Brain registration to a stereotaxic atlas is an effective way to report anatomic locations of interest and to perform anatomic quantification. However, existing stereotaxic atlases lack comprehensive coordinate information about white matter structures. In this paper, white matter-specific atlases in stereotaxic coordinates are introduced. As a reference template, the widely used ICBM-152 was used. The atlas contains fiber orientation maps and hand-segmented white matter parcellation maps based on diffusion tensor imaging (DTI). Registration accuracy by linear and non-linear transformation was measured, and automated template-based white matter parcellation was tested. The results showed a high correlation between the manual ROI-based and the automated approaches for normal adult populations. The atlases are freely available and believed to be a useful resource as a target template and for automated parcellation methods.

Summary

Background

 CSF and PET biomarkers of amyloid β and tau accurately detect Alzheimer's disease pathology, but the invasiveness, high cost, and poor availability of these detection methods restrict their widespread use as clinical diagnostic tools. CSF tau phosphorylated at threonine 181 (p-tau181) is a highly specific biomarker for Alzheimer's disease pathology. We aimed to assess whether blood p-tau181 could be used as a biomarker for Alzheimer's disease and for prediction of cognitive decline and hippocampal atrophy. 

Methods

 We developed and validated an ultrasensitive blood immunoassay for p-tau181. Assay performance was evaluated in four clinic-based prospective cohorts. The discovery cohort comprised patients with Alzheimer's disease and age-matched controls. Two validation cohorts (TRIAD and BioFINDER-2) included cognitively unimpaired older adults (mean age 63–69 years), participants with mild cognitive impairment (MCI), Alzheimer's disease, and frontotemporal dementia. In addition, TRIAD included healthy young adults (mean age 23 years) and BioFINDER-2 included patients with other neurodegenerative disorders. The primary care cohort, which recruited participants in Montreal, Canada, comprised control participants from the community without a diagnosis of a neurological condition and patients referred from primary care physicians of the Canadian National Health Service for specialist care. Concentrations of plasma p-tau181 were compared with established CSF and PET biomarkers and longitudinal measurements using Spearman correlation, area under the curve (AUC), and linear regression analyses. 

Findings

 We studied 37 individuals in the discovery cohort, 226 in the first validation cohort (TRIAD), 763 in the second validation cohort (BioFINDER-2), and 105 in the primary care cohort (n=1131 individuals). In all cohorts, plasma p-tau181 showed gradual increases along the Alzheimer's disease continuum, from the lowest concentrations in amyloid β-negative young adults and cognitively unimpaired older adults, through higher concentrations in the amyloid β-positive cognitively unimpaired older adults and MCI groups, to the highest concentrations in the amyloid β-positive MCI and Alzheimer's disease groups (p<0·001, Alzheimer's disease vs all other groups). Plasma p-tau181 distinguished Alzheimer's disease dementia from amyloid β-negative young adults (AUC=99·40%) and cognitively unimpaired older adults (AUC=90·21–98·24% across cohorts), as well as other neurodegenerative disorders, including frontotemporal dementia (AUC=82·76–100% across cohorts), vascular dementia (AUC=92·13%), progressive supranuclear palsy or corticobasal syndrome (AUC=88·47%), and Parkinson's disease or multiple systems atrophy (AUC=81·90%). Plasma p-tau181 was associated with PET-measured cerebral tau (AUC=83·08–93·11% across cohorts) and amyloid β (AUC=76·14–88·09% across cohorts) pathologies, and 1-year cognitive decline (p=0·0015) and hippocampal atrophy (p=0·015). In the primary care cohort, plasma p-tau181 discriminated Alzheimer's disease from young adults (AUC=100%) and cognitively unimpaired older adults (AUC=84·44%), but not from MCI (AUC=55·00%). 

Interpretation

 Blood p-tau181 can predict tau and amyloid β pathologies, differentiate Alzheimer's disease from other neurodegenerative disorders, and identify Alzheimer's disease across the clinical continuum. Blood p-tau181 could be used as a simple, accessible, and scalable test for screening and diagnosis of Alzheimer's disease. 

Funding

 Alzheimer Drug Discovery Foundation, European Research Council, Swedish Research Council, Swedish Alzheimer Foundation, Swedish Dementia Foundation, Alzheimer Society Research Program.

Neuroanatomical differences attributable to aging and gender have been well documented, and these differences may be associated with differences in behaviors and cognitive performance. However, little is known about the dynamic organization of anatomical connectivity within the cerebral cortex, which may underlie population differences in brain function. In this study, we investigated age and sex effects on the anatomical connectivity patterns of 95 normal subjects ranging in age from 19 to 85 years. Using the connectivity probability derived from diffusion magnetic resonance imaging tractography, we characterized the cerebral cortex as a weighted network of connected regions. This approach captures the underlying organization of anatomical connectivity for each subject at a regional level. Advanced graph theoretical analysis revealed that the resulting cortical networks exhibited "small-world" character (i.e., efficient information transfer both at local and global scale). In particular, the precuneus and posterior cingulate gyrus were consistently observed as centrally connected regions, independent of age and sex. Additional analysis revealed a reduction in overall cortical connectivity with age. There were also changes in the underlying network organization that resulted in decreased local efficiency, and also a shift of regional efficiency from the parietal and occipital to frontal and temporal neocortex in older brains. In addition, women showed greater overall cortical connectivity and the underlying organization of their cortical networks was more efficient, both locally and globally. There were also distributed regional differences in efficiency between sexes. Our results provide new insights into the substrates that underlie behavioral and cognitive differences in aging and sex.

