Despite decades of research, the pathophysiology of bipolar disorder (BD) is still not well understood. Structural brain differences have been associated with BD, but results from neuroimaging studies have been inconsistent. To address this, we performed the largest study to date of cortical gray matter thickness and surface area measures from brain magnetic resonance imaging scans of 6503 individuals including 1837 unrelated adults with BD and 2582 unrelated healthy controls for group differences while also examining the effects of commonly prescribed medications, age of illness onset, history of psychosis, mood state, age and sex differences on cortical regions. In BD, cortical gray matter was thinner in frontal, temporal and parietal regions of both brain hemispheres. BD had the strongest effects on left pars opercularis (Cohen’s d=−0.293; P=1.71 × 10−21), left fusiform gyrus (d=−0.288; P=8.25 × 10−21) and left rostral middle frontal cortex (d=−0.276; P=2.99 × 10−19). Longer duration of illness (after accounting for age at the time of scanning) was associated with reduced cortical thickness in frontal, medial parietal and occipital regions. We found that several commonly prescribed medications, including lithium, antiepileptic and antipsychotic treatment showed significant associations with cortical thickness and surface area, even after accounting for patients who received multiple medications. We found evidence of reduced cortical surface area associated with a history of psychosis but no associations with mood state at the time of scanning. Our analysis revealed previously undetected associations and provides an extensive analysis of potential confounding variables in neuroimaging studies of BD.

Abstract Hemispheric asymmetry is a cardinal feature of human brain organization. Altered brain asymmetry has also been linked to some cognitive and neuropsychiatric disorders. Here the ENIGMA consortium presents the largest ever analysis of cerebral cortical asymmetry and its variability across individuals. Cortical thickness and surface area were assessed in MRI scans of 17,141 healthy individuals from 99 datasets worldwide. Results revealed widespread asymmetries at both hemispheric and regional levels, with a generally thicker cortex but smaller surface area in the left hemisphere relative to the right. Regionally, asymmetries of cortical thickness and/or surface area were found in the inferior frontal gyrus, transverse temporal gyrus, parahippocampal gyrus, and entorhinal cortex. These regions are involved in lateralized functions, including language and visuospatial processing. In addition to population-level asymmetries, variability in brain asymmetry was related to sex, age, and brain size (indexed by intracranial volume). Interestingly, we did not find significant associations between asymmetries and handedness. Finally, with two independent pedigree datasets ( N = 1,443 and 1,113, respectively), we found several asymmetries showing modest but highly reliable heritability. The structural asymmetries identified, and their variabilities and heritability provide a reference resource for future studies on the genetic basis of brain asymmetry and altered laterality in cognitive, neurological, and psychiatric disorders. Significance Statement Left-right asymmetry is a key feature of the human brain's structure and function. It remains unclear which cortical regions are asymmetrical on average in the population, and how biological factors such as age, sex and genetic variation affect these asymmetries. Here we describe by far the largest ever study of cerebral cortical brain asymmetry, based on data from 17,141 participants. We found a global anterior-posterior 'torque' pattern in cortical thickness, together with various regional asymmetries at the population level, which have not been previously described, as well as effects of age, sex, and heritability estimates. From these data, we have created an on-line resource that will serve future studies of human brain anatomy in health and disease.

Abstract Background Lithium (Li) remains the treatment of choice for bipolar disorders (BP). Its mood-stabilizing effects help reduce the long-term burden of mania, depression and suicide risk in patients with BP. It also has been shown to have beneficial effects on disease-associated conditions, including sleep and cardiovascular disorders. However, the individual responses to Li treatment vary within and between diagnostic subtypes of BP (e.g. BP-I and BP-II) according to the clinical presentation. Moreover, long-term Li treatment has been linked to adverse side-effects that are a cause of concern and non-adherence, including the risk of developing chronic medical conditions such as thyroid and renal disease. In recent years, studies by the Consortium on Lithium Genetics (ConLiGen) have uncovered a number of genetic factors that contribute to the variability in Li treatment response in patients with BP. Here, we leveraged the ConLiGen cohort (N = 2064) to investigate the genetic basis of Li effects in BP. For this, we studied how Li response and linked genes associate with the psychiatric symptoms and polygenic load for medical comorbidities, placing particular emphasis on identifying differences between BP-I and BP-II. Results We found that clinical response to Li treatment, measured with the Alda scale, was associated with a diminished burden of mania, depression, substance and alcohol abuse, psychosis and suicidal ideation in patients with BP-I and, in patients with BP-II, of depression only. Our genetic analyses showed that a stronger clinical response to Li was modestly related to lower polygenic load for diabetes and hypertension in BP-I but not BP-II. Moreover, our results suggested that a number of genes that have been previously linked to Li response variability in BP differentially relate to the psychiatric symptomatology, particularly to the numbers of manic and depressive episodes, and to the polygenic load for comorbid conditions, including diabetes, hypertension and hypothyroidism. Conclusions Taken together, our findings suggest that the effects of Li on symptomatology and comorbidity in BP are partially modulated by common genetic factors, with differential effects between BP-I and BP-II.

Multivariate techniques better fit the anatomy of complex neuropsychiatric disorders which are characterized not by alterations in a single region, but rather by variations across distributed brain networks. Here, we used principal component analysis (PCA) to identify patterns of covariance across brain regions and relate them to clinical and demographic variables in a large generalizable dataset of individuals with bipolar disorders and controls. We then compared performance of PCA and clustering on identical sample to identify which methodology was better in capturing links between brain and clinical measures. Using data from the ENIGMA-BD working group, we investigated T1-weighted structural MRI data from 2436 participants with BD and healthy controls, and applied PCA to cortical thickness and surface area measures. We then studied the association of principal components with clinical and demographic variables using mixed regression models. We compared the PCA model with our prior clustering analyses of the same data and also tested it in a replication sample of 327 participants with BD or schizophrenia and healthy controls. The first principal component, which indexed a greater cortical thickness across all 68 cortical regions, was negatively associated with BD, BMI, antipsychotic medications, and age and was positively associated with Li treatment. PCA demonstrated superior goodness of fit to clustering when predicting diagnosis and BMI. Moreover, applying the PCA model to the replication sample yielded significant differences in cortical thickness between healthy controls and individuals with BD or schizophrenia. Cortical thickness in the same widespread regional network as determined by PCA was negatively associated with different clinical and demographic variables, including diagnosis, age, BMI, and treatment with antipsychotic medications or lithium. PCA outperformed clustering and provided an easy-to-use and interpret method to study multivariate associations between brain structure and system-level variables. PRACTITIONER POINTS: In this study of 2770 Individuals, we confirmed that cortical thickness in widespread regional networks as determined by principal component analysis (PCA) was negatively associated with relevant clinical and demographic variables, including diagnosis, age, BMI, and treatment with antipsychotic medications or lithium. Significant associations of many different system-level variables with the same brain network suggest a lack of one-to-one mapping of individual clinical and demographic factors to specific patterns of brain changes. PCA outperformed clustering analysis in the same data set when predicting group or BMI, providing a superior method for studying multivariate associations between brain structure and system-level variables.

Traveling patterns of neuronal activity -- brain waves -- have been observed across a breadth of neuronal recordings, states of awareness, and species, but their emergence in the human brain lacks a firm understanding. Here, we analyze the complex nonlinear dynamics that emerge from modeling large-scale spontaneous neural activity on a whole-brain network derived from human tractography. We find a rich array of three-dimensional wave patterns, including traveling waves, spiral waves, sources, and sinks. These patterns are metastable, such that multiple spatiotemporal wave patterns are visited in sequence. Transitions between states correspond to reconfigurations of underlying phase flows, characterized by nonlinear instabilities. These metastable dynamics accord with empirical data from multiple imaging modalities, including electrical waves in cortical tissue, sequential spatiotemporal patterns in resting-state MEG data, and large-scale waves in human electrocorticography. By moving the study of functional networks from a spatially static to an inherently dynamic (wave-like) frame, our work unifies apparently diverse phenomena across functional neuroimaging modalities and makes specific predictions for further experimentation.

Background: Major depressive disorder (MDD) is associated with an increased risk of brain atrophy, aging-related diseases, and mortality. We examined potential advanced brain aging in MDD patients, and whether this process is associated with clinical characteristics in a large multi-center international dataset. Methods: We performed a mega-analysis by pooling brain measures derived from T1-weighted MRI scans from 29 samples worldwide. Normative brain aging was estimated by predicting chronological age (10-75 years) from 7 subcortical volumes, 34 cortical thickness and 34 surface area, lateral ventricles and total intracranial volume measures separately in 1,147 male and 1,386 female controls from the ENIGMA MDD working group. The learned model parameters were applied to 1,089 male controls and 1,167 depressed males, and 1,326 female controls and 2,044 depressed females to obtain independent unbiased brain-based age predictions. The difference between predicted brain age and chronological age was calculated to indicate brain predicted age difference (brain-PAD). Findings: On average, MDD patients showed a higher brain-PAD of +0.90 (SE 0.21) years (Cohen's d=0.12, 95% CI 0.06-0.17) compared to controls. Relative to controls, first-episode and currently depressed patients showed higher brain-PAD (+1.2 [0.3] years), and the largest effect was observed in those with late-onset depression (+1.7 [0.7] years). In addition, higher brain-PAD was associated with higher self-reported depressive symptomatology (b=0.05, p=0.004). Interpretation: This highly powered collaborative effort showed subtle patterns of abnormal structural brain aging in MDD. Substantial within-group variance and overlap between groups were observed. Longitudinal studies of MDD and somatic health outcomes are needed to further assess the predictive value of these brain-PAD estimates.

Abstract Investigating alterations in brain circuitry associated with bipolar disorder (BD) may offer a valuable approach to discover brain biomarkers for genetic and interventional studies of the disorder and related mental illnesses. Some diffusion MRI studies report evidence of microstructural abnormalities in white matter regions of interest, but we lack a fine-scale spatial mapping of brain microstructural differences along tracts in BD. We also lack large-scale studies that integrate tractometry data from multiple sites, as larger datasets can greatly enhance power to detect subtle effects and assess whether effects replicate across larger international datasets. In this multisite diffusion MRI study, we used BUndle ANalytics (BUAN, Chandio 2020), a recently developed analytic approach for tractography, to extract, map, and visualize profiles of microstructural abnormalities on 3D models of fiber tracts in 148 participants with BD and 259 healthy controls from 6 independent scan sites. Modeling site differences as random effects, we investigated along-tract white matter (WM) microstructural differences between diagnostic groups. QQ plots showed that group differences were gradually enhanced as more sites were added. Using the BUAN pipeline, BD was associated with lower mean fractional anisotropy (FA) in fronto-limbic, interhemispheric, and posterior pathways; higher FA was also noted in posterior bundles, relative to controls. By integrating tractography and anatomical information, BUAN effectively captures unique effects along white matter (WM) tracts, providing valuable insights into anatomical variations that may assist in the classification of diseases.

Recent investigations have used diffusion-weighted imaging to reveal disturbances in the neurocircuitry that underlies cognitive-emotional control in bipolar disorder (BD) and those at high genetic risk (HR). It has been difficult to quantify how structural changes disrupt the superimposed brain dynamics, leading to the emotional lability that is characteristic of BD. Average controllability is a concept from network control theory that estimates the manner in which local neuronal fluctuations spread from a node or subnetwork to alter the state of the rest of the brain. We used this theory to ask whether structural connectivity deficits previously observed in HR (n=84) individuals, patients with BD (n=38), and age- and- gender-matched controls (n=96) translate to differences in the ability of brain systems to be manipulated between states. Localized impairments in network controllability were seen in the left parahippocampal, middle occipital, superior frontal, and right inferior frontal and precentral gyri in BD and HR groups. Subjects with BD had distributed deficits in a subnetwork containing the left superior and inferior frontal gyri, postcentral gyrus, and insula (p=0.004). HR participants had controllability deficits in a right-lateralized subnetwork involving connections between the dorsomedial and ventrolateral prefrontal cortex, the superior temporal pole, putamen, and caudate nucleus (p=0.008). Between-group controllability differences were attenuated after removal of topological factors by network randomization. Some previously reported differences in network connectivity were not associated with controllability-differences, likely reflecting the contribution of more complex brain network properties. These analyses highlight the potential functional consequences of altered brain networks in BD, and may guide future clinical interventions.

Summary Human brain structure changes throughout our lives. Altered brain growth or rates of decline are implicated in a vast range of psychiatric, developmental, and neurodegenerative diseases. Here, we identified common genetic variants that affect rates of brain growth or atrophy, in the first genome-wide association meta-analysis of changes in brain morphology across the lifespan. Longitudinal MRI data from 15,640 individuals were used to compute rates of change for 15 brain structures. The most robustly identified genes GPR139, DACH1 and APOE are associated with metabolic processes. We demonstrate global genetic overlap with depression, schizophrenia, cognitive functioning, insomnia, height, body mass index and smoking. Gene-set findings implicate both early brain development and neurodegenerative processes in the rates of brain changes. Identifying variants involved in structural brain changes may help to determine biological pathways underlying optimal and dysfunctional brain development and ageing.