Abstract Background Patients with major depressive disorder (MDD) exhibit concurrent deficits in sensory processing and high-order cognitive functions such as self-awareness and rumination. Connectome mapping studies have suggested a principal primary-to-transmodal gradient in functional brain networks, supporting the spectrum from sensation to cognition. However, whether this principal connectome gradient is disrupted in patients with MDD and how this disruption is associated with gene expression profiles remain unclear. Methods Using a large cohort of resting-state functional magnetic resonance imaging data from 2,234 participants (1,150 patients with MDD and 1,084 healthy controls) recruited at 10 sites, we investigated MDD-related alterations in the principal connectome gradient. We further used Neurosynth and postmortem gene expression data to assess the cognitive functions and transcriptional profiles related to the gradient alterations in MDD, respectively. Results Relative to controls, patients with MDD exhibited abnormal global topography of the principal primary-to-transmodal gradient, as indicated by reduced explanation ratio, gradient range, and gradient variation (Cohen’s d = −0.16∼-0.21). Focal alterations of gradient scores were mostly in the primary systems involved in sensory processing and in the transmodal systems implicated in high-order cognition. The transcriptional profiles explained 53.9% of the spatial variance in the altered gradient patterns, with the most correlated genes enriched in transsynaptic signaling and calcium ion binding. Conclusions These results highlight the dysfunction of the core connectome hierarchy in MDD and its linkage with gene expression profiles, providing insights into the neurobiological and molecular genetic underpinnings of sensory-cognitive deficits in this disorder.

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.

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 Major depressive disorder (MDD) is the most burdensome psychiatric disorder characterized by remarkably heterogeneous clinical phenotypes. It remains challenging to delineate the heterogeneity of neurobiological abnormalities underlying the clinical variance and, on this basis, to identify neurophysiological subtypes of MDD patients. Here, using a large multisite resting-state functional MRI data from 1,148 MDD patients and 1,079 healthy controls, we generated lifespan normative models of functional connectivity strengths, mapped the heterogeneity of patients’ individual deviations, and identified neurobiological MDD subtypes. MDD patients showed positive deviations mainly in the default mode and subcortical areas, and negative deviations widely distributed over the cortex. However, there was a great inter-subject heterogeneity as indicated by that no more than 3.14% of patients deviated from the normative range for any brain region. Two neurophysiological MDD subtypes were identified. Subtype 1 showed severe deviations with positive deviations in the default mode, limbic, and subcortical areas, and negative deviations in the sensorimotor, dorsal and ventral attention areas, while subtype 2 showed a moderate but conversed deviation pattern. The severe-deviation subtype had older age, higher medicated proportion, and higher Suicide item score, while the moderate-deviation subtype showed higher Work and Activities and Depressed Mood item scores. Moreover, the baseline deviations in the severe-deviation subtype were predictive of 6-month antidepressant treatment effects in a subsample. To our knowledge, the current study is the largest multisite analysis of neurophysiological MDD subtyping to date and the findings shed light on our understanding of the biological mechanisms underlying the intersubject heterogeneity of clinical phenotypes, which are informative for the development of personalized treatments for this disorder.

Major Depressive Disorder (MDD) is common and disabling, but its neuropathophysiology remains unclear. Most studies of functional brain networks in MDD have had limited statistical power and data analysis approaches have varied widely. The REST-meta-MDD Project of resting-state fMRI (R-fMRI) addresses these issues. Twenty-five research groups in China established the REST-meta-MDD Consortium by contributing R-fMRI data from 1,300 patients with MDD and 1,128 normal controls (NCs). Data were preprocessed locally with a standardized protocol prior to aggregated group analyses. We focused on functional connectivity (FC) within the default mode network (DMN), frequently reported to be increased in MDD. Instead, we found decreased DMN FC when we compared 848 patients with MDD to 794 NCs from 17 sites after data exclusion. We found FC reduction only in recurrent MDD, not in first-episode drug-naive MDD. Decreased DMN FC was associated with medication usage but not with MDD duration. DMN FC was also positively related to symptom severity but only in recurrent MDD. Exploratory analyses also revealed alterations in FC of visual, sensory-motor and dorsal attention networks in MDD. We confirmed the key role of DMN in MDD but found reduced rather than increased FC within the DMN. Future studies should test whether decreased DMN FC mediates response to treatment. Finally, all resting-state fMRI indices of data contributed by the REST-meta-MDD consortium are being shared publicly via the R-fMRI Maps Project.

This research aims to discern the evolving nature of the biomechanical properties of vocal fold scarring by calculating Young's modulus for the vocal fold cover layer, the body layer, and the structure as a whole. The study also investigates the potential of diffusion tensor imaging (DTI) for determining these biomechanical characteristics quantitatively.