Abstract Background Neuroimaging studies suggest substantial individual heterogeneity in brain phenotypes in attention-deficit/hyperactivity disorder (ADHD). However, how these individual-level brain phenotypes contribute to the identification of ADHD biotypes and whether these biotypes have different treatment outcomes and neurobiological underpinnings remain largely unknown. Methods We collected multisite, high-quality structural magnetic resonance imaging data from 1,006 children aged 6-14 years, including 351 children with ADHD and 655 typically developing children. Normative growth models of cortical thickness were established for 219 regions in the typically developing children. Individual-level deviations from these normal references were quantified and clustered to identify ADHD biotypes. We validated the replicability and generalizability of the ADHD biotypes using two independent datasets and evaluated the associations of the biotypes with symptomatic, cognitive, and gene expression profiles, as well as follow-up treatment outcomes. Findings No more than 10% of children with ADHD had extreme deviations in cortical thickness in a single region, suggesting high heterogeneity among individuals with ADHD. On the basis of the brain deviation maps, we discovered two robust ADHD biotypes, an infra-normal subtype with cortical thinning associated with ADHD symptoms and a supranormal subtype with cortical thickening associated with cognition. Patients with the infra-normal subtype responded better to methylphenidate than to atomoxetine, although both subtypes showed treatment efficacy. Brain deviations in the infra-normal subtype were explained by the expression levels of genes enriched in presynaptic and axonal development and polygenic risk of ADHD. Interpretation We identified anatomically distinct, clinically valuable, and biologically informed ADHD subtypes, providing insight into the neurobiological basis of clinical heterogeneity and facilitating a personalized medication strategy for ADHD patients. Panel: Research in context Evidence before this study Substantial individual heterogeneity in brain phenotypes in attention-deficit/hyperactivity disorder (ADHD) motivates the need to discover homogeneous biotypes. We searched PubMed for research articles on ADHD biotypes using brain MRI published before December 1, 2023, using the search terms ((attention deficit hyperactivity disorder [Title/Abstract]) OR (ADHD [Title/Abstract])) AND ((subtypes [Title/Abstract]) OR (subgroups [Title/Abstract]) OR (subtyping [Title/Abstract])) AND ((MRI [Title/Abstract]) OR (neuroimaging [Title/Abstract]) OR (brain [Title/Abstract])) without language restrictions. Of the eight included studies, two identified ADHD biotypes using structural morphology, four used functional activity, and two used multimodal features. However, none of these studies considered the developmental effect of the brain phenotypes, examined treatment response, or investigated the genetic correlates of the biotypes. Added value of this study This study is the first to use individualized brain measures extracted from normative models to investigate ADHD biotypes in a large sample of more than 1,000 children. We identified two reproducible ADHD biotypes, characterized by distinct symptomatic, cognitive, and gene expression profiles, as well as differential treatment responses. This study advances our understanding of the neurobiological basis underlying the clinical heterogeneity of ADHD and highlights the critical need to discover ADHD biotypes using an unbiased and individualized approach. Implications of all the available evidence This study revealed remarkable neuroanatomical heterogeneity in ADHD patients and identified anatomically distinct, clinically valuable, and biologically informed ADHD biotypes. Our findings have potential value for the investigation of data-driven biotypes to evaluate treatment efficacy and facilitate personalized treatment. We also highlight the need for future studies to move beyond the understanding of ADHD solely based on the “average patient” perspective.

While the significance of obtaining restful sleep at night and maintaining daytime alertness is well recognized for human performance and overall well-being, substantial variations exist in the development of sleepiness during diurnal waking periods. Despite the established roles of the hypothalamus and striatum in sleep-wake regulation, the specific contributions of this neural circuit in regulating individual sleep homeostasis remain elusive. This study utilized resting-state functional magnetic resonance imaging (fMRI) and mathematical modeling to investigate the role of hypothalamus-striatum connectivity in subjective sleepiness variation in a cohort of 71 healthy adults under strictly controlled in-laboratory conditions. Mathematical modeling results revealed remarkable individual differences in subjective sleepiness accumulation patterns measured by the Karolinska Sleepiness Scale (KSS). Brain imaging data demonstrated that morning hypothalamic connectivity to the dorsal striatum significantly predicts the individual accumulation of subjective sleepiness from morning to evening, while no such correlation was observed for the hypothalamus-ventral striatum connectivity. These findings underscore the distinct roles of hypothalamic connectivity to the dorsal and ventral striatum in individual sleep homeostasis, suggesting that hypothalamus-dorsal striatum circuit may be a promising target for interventions mitigating excessive sleepiness and promoting alertness.

The functional connectome of the human brain represents the fundamental network architecture of neural activity, but its normative growth trajectory over the life course remains unknown. Here, we aggregate the largest, quality-controlled multimodal neuroimaging dataset across 119 global sites, including 33,809 task-free fMRI and structural MRI scans of 32,328 individuals aged from 32 postmenstrual weeks to 80 years old. The lifespan growth charts of the connectome are quantified at the whole cortex, system, and regional levels using generalized additive models for location, scale, and shape. We find critical inflection points in the nonlinear growth trajectories of the whole-brain functional connectome, notably peaking in the fourth decade of life. After establishing the first fine-grained, lifespan-spanning suite of system-level brain atlases, we generate person-specific parcellation maps and further elucidate distinct timelines of maturation for functional segregation within various subsystems. We identify a spatiotemporal gradient axis that governs the life-course growth of regional connectivity, transitioning from primary sensory cortices to higher-order association regions. Using the connectome-based normative model, we demonstrate substantial individual heterogeneities at the network level in patients with autism spectrum disorder and patients with major depressive disorder, respectively. Our findings shed light on the functional connectome9s life-course evolution, serving as normative references for understanding network growth principles of the human brain and assessing individual variations of patients with neuropsychiatric conditions.

Developmental connectomic studies have shown that the modular organization of functional networks in the human brain undergoes substantial reorganization with age to support cognitive growth. However, these studies implicitly assume that each brain region belongs to one and only one specific network module, ignoring the potential spatial overlap between functional modules. How the overlapping functional modular architecture develops and whether this development is related to structural signatures remain unknown. Using longitudinal multimodal structural, functional, and diffusion MRI data from 305 children (aged 6–14 years), we investigated the development of the overlapping modular architecture of functional networks, and further explored their structural associations. Specifically, an edge-centric network model was used to identify the overlapping functional modules, and the nodal overlap in module affiliations was quantified using the entropy measure. We showed a remarkable regional inhomogeneity in module overlap in children, with higher entropy in the ventral attention, somatomotor, and subcortical networks and lower entropy in the visual and default-mode networks. Furthermore, the overlapping modules developed in a linear, spatially dissociable manner from childhood to adolescence, with significantly reduced entropy in the prefrontal cortex and putamen and increased entropy in the parietal lobules. Personalized overlapping modular patterns capture individual brain maturity as characterized by brain age. Finally, the overlapping functional modules can be significantly predicted by integrating gray matter morphology and white matter network properties. Our findings highlight the maturation of overlapping network modules and their structural substrates, thereby advancing our understanding of the principles of connectome development.