Abstract Cortical thinning is an important hallmark of the maturation of brain morphology during childhood and adolescence. However, the connectome-based wiring mechanism that underlies cortical maturation remains unclear. Using neuroimaging, connectome, transcriptome, and computational modeling, we mapped cortical thinning patterns primarily located in lateral frontal and parietal heteromodal nodes during childhood and adolescence, which is structurally constrained by white matter network architecture and is particularly represented using a network-based diffusion model. Furthermore, connectome-based constraints are regionally heterogeneous, with the largest constraints residing in frontoparietal nodes, and are associated with gene expression signatures of microstructural neurodevelopmental events. These results are highly reproducible while using another independent dataset. Our findings advance our understanding of network-level mechanisms and the associated genetic basis that underlies the maturational process of cortical morphology during childhood and adolescence.

Abstract Connectome mapping studies have documented a principal primary-to-transmodal gradient in the adult brain network, capturing a functional spectrum which ranges from perception and action to abstract cognition. However, how this gradient pattern develops and whether its development is linked to cognitive growth, topological reorganization, and gene expression profiles remain largely unknown. Using longitudinal resting-state functional magnetic resonance imaging data from 305 children (ages 6-14), we describe substantial changes in the primary-to-transmodal gradient between childhood and adolescence, including emergence as the principal gradient, expansion of global topography, and focal tuning in primary and default-mode regions. These gradient changes are mediated by developmental changes in network integration and segregation, and are associated with abstract processing functions such as working memory and expression levels of calcium ion regulated exocytosis, synaptic transmission, and axon and synapse part related genes. Our findings have implications for understanding connectome maturation principles in normal development and developmental disorders. Teaser Our study reported the maturation of the core connectome gradient and its association with cognitions and genes expression.

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.

The reorganization of human hippocampus, especially its interaction with cortex, remains largely undefined in youth. The organization of a single hippocampal long-axis has been predominantly characterized as monotonic (1-6), despite recent indications of nonmonotonic features in neuron density (7) and geometric eigenmodes (8). While the human cortical hierarchy has been well recognized for significant developmental and evolutionary advantages (9-12), hippocampus has been typically considered an evolutionarily conserved brain structure1 (13,14), and overlooked regarding its integrative role of cortical hierarchical processing during development. Here, we corroborated the presence and significance of a dual long-axis representation of the hippocampal connectome and geometry including both linear and quadratic gradients along its long-axis in youth. This finding was robust across two independent large-scale developmental cohorts. Charting development of the dual long-axis gradients underscored their specific contributions to the cortical hierarchy maturation from the frontoparietal and salience/ventral attention networks. The observed developmental variability in spontaneous brain activities in youth parallels the gradients of myelin content. During childhood through adolescence to early adulthood, the hippocampus reorganized the dual long-axis by gradually relaxing its geometric constraints on the intrinsic network organization of cortical spontaneous activity for refined executive functions. Molecular processes underlying such reorganization of the dual long-axis in hippocampus are linked to neural growth, stress hormone regulation, and neuroactive signaling. Our findings enrich the understanding of hippocampal-cortical reorganizational principles across structural, functional, and molecular dimensions as well as its maturation, and define the plasticity distribution within the human hippocampus at systems level, holding potentials to enhance and translate neurodevelopment and neuropsychiatric healthcare.

Susceptibility artifacts (SAs), which are inevitable for modern diffusion brain MR images with single-shot echo planar imaging (EPI) protocols in wide large-scale neuroimaging datasets, severely hamper the accurate detection of the human brain white matter structure. While several conventional and deep-learning based distortion correction methods have been proposed, the correction quality and model generality of these approaches are still limited. Here, we proposed the SACNet, a flexible SAs correction (SAC) framework for brain diffusion MR images of various phase-encoding EPI protocols based on an unsupervised learning-based registration convolutional neural network. This method could generate smooth diffeomorphic warps with optional neuroanatomy guidance to correct both geometric and intensity distortions of SAs. By employing near 2000 brain scans covering neonatal, child, adult and traveling participants, our SACNet consistently demonstrates state-of-the-art correction performance and effectively eliminates SAs-related multicenter effects compared with existing SAC methods. To facilitate the development of standard SAC tools for future neuroimaging studies, we also created easy-to-use command lines incorporating containerization techniques for quick user deployment.

In magnetic resonance imaging (MRI) studies of children brain development, structural brain atlases usually serve as important references of pediatric population in which individual images are spatially normalized into a common or standard stereotactic space. However, the existing popular children brain atlases (e.g., National Institutes of Health pediatric atlases, NIH-PD atlases) are made mostly based on MR images from Western populations, and are thus insufficient to characterize the brains of Chinese children due to the neuroanatomical differences that are relevant to genetic and environmental factors. By collecting high-quality T1- and T2-weighted MR images from 328 typically developing Chinese children aged from 6 to 12 years old, we created a set of age-appropriate Chinese pediatric (CHN-PD) atlases using an unbiased iterative template construction algorithm. The CHN-PD atlases included the head/brain templates, the symmetric brain template, the gender-specific brain templates and the corresponding tissue probability atlases. Moreover, the atlases contained multiple age-specific templates with a one-year interval. A direct comparison of the CHN-PD and the NIH-PD atlases revealed remarkable anatomical differences bilaterally in the lateral frontal and parietal regions and somatosensory cortex. While applying the CHN-PD atlases to two independent Chinese pediatric datasets (N = 114 and N = 71, respectively), machine-learning regression approaches revealed higher prediction accuracy on brain ages than the usage of NIH-PD atlases. These results suggest that the CHN-PD brain atlases are necessary and important for future typical and atypical developmental studies in Chinese pediatric population. Currently, the CHN-PD atlases have been released on the NITRC website (https://www.nitrc.org/projects/chn-pd).

Abstract Children with growth mindset tend to believe that personal abilities and traits are improvable through continuous efforts. This belief boosts intrinsic motivation and benefits cognitive abilities in children, in the long term resulting in improved academic performance. However, little is known regarding its neurocognitive mechanisms in the processing of cognitive tasks. Using functional brain imaging and an n-back task in school-aged children (ages 8-12), we demonstrated that growth mindset promotes working memory performance through enhanced response in the fronto-parietal network, salience network, and caudate nucleus. While growth mindset predicted lower connectivity between caudate and insula irrespective of memory load, the connectivity between caudate and posterior cingulate cortex was selectively correlated with growth mindset in the high load condition. The cortico-striatal connectivity together with cortical response played a key mediatory role in the promotion effect of growth mindset towards working memory. Our findings suggest a neurocognitive mechanism accounts for how growth mindset promotes children’s working memory in demanding tasks via modulation of motivational neural systems and information processing.

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.

Abstract Functional brain networks require dynamic reconfiguration to support flexible cognitive function. However, the developmental principles shaping brain network dynamics remain poorly understood. Here, we report the longitudinal development of large-scale brain network dynamics during childhood and adolescence, and its connection with gene expression profiles. Using a multilayer network model, we show the temporally varying modular architecture of child brain networks, with higher network switching primarily in the association cortex and lower switching in the primary regions. This topographical profile exhibits progressive maturation, which manifests as reduced modular dynamics, particularly in the transmodal (e.g., default-mode and frontoparietal) and sensorimotor regions. These developmental refinements mediate age-related enhancements of global network segregation and are linked with the expression profiles of genes associated with the enrichment of ion transport and nucleobase-containing compound transport. These results highlight a progressive stabilization of brain dynamics, which expand our understanding of the neural mechanisms that underlie cognitive development.

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.