Background Bipolar disorder (BD) is characterised by abnormalities in mood and emotional processing, but the neural correlates of these, their relationship to depressive symptoms, and the similarities with deficits in major depressive disorder (MDD) remain unclear. We compared responses within subcortical and prefrontal cortical regions to emotionally salient material in patients with BP and MDD using functional magnetic resonance imaging. Methods We measured neural responses to mild and intense expressions of fear, happiness, and sadness in euthymic and depressed BD patients, healthy control subjects, and depressed MDD patients. Results Bipolar disorder patients demonstrated increased subcortical (ventral striatal, thalamic, hippocampal) and ventral prefrontal cortical responses particularly to mild and intense fear, mild happy, and mild sad expressions. Healthy control subjects demonstrated increased subcortical responses to intense happy and mild fear, and increased dorsal prefrontal cortical responses to intense sad expressions. Overall, MDD patients showed diminished neural responses to all emotional expressions except mild sadness. Depression severity correlated positively with hippocampal response to mild sadness in both patient groups. Conclusions Compared with healthy controls and MDD patients, BD patients demonstrated increased subcortical and ventral prefrontal cortical responses to both positive and negative emotional expressions.

Neuroimaging studies show structural differences in both cortical and subcortical brain regions in children and adults with autism spectrum disorder (ASD) compared with healthy subjects. Findings are inconsistent, however, and it is unclear how differences develop across the lifespan. The authors investigated brain morphometry differences between individuals with ASD and healthy subjects, cross-sectionally across the lifespan, in a large multinational sample from the Enhancing Neuroimaging Genetics Through Meta-Analysis (ENIGMA) ASD working group.The sample comprised 1,571 patients with ASD and 1,651 healthy control subjects (age range, 2-64 years) from 49 participating sites. MRI scans were preprocessed at individual sites with a harmonized protocol based on a validated automated-segmentation software program. Mega-analyses were used to test for case-control differences in subcortical volumes, cortical thickness, and surface area. Development of brain morphometry over the lifespan was modeled using a fractional polynomial approach.The case-control mega-analysis demonstrated that ASD was associated with smaller subcortical volumes of the pallidum, putamen, amygdala, and nucleus accumbens (effect sizes [Cohen's d], 0.13 to -0.13), as well as increased cortical thickness in the frontal cortex and decreased thickness in the temporal cortex (effect sizes, -0.21 to 0.20). Analyses of age effects indicate that the development of cortical thickness is altered in ASD, with the largest differences occurring around adolescence. No age-by-ASD interactions were observed in the subcortical partitions.The ENIGMA ASD working group provides the largest study of brain morphometry differences in ASD to date, using a well-established, validated, publicly available analysis pipeline. ASD patients showed altered morphometry in the cognitive and affective parts of the striatum, frontal cortex, and temporal cortex. Complex developmental trajectories were observed for the different regions, with a developmental peak around adolescence. These findings suggest an interplay in the abnormal development of the striatal, frontal, and temporal regions in ASD across the lifespan.

Autism spectrum disorder (ASD) is a neurodevelopmental condition with multiple causes, comorbid conditions, and a wide range in the type and severity of symptoms expressed by different individuals. This makes the neuroanatomy of autism inherently difficult to describe. Here, we demonstrate how a multiparameter classification approach can be used to characterize the complex and subtle structural pattern of gray matter anatomy implicated in adults with ASD, and to reveal spatially distributed patterns of discriminating regions for a variety of parameters describing brain anatomy. A set of five morphological parameters including volumetric and geometric features at each spatial location on the cortical surface was used to discriminate between people with ASD and controls using a support vector machine (SVM) analytic approach, and to find a spatially distributed pattern of regions with maximal classification weights. On the basis of these patterns, SVM was able to identify individuals with ASD at a sensitivity and specificity of up to 90% and 80%, respectively. However, the ability of individual cortical features to discriminate between groups was highly variable, and the discriminating patterns of regions varied across parameters. The classification was specific to ASD rather than neurodevelopmental conditions in general (e.g., attention deficit hyperactivity disorder). Our results confirm the hypothesis that the neuroanatomy of autism is truly multidimensional, and affects multiple and most likely independent cortical features. The spatial patterns detected using SVM may help further exploration of the specific genetic and neuropathological underpinnings of ASD, and provide new insights into the most likely multifactorial etiology of the condition.

Autistic spectrum disorder (ASD) is accompanied by subtle and spatially distributed differences in brain anatomy that are difficult to detect using conventional mass-univariate methods (e.g., VBM). These require correction for multiple comparisons and hence need relatively large samples to attain sufficient statistical power. Reports of neuroanatomical differences from relatively small studies are thus highly variable. Also, VBM does not provide predictive value, limiting its diagnostic value. Here, we examined neuroanatomical networks implicated in ASD using a whole-brain classification approach employing a support vector machine (SVM) and investigated the predictive value of structural MRI scans in adults with ASD. Subsequently, results were compared between SVM and VBM. We included 44 male adults; 22 diagnosed with ASD using "gold-standard" research interviews and 22 healthy matched controls. SVM identified spatially distributed networks discriminating between ASD and controls. These included the limbic, frontal-striatal, fronto-temporal, fronto-parietal and cerebellar systems. SVM applied to gray matter scans correctly classified ASD individuals at a specificity of 86.0% and a sensitivity of 88.0%. Cases (68.0%) were correctly classified using white matter anatomy. The distance from the separating hyperplane (i.e., the test margin) was significantly related to current symptom severity. In contrast, VBM revealed few significant between-group differences at conventional levels of statistical stringency. We therefore suggest that SVM can detect subtle and spatially distributed differences in brain networks between adults with ASD and controls. Also, these differences provide significant predictive power for group membership, which is related to symptom severity.

Abstract Summary We introduce fsbrain, an R package for the visualization of neuroimaging data. The package can be used to visualize vertex-wise and region-wise morphometry data, parcellations, labels and statistical results on brain surfaces in three dimensions (3D). Voxel data can be displayed in lightbox mode. The fsbrain package offers various customization options and produces publication quality plots which can be displayed interactively, saved as bitmap images, or integrated into R notebooks. Availability and Implementation The software, source code and documentation are available under the MIT license at https://github.com/dfsp-spirit/fsbrain . Releases can be installed directly from the Comprehensive R Archive Network (CRAN). Contact tim.schaefer@kgu.de

Abstract Background Marked sex differences in autism prevalence accentuate the need to understand the role of biological sex-related factors in autism. Efforts to unravel sex differences in the brain organization of autism have, however, been challenged by the limited availability of female data. Methods We addressed this gap by using a large sample of males and females with autism and neurotypical (NT) control individuals (ABIDE; Autism: 362 males, 82 females; NT: 409 males, 166 females; 7-18 years). Discovery analyses examined main effects of diagnosis, sex and their interaction across five resting-state fMRI (R-fMRI) metrics (voxel-level Z > 3.1, cluster-level P < 0.01, gaussian random field corrected). Secondary analyses assessed the robustness of the results to different pre-processing approaches and their replicability in two independent samples: the EU-AIMS Longitudinal European Autism Project (LEAP) and the Gender Explorations of Neurogenetics and Development to Advance Autism Research (GENDAAR). Results Discovery analyses in ABIDE revealed significant main effects across the intrinsic functional connectivity (iFC) of the posterior cingulate cortex, regional homogeneity and voxel-mirrored