Structural delineation and assignment are the fundamental steps in understanding the anatomy of the human brain. The white matter has been structurally defined in the past only at its core regions (deep white matter). However, the most peripheral white matter areas, which are interleaved between the cortex and the deep white matter, have lacked clear anatomical definitions and parcellations. We used axonal fiber alignment information from diffusion tensor imaging (DTI) to delineate the peripheral white matter, and investigated its relationship with the cortex and the deep white matter. Using DTI data from 81 healthy subjects, we identified nine common, blade-like anatomical regions, which were further parcellated into 21 subregions based on the cortical anatomy. Four short association fiber tracts connecting adjacent gyri (U-fibers) were also identified reproducibly among the healthy population. We anticipate that this atlas will be useful resource for atlas-based white matter anatomical studies.

The purpose of this paper is to establish single-participant white matter atlases based on diffusion tensor imaging. As one of the applications of the atlas, automated brain segmentation was performed and the accuracy was measured using Large Deformation Diffeomorphic Metric Mapping (LDDMM). High-quality diffusion tensor imaging (DTI) data from a single-participant were B0-distortion-corrected and transformed to the ICBM-152 atlas or to Talairach coordinates. The deep white matter structures, which have been previously well documented and clearly identified by DTI, were manually segmented. The superficial white matter areas beneath the cortex were defined, based on a population-averaged white matter probability map. The white matter was parcellated into 176 regions based on the anatomical labeling in the ICBM-DTI-81 atlas. The automated parcellation was achieved by warping this parcellation map to normal controls and to Alzheimer's disease patients with severe anatomical atrophy. The parcellation accuracy was measured by a kappa analysis between the automated and manual parcellation at 11 anatomical regions. The kappa values were 0.70 for both normal controls and patients while the inter-rater reproducibility was 0.81 (controls) and 0.82 (patients), suggesting “almost perfect” agreement. A power analysis suggested that the proposed method is suitable for detecting FA and size abnormalities of the white matter in clinical studies.

Modularity, presumably shaped by evolutionary constraints, underlies the functionality of most complex networks ranged from social to biological networks. However, it remains largely unknown in human cortical networks. In a previous study, we demonstrated a network of correlations of cortical thickness among specific cortical areas and speculated that these correlations reflected an underlying structural connectivity among those brain regions. Here, we further investigated the intrinsic modular architecture of the human brain network derived from cortical thickness measurement. Modules were defined as groups of cortical regions that are connected morphologically to achieve the maximum network modularity. We show that the human cortical network is organized into 6 topological modules that closely overlap known functional domains such as auditory/language, strategic/executive, sensorimotor, visual, and mnemonic processing. The identified structure-based modular architecture may provide new insights into the functionality of cortical regions and connections between structural brain modules. This study provides the first report of modular architecture of the structural network in the human brain using cortical thickness measurements.

Neuroimaging studies show structural differences in both cortical and subcortical brain regions in children and adults with autism spectrum disorder (ASD) compared with healthy subjects. Findings are inconsistent, however, and it is unclear how differences develop across the lifespan. The authors investigated brain morphometry differences between individuals with ASD and healthy subjects, cross-sectionally across the lifespan, in a large multinational sample from the Enhancing Neuroimaging Genetics Through Meta-Analysis (ENIGMA) ASD working group.The sample comprised 1,571 patients with ASD and 1,651 healthy control subjects (age range, 2-64 years) from 49 participating sites. MRI scans were preprocessed at individual sites with a harmonized protocol based on a validated automated-segmentation software program. Mega-analyses were used to test for case-control differences in subcortical volumes, cortical thickness, and surface area. Development of brain morphometry over the lifespan was modeled using a fractional polynomial approach.The case-control mega-analysis demonstrated that ASD was associated with smaller subcortical volumes of the pallidum, putamen, amygdala, and nucleus accumbens (effect sizes [Cohen's d], 0.13 to -0.13), as well as increased cortical thickness in the frontal cortex and decreased thickness in the temporal cortex (effect sizes, -0.21 to 0.20). Analyses of age effects indicate that the development of cortical thickness is altered in ASD, with the largest differences occurring around adolescence. No age-by-ASD interactions were observed in the subcortical partitions.The ENIGMA ASD working group provides the largest study of brain morphometry differences in ASD to date, using a well-established, validated, publicly available analysis pipeline. ASD patients showed altered morphometry in the cognitive and affective parts of the striatum, frontal cortex, and temporal cortex. Complex developmental trajectories were observed for the different regions, with a developmental peak around adolescence. These findings suggest an interplay in the abnormal development of the striatal, frontal, and temporal regions in ASD across the lifespan.

Abstract The quantification of phosphorylated tau in biofluids, either cerebrospinal fluid (CSF) or plasma, has shown great promise in detecting Alzheimer’s disease (AD) pathophysiology. Tau phosphorylated at threonine 231 (p-tau231) is one such biomarker in CSF but its usefulness as a blood biomarker is currently unknown. Here, we developed an ultrasensitive Single molecule array (Simoa) for the quantification of plasma p-tau231 which was validated in four independent cohorts ( n = 588) in different settings, including the full AD continuum and non-AD neurodegenerative disorders. Plasma p-tau231 was able to identify patients with AD and differentiate them from amyloid-β negative cognitively unimpaired (CU) older adults with high accuracy (AUC = 0.92–0.94). Plasma p-tau231 also distinguished AD patients from patients with non-AD neurodegenerative disorders (AUC = 0.93), as well as from amyloid-β negative MCI patients (AUC = 0.89). In a neuropathology cohort, plasma p-tau231 in samples taken on avergae 4.2 years prior to post-mortem very accurately identified AD neuropathology in comparison to non-AD neurodegenerative disorders (AUC = 0.99), this is despite all patients being given an AD dementia diagnosis during life. Plasma p-tau231 was highly correlated with CSF p-tau231, tau pathology as assessed by [ 18 F]MK-6240 positron emission tomography (PET), and brain amyloidosis by [ 18 F]AZD469 PET. Remarkably, the inflection point of plasma p-tau231, increasing as a function of continuous [ 18 F]AZD469 amyloid-β PET standardized uptake value ratio, was shown to be earlier than standard thresholds of amyloid-β PET positivity and the increase of plasma p-tau181. Furthermore, plasma p-tau231 was significantly increased in amyloid-β PET quartiles 2–4, whereas CSF p-tau217 and plasma p-tau181 increased only at quartiles 3–4 and 4, respectively. Finally, plasma p-tau231 differentiated individuals across the entire Braak stage spectrum, including Braak staging from Braak 0 through Braak I–II, which was not observed for plasma p-tau181. To conclude, this novel plasma p-tau231 assay identifies the clinical stages of AD and neuropathology equally well as plasma p-tau181, but increases earlier, already with subtle amyloid-β deposition, prior to the threshold for amyloid-β PET positivity has been attained, and also in response to early brain tau deposition. Thus, plasma p-tau231 is a promising novel biomarker of emerging AD pathology with the potential to facilitate clinical trials to identify vulnerable populations below PET threshold of amyloid-β positivity or apparent entorhinal tau deposition.

A variety of methods have been developed to identify brain networks with spontaneous, coherent activity in resting-state functional magnetic resonance imaging (fMRI). We propose here a generic statistical framework to quantify the stability of such resting-state networks (RSNs), which was implemented with k-means clustering. The core of the method consists in bootstrapping the available datasets to replicate the clustering process a large number of times and quantify the stable features across all replications. This bootstrap analysis of stable clusters (BASC) has several benefits: (1) it can be implemented in a multi-level fashion to investigate stable RSNs at the level of individual subjects and at the level of a group; (2) it provides a principled measure of RSN stability; and (3) the maximization of the stability measure can be used as a natural criterion to select the number of RSNs. A simulation study validated the good performance of the multi-level BASC on purely synthetic data. Stable networks were also derived from a real resting-state study for 43 subjects. At the group level, seven RSNs were identified which exhibited a good agreement with the previous findings from the literature. The comparison between the individual and group-level stability maps demonstrated the capacity of BASC to establish successful correspondences between these two levels of analysis and at the same time retain some interesting subject-specific characteristics, e.g. the specific involvement of subcortical regions in the visual and fronto-parietal networks for some subjects.

Increased cerebrospinal fluid neurofilament light (NfL) is a recognized biomarker for neurodegeneration that can also be assessed in blood. Here, we investigate plasma NfL as a marker of neurodegeneration in 13 neurodegenerative disorders, Down syndrome, depression and cognitively unimpaired controls from two multicenter cohorts: King's College London (n = 805) and the Swedish BioFINDER study (n = 1,464). Plasma NfL was significantly increased in all cortical neurodegenerative disorders, amyotrophic lateral sclerosis and atypical parkinsonian disorders. We demonstrate that plasma NfL is clinically useful in identifying atypical parkinsonian disorders in patients with parkinsonism, dementia in individuals with Down syndrome, dementia among psychiatric disorders, and frontotemporal dementia in patients with cognitive impairment. Data-driven cut-offs highlighted the fundamental importance of age-related clinical cut-offs for disorders with a younger age of onset. Finally, plasma NfL performs best when applied to indicate no underlying neurodegeneration, with low false positives, in all age-related cut-offs.