Abstract Hemispheric asymmetry is a cardinal feature of human brain organization. Altered brain asymmetry has also been linked to some cognitive and neuropsychiatric disorders. Here the ENIGMA consortium presents the largest ever analysis of cerebral cortical asymmetry and its variability across individuals. Cortical thickness and surface area were assessed in MRI scans of 17,141 healthy individuals from 99 datasets worldwide. Results revealed widespread asymmetries at both hemispheric and regional levels, with a generally thicker cortex but smaller surface area in the left hemisphere relative to the right. Regionally, asymmetries of cortical thickness and/or surface area were found in the inferior frontal gyrus, transverse temporal gyrus, parahippocampal gyrus, and entorhinal cortex. These regions are involved in lateralized functions, including language and visuospatial processing. In addition to population-level asymmetries, variability in brain asymmetry was related to sex, age, and brain size (indexed by intracranial volume). Interestingly, we did not find significant associations between asymmetries and handedness. Finally, with two independent pedigree datasets ( N = 1,443 and 1,113, respectively), we found several asymmetries showing modest but highly reliable heritability. The structural asymmetries identified, and their variabilities and heritability provide a reference resource for future studies on the genetic basis of brain asymmetry and altered laterality in cognitive, neurological, and psychiatric disorders. Significance Statement Left-right asymmetry is a key feature of the human brain's structure and function. It remains unclear which cortical regions are asymmetrical on average in the population, and how biological factors such as age, sex and genetic variation affect these asymmetries. Here we describe by far the largest ever study of cerebral cortical brain asymmetry, based on data from 17,141 participants. We found a global anterior-posterior 'torque' pattern in cortical thickness, together with various regional asymmetries at the population level, which have not been previously described, as well as effects of age, sex, and heritability estimates. From these data, we have created an on-line resource that will serve future studies of human brain anatomy in health and disease.

Abstract Background The subgenual anterior cingulate cortex (sgACC) plays a central role in the pathophysiology of major depressive disorder (MDD), and its functional interactive profile with the left dorsal lateral prefrontal cortex (DLPFC) is associated with transcranial magnetic stimulation (TMS) treatment outcomes. Nevertheless, previous research on sgACC functional connectivity (FC) in MDD has yielded inconsistent results, partly due to small sample sizes and limited statistical power. Furthermore, calculating sgACC-FC to target TMS on an individual level is challenging because of the low signal-to-noise ratio and the poor replicability of individualized functional brain images. Methods Leveraging a large multi-site cross-sectional sample (1660 MDD patients vs. 1341 healthy controls) from Phase II of the Depression Imaging REsearch ConsorTium (DIRECT), we systematically delineated case-control difference maps of sgACC-FC. Then, in a sample of 25 individuals with treatment-resistant depression who had received repetitive TMS (rTMS) treatment, we examined the relationship between case-control differences in FCs between sgACC and their specific TMS targets and treatment outcomes. Next, we tested whether the position of the group mean FC-based target (previously determined in healthy participants) differed in MDD patients. Finally, we developed a dual regression (DR) based approach to integrate group-level statistical maps with individual-level spontaneous brain activity to evaluate individualized TMS target localization in MDD. We tested this approach in a sample of 16 individuals who had received rTMS. Results We found enhanced sgACC-DLPFC FC in MDD patients. The magnitude of case-control differences in FC between sgACC and TMS targets was related to clinical improvement. We found different peak sgACC anticorrelation locations in mean FC maps of MDD patients and HCs. More effective TMS targets were closer to individualized DR-based loci than to group-level targets. Conclusion In summary, we reliably delineated MDD-related abnormalities of sgACC-FC profiles in a large independently ascertained sample and demonstrated the potential impact of such case-control differences on FC-guided localization of TMS targets. The proposed individualized approach for TMS targeting has the potential to improve TMS treatment outcome and warrants prospective clinical trials.

Abstract During speech comprehension, as listeners need to keep tracking the external audio streams, the default mode network (DMN) is often de-activated and anticorrelated with task-positive networks. Such a pattern has been interpreted as the suppression of the DMN to support externally-oriented cognitive processes. Taking a “two-brain” approach, the current study demonstrated that, despite exhibiting deactivation and anticorrelated with the language network and executive control network, the DMN was not suppressed but played an active role in spoken narrative comprehension. This was evidenced by significant listener-speaker neural couplings in both the posterior and anterior DMN and the positive correlation between the coupling strength and listener’s speech comprehension. Moreover, we demonstrated that the functionality of posterior DMN depended on its interaction with the executive control network, rather than its level of activation. Finally, Dynamic Causal Modeling together with the two-brain results indicates the language and executive control networks, the anterior DMN, and the posterior DMN occupied the bottom, intermediate and top layers of a hierarchical system, respectively. These results suggest that the DMN may primarily serve as an internally-oriented system that cooperates with the externally-oriented networks, which may allow the transformation of external acoustic signals into internal mental representations during language comprehension.

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.

During the past decade, cognitive neuroscience has been calling for population diversity to address the challenge of validity and generalizability, ushering in a new era of population neuroscience. The developing Chinese Color Nest Project (devCCNP, 2013-2022), a ten-year pilot stage of the lifespan CCNP (2013-2032), is an ongoing project focusing on brain-mind development. The project aims to create and share a large-scale, longitudinal and multimodal dataset of typically developing children and adolescents (ages 6.0-17.9 at enrolment) in the Chinese population. The devCCNP houses not only phenotypes measured by demographic, biophysical, psychological and behavioural, cognitive, affective, and ocular-tracking assessments but also neurotypes measured with magnetic resonance imaging (MRI) of brain morphometry, resting-state function, naturalistic viewing function and diffusion structure. This Data Descriptor introduces the first data release of devCCNP including a total of 864 visits from 479 participants. Herein, we provided details of the experimental design, sampling strategies, and technical validation of the devCCNP resource. We demonstrate and discuss the potential of a multicohort longitudinal design to depict normative brain growth curves from the perspective of developmental population neuroscience. The devCCNP resource is shared as part of the 'Chinese Data-sharing Warehouse for In-vivo Imaging Brain' in the Chinese Color Nest Project (CCNP) - Lifespan Brain-Mind Development Data Community (https://www.scidb.cn/en/c/ccnp) at the Science Data Bank.

Resting-state functional brain networks demonstrate dynamic changes on the scale of seconds. However, their genetic mechanisms and profound cognitive relevance remain less explored. We identified 459 Bonferroni-corrected genes, by associating temporal variability of regional functional connectivity patterns with Allen Brain gene expression profiles across the whole brain. These genes are partially verified in developing human brain gene expression in the BrainSpan Atlas, and are found to be involved in the enrichment of short- and long-term plasticity processes. The former process depends on synaptic plasticity, involving ion transmembrane transport, action potential propagation, and modulation. The latter process depends on structural plasticity, including axonal genesis, development, and guidance. Results from a longitudinal cognitive training study further revealed that baseline variability of the hippocampal network predicted cognitive ability changes after three months of training. Our genetic association results suggest that the short-term plasticity processes may account for the rapid changes of regional functional connectivity, while the underlying long-term plasticity processes explain why temporal variability can predict long-term learning outcomes. To our knowledge, this is the first demonstration that measuring the dynamic brain network can lead to a non-invasive quantification of neuroplasticity in humans.