An automated coordinate-based system to retrieve brain labels from the 1988 Talairach Atlas, called the Talairach Daemon (TD), was previously introduced [Lancaster et al., 1997].In the present study, the TD system and its 3-D database of labels for the 1988 Talairach atlas were tested for labeling of functional activation foci.TD system labels were compared with author-designated labels of activation coordinates from over 250 published functional brain-mapping studies and with manual atlas-derived labels from an expert group using a subset of these activation coordinates.Automated labeling by the TD system compared well with authors' labels, with a 70% or greater label match averaged over all locations.Author-label matching improved to greater than 90% within a search range of Ϯ5 mm for most sites.An adaptive grey matter (GM) range-search utility was evaluated using individual activations from the M1 mouth region (30 subjects, 52 sites).It provided an 87% label match to Brodmann area labels (BA 4 & BA 6) within a search range of Ϯ5 mm.Using the adaptive GM range search, the TD system's overall match with authors' labels (90%) was better than that of the expert group (80%).When used in concert with authors' deeper knowledge of an experiment, the TD system provides consistent and comprehensive labels for brain activation foci.Additional suggested applications of the TD system include interactive labeling, anatomical grouping of activation foci, lesion-deficit analysis, and neuroanatomy education.

Choosing the appropriate neuroimaging phenotype is critical to successfully identify genes that influence brain structure or function. While neuroimaging methods provide numerous potential phenotypes, their role for imaging genetics studies is unclear. Here we examine the relationship between brain volume, grey matter volume, cortical thickness and surface area, from a genetic standpoint. Four hundred and eighty-six individuals from randomly ascertained extended pedigrees with high-quality T1-weighted neuroanatomic MRI images participated in the study. Surface-based and voxel-based representations of brain structure were derived, using automated methods, and these measurements were analysed using a variance-components method to identify the heritability of these traits and their genetic correlations. All neuroanatomic traits were significantly influenced by genetic factors. Cortical thickness and surface area measurements were found to be genetically and phenotypically independent. While both thickness and area influenced volume measurements of cortical grey matter, volume was more closely related to surface area than cortical thickness. This trend was observed for both the volume-based and surface-based techniques. The results suggest that surface area and cortical thickness measurements should be considered separately and preferred over gray matter volumes for imaging genetic studies.

Abstract Activation likelihood estimation (ALE) has greatly advanced voxel‐based meta‐analysis research in the field of functional neuroimaging. We present two improvements to the ALE method. First, we evaluate the feasibility of two techniques for correcting for multiple comparisons: the single threshold test and a procedure that controls the false discovery rate (FDR). To test these techniques, foci from four different topics within the literature were analyzed: overt speech in stuttering subjects, the color‐word Stroop task, picture‐naming tasks, and painful stimulation. In addition, the performance of each thresholding method was tested on randomly generated foci. We found that the FDR method more effectively controls the rate of false positives in meta‐analyses of small or large numbers of foci. Second, we propose a technique for making statistical comparisons of ALE meta‐analyses and investigate its efficacy on different groups of foci divided by task or response type and random groups of similarly obtained foci. We then give an example of how comparisons of this sort may lead to advanced designs in future meta‐analytic research. Hum Brain Mapp 25:155–164, 2005. © 2005 Wiley‐Liss, Inc.

The highly complex structure of the human brain is strongly shaped by genetic influences. Subcortical brain regions form circuits with cortical areas to coordinate movement, learning, memory and motivation, and altered circuits can lead to abnormal behaviour and disease. To investigate how common genetic variants affect the structure of these brain regions, here we conduct genome-wide association studies of the volumes of seven subcortical regions and the intracranial volume derived from magnetic resonance images of 30,717 individuals from 50 cohorts. We identify five novel genetic variants influencing the volumes of the putamen and caudate nucleus. We also find stronger evidence for three loci with previously established influences on hippocampal volume and intracranial volume. These variants show specific volumetric effects on brain structures rather than global effects across structures. The strongest effects were found for the putamen, where a novel intergenic locus with replicable influence on volume (rs945270; P = 1.08 × 10(-33); 0.52% variance explained) showed evidence of altering the expression of the KTN1 gene in both brain and blood tissue. Variants influencing putamen volume clustered near developmental genes that regulate apoptosis, axon guidance and vesicle transport. Identification of these genetic variants provides insight into the causes of variability in human brain development, and may help to determine mechanisms of neuropsychiatric dysfunction.

Paul Thompson and colleagues report a genome-wide association study for hippocampal, intracranial and total brain volume. They identify a locus at 12q24 associated with hippocampal volume and a locus at 12q14 associated with intracranial volume. Identifying genetic variants influencing human brain structures may reveal new biological mechanisms underlying cognition and neuropsychiatric illness. The volume of the hippocampus is a biomarker of incipient Alzheimer's disease1,2 and is reduced in schizophrenia3, major depression4 and mesial temporal lobe epilepsy5. Whereas many brain imaging phenotypes are highly heritable6,7, identifying and replicating genetic influences has been difficult, as small effects and the high costs of magnetic resonance imaging (MRI) have led to underpowered studies. Here we report genome-wide association meta-analyses and replication for mean bilateral hippocampal, total brain and intracranial volumes from a large multinational consortium. The intergenic variant rs7294919 was associated with hippocampal volume (12q24.22; N = 21,151; P = 6.70 × 10−16) and the expression levels of the positional candidate gene TESC in brain tissue. Additionally, rs10784502, located within HMGA2, was associated with intracranial volume (12q14.3; N = 15,782; P = 1.12 × 10−12). We also identified a suggestive association with total brain volume at rs10494373 within DDR2 (1q23.3; N = 6,500; P = 5.81 × 10−7).

The regional distribution of white matter (WM) abnormalities in schizophrenia remains poorly understood, and reported disease effects on the brain vary widely between studies. In an effort to identify commonalities across studies, we perform what we believe is the first ever large-scale coordinated study of WM microstructural differences in schizophrenia. Our analysis consisted of 2359 healthy controls and 1963 schizophrenia patients from 29 independent international studies; we harmonized the processing and statistical analyses of diffusion tensor imaging (DTI) data across sites and meta-analyzed effects across studies. Significant reductions in fractional anisotropy (FA) in schizophrenia patients were widespread, and detected in 20 of 25 regions of interest within a WM skeleton representing all major WM fasciculi. Effect sizes varied by region, peaking at (d=0.42) for the entire WM skeleton, driven more by peripheral areas as opposed to the core WM where regions of interest were defined. The anterior corona radiata (d=0.40) and corpus callosum (d=0.39), specifically its body (d=0.39) and genu (d=0.37), showed greatest effects. Significant decreases, to lesser degrees, were observed in almost all regions analyzed. Larger effect sizes were observed for FA than diffusivity measures; significantly higher mean and radial diffusivity was observed for schizophrenia patients compared with controls. No significant effects of age at onset of schizophrenia or medication dosage were detected. As the largest coordinated analysis of WM differences in a psychiatric disorder to date, the present study provides a robust profile of widespread WM abnormalities in schizophrenia patients worldwide. Interactive three-dimensional visualization of the results is available at www.enigma-viewer.org .

The default-mode network, a coherent resting-state brain network, is thought to characterize basal neural activity. Aberrant default-mode connectivity has been reported in a host of neurological and psychiatric illnesses and in persons at genetic risk for such illnesses. Whereas the neurophysiologic mechanisms that regulate default-mode connectivity are unclear, there is growing evidence that genetic factors play a role. In this report, we estimate the importance of genetic effects on the default-mode network by examining covariation patterns in functional connectivity among 333 individuals from 29 randomly selected extended pedigrees. Heritability for default-mode functional connectivity was 0.424 ± 0.17 ( P = 0.0046). Although neuroanatomic variation in this network was also heritable, the genetic factors that influence default-mode functional connectivity and gray-matter density seem to be distinct, suggesting that unique genes influence the structure and function of the network. In contrast, significant genetic correlations between regions within the network provide evidence that the same genetic factors contribute to variation in functional connectivity throughout the default mode. Specifically, the left parahippocampal region was genetically correlated with all other network regions. In addition, the posterior cingulate/precuneus region, medial prefrontal cortex, and right cerebellum seem to form a subnetwork. Default-mode functional connectivity is influenced by genetic factors that cannot be attributed to anatomic variation or a single region within the network. By establishing the heritability of default-mode functional connectivity, this experiment provides the obligatory evidence required before these measures can be considered as endophenotypes for psychiatric or neurological illnesses or to identify genes influencing intrinsic brain function.

Progressive functional decline in the epilepsies is largely unexplained. We formed the ENIGMA-Epilepsy consortium to understand factors that influence brain measures in epilepsy, pooling data from 24 research centres in 14 countries across Europe, North and South America, Asia, and Australia. Structural brain measures were extracted from MRI brain scans across 2149 individuals with epilepsy, divided into four epilepsy subgroups including idiopathic generalized epilepsies (n =367), mesial temporal lobe epilepsies with hippocampal sclerosis (MTLE; left, n = 415; right, n = 339), and all other epilepsies in aggregate (n = 1026), and compared to 1727 matched healthy controls. We ranked brain structures in order of greatest differences between patients and controls, by meta-analysing effect sizes across 16 subcortical and 68 cortical brain regions. We also tested effects of duration of disease, age at onset, and age-by-diagnosis interactions on structural measures. We observed widespread patterns of altered subcortical volume and reduced cortical grey matter thickness. Compared to controls, all epilepsy groups showed lower volume in the right thalamus (Cohen's d = -0.24 to -0.73; P < 1.49 × 10-4), and lower thickness in the precentral gyri bilaterally (d = -0.34 to -0.52; P < 4.31 × 10-6). Both MTLE subgroups showed profound volume reduction in the ipsilateral hippocampus (d = -1.73 to -1.91, P < 1.4 × 10-19), and lower thickness in extrahippocampal cortical regions, including the precentral and paracentral gyri, compared to controls (d = -0.36 to -0.52; P < 1.49 × 10-4). Thickness differences of the ipsilateral temporopolar, parahippocampal, entorhinal, and fusiform gyri, contralateral pars triangularis, and bilateral precuneus, superior frontal and caudal middle frontal gyri were observed in left, but not right, MTLE (d = -0.29 to -0.54; P < 1.49 × 10-4). Contrastingly, thickness differences of the ipsilateral pars opercularis, and contralateral transverse temporal gyrus, were observed in right, but not left, MTLE (d = -0.27 to -0.51; P < 1.49 × 10-4). Lower subcortical volume and cortical thickness associated with a longer duration of epilepsy in the all-epilepsies, all-other-epilepsies, and right MTLE groups (beta, b < -0.0018; P < 1.49 × 10-4). In the largest neuroimaging study of epilepsy to date, we provide information on the common epilepsies that could not be realistically acquired in any other way. Our study provides a robust ranking of brain measures that can be further targeted for study in genetic and neuropathological studies. This worldwide initiative identifies patterns of shared grey matter reduction across epilepsy syndromes, and distinctive abnormalities between epilepsy syndromes, which inform our understanding of epilepsy as a network disorder, and indicate that certain epilepsy syndromes involve more widespread structural compromise than previously assumed.

The ENIGMA (Enhancing NeuroImaging Genetics through Meta-Analysis) Consortium was set up to analyze brain measures and genotypes from multiple sites across the world to improve the power to detect genetic variants that influence the brain. Diffusion tensor imaging (DTI) yields quantitative measures sensitive to brain development and degeneration, and some common genetic variants may be associated with white matter integrity or connectivity. DTI measures, such as the fractional anisotropy (FA) of water diffusion, may be useful for identifying genetic variants that influence brain microstructure. However, genome-wide association studies (GWAS) require large populations to obtain sufficient power to detect and replicate significant effects, motivating a multi-site consortium effort. As part of an ENIGMA–DTI working group, we analyzed high-resolution FA images from multiple imaging sites across North America, Australia, and Europe, to address the challenge of harmonizing imaging data collected at multiple sites. Four hundred images of healthy adults aged 18–85 from four sites were used to create a template and corresponding skeletonized FA image as a common reference space. Using twin and pedigree samples of different ethnicities, we used our common template to evaluate the heritability of tract-derived FA measures. We show that our template is reliable for integrating multiple datasets by combining results through meta-analysis and unifying the data through exploratory mega-analyses. Our results may help prioritize regions of the FA map that are consistently influenced by additive genetic factors for future genetic discovery studies. Protocols and templates are publicly available at (http://enigma.loni.ucla.edu/ongoing/dti-working-group/).

Determining the time of peak of cerebral maturation is vital for our understanding of when cerebral maturation ceases and the cerebral degeneration in healthy aging begins. We carefully mapped changes in fractional anisotropy (FA) of water diffusion for eleven major cerebral white matter tracts in a large group (831) of healthy human subjects aged 11–90. FA is a neuroimaging index of micro-structural white matter integrity, sensitive to age-related changes in cerebral myelin levels, measured using diffusion tensor imaging. The average FA values of cerebral white matter (WM) reached peak at the age 32 ± 6 years. FA measurements for all but one major cortical white matter tract (cortico-spinal) reached peaks between 23 and 39 years of age. The maturation rates, prior to age-of-peak were significantly correlated (r = 0.74; p = 0.01) with the rates of decline, past age-of-peak. Regional analysis of corpus callosum (CC) showed that thinly-myelinated, densely packed fibers in the genu, that connect pre-frontal areas, maturated later and showed higher decline in aging than the more thickly myelinated motor and sensory areas in the body and splenium of CC. Our findings can be summarized as: associative, cerebral WM tracts that reach their peak FA values later in life also show progressively higher age-related decline than earlier maturing motor and sensory tracts. These findings carry multiple and diverse implications for both theoretical studies of the neurobiology of maturation and aging and for the clinical studies of neuropsychiatric disorders.