogeneity). Importantly, a youth-like gradient profile predicted preserved episodic memory, emphasizing age-related gradient dedifferentiation as a marker of cognitive decline. Our results underscore a critical role of mapping multidimensional hippocampal organization in understanding the neural circuits that support memory across the adult lifespan.

Abstract Vigor reflects how motivated one is to respond to a stimulus. We previously showed that humans are more vigorous when more reward is available on average, and that this relationship is modulated by the dopamine precursor levodopa. Dopamine signalling and probabilistic reward learning degrade with age, so the relationship between vigor and reward should change with age. We test this and assess whether the relationship between vigor and reward correlates with D1 dopamine receptor availability measured using Positron Emission Tomography. We measured response times of 30 older and 30 younger subjects during an oddball discrimination task where rewards varied systematically between trial. Reward rate had a similar impact on the vigor of both groups. We observed a weak positive association across subjects between ventral striatal dopamine receptor availability and effect of average reward rate on response time, which was in the opposite direction to our prediction. Overall, the effect of reward on response vigor is similar between younger and older humans and is weakly sensitive to dopamine D1 receptor availability.

Voltage-gated potassium (K V ) channels are important regulators of cellular excitability and control action potential repolarization in the heart and brain. K V channel mutations lead to disordered cellular excitability. Loss-of-function mutations, for example, result in membrane hyperexcitability, a characteristic of epilepsy and cardiac arrhythmias. Interventions intended to restore K V channel function have strong therapeutic potential in such disorders. Polyunsaturated fatty acids (PUFAs) and PUFA analogues comprise a class of K V channel activators with potential applications in the treatment of arrhythmogenic disorders such as Long QT Syndrome (LQTS). LQTS is caused by a loss-of-function of the cardiac I Ks channel - a tetrameric potassium channel complex formed by K V 7.1 and associated KCNE1 protein subunits. We have discovered a set of aromatic PUFA analogues that produce robust activation of the cardiac I Ks channel and a unique feature of these PUFA analogues is an aromatic, tyrosine head group. We determine the mechanisms through which tyrosine PUFA analogues exert strong activating effects on the I Ks channel by generating modified aromatic head groups designed to probe cation-pi interactions, hydrogen bonding, and ionic interactions. We found that tyrosine PUFA analogues do not activate the I Ks channel through cation-pi interactions, but instead do so through a combination of hydrogen bonding and ionic interactions.

Sensitivity to external demands is essential for adaptation to dynamic environments, but comes at the cost of increased risk of adverse outcomes when facing poor environmental conditions. Here, we apply a novel methodology to perform genome-wide association analysis of mean and variance in nine key brain features (accumbens, amygdala, caudate, hippocampus, pallidum, putamen, thalamus, intracranial volume and cortical thickness), integrating genetic and neuroanatomical data from a large lifespan sample (n=25,575 individuals; 8 to 89 years, mean age 51.9 years). We identify genetic loci associated with phenotypic variability in cortical thickness, thalamus, pallidum, and intracranial volumes. The variance-controlling loci included genes with a documented role in brain and mental health and were not associated with the mean anatomical volumes. This proof-of-principle of the hypothesis of a genetic regulation of brain volume variability contributes to establishing the genetic basis of phenotypic variance (i.e., heritability), allows identifying different degrees of brain robustness across individuals, and opens new research avenues in the search for mechanisms controlling brain and mental health.

Background: Normative modeling is a statistical approach to quantify the degree to which a particular individual-level measure deviates from the pattern observed in a normative reference population. When applied to human brain morphometric measures it has the potential to inform about the significance of normative deviations for health and disease. Normative models can be implemented using a variety of algorithms that have not been systematically appraised. Methods: To address this gap, eight algorithms were compared in terms of performance and computational efficiency using brain regional morphometric data from 37,407 healthy individuals (53% female; aged 3-90 years) collated from 87 international MRI datasets. Performance was assessed with the mean absolute error (MAE) and computational efficiency was inferred from central processing unit (CPU) time. The algorithms evaluated were Ordinary Least Squares Regression (OLSR), Bayesian Linear Regression (BLR), Generalized Additive Models for Location, Scale, and Shape (GAMLSS), Parametric Lambda, Mu, Sigma (LMS), Gaussian Process Regression (GPR), Warped Bayesian Linear Regression (WBLG), Hierarchical Bayesian Regression (HBR), and Multivariable Fractional Polynomial Regression (MFPR). Model optimization involved testing nine covariate combinations pertaining to acquisition features, parcellation software versions, and global neuroimaging measures (i.e., total intracranial volume, mean cortical thickness, and mean cortical surface area). Findings: Statistical comparisons across models at PFDR<0.05 indicated that the MFPR-derived sex- and region-specific models with nonlinear polynomials for age and linear effects of global measures had superior predictive accuracy; the range of the MAE of the models of regional subcortical volumes was 70-520 mm3 and the corresponding ranges for regional cortical thickness and regional cortical surface area were 0.09-0.26 mm and 24-560 mm2, respectively. The MFPR-derived models were also computationally more efficient with a CPU time below one second compared to a range of 2 seconds to 60 minutes for the other algorithms. The performance of all sex- and region-specific MFPR models plateaued at sample sizes exceeding 3,000 and showed comparable MAEs across distinct 10-year age-bins covering the human lifespan. Interpretation: These results provide an empirically benchmarked framework for normative modeling of brain morphometry that is useful for interpreting prior literature and supporting future study designs. The model and tools described here are freely available through CentileBrain (https://centilebrain.org/), a user-friendly web platform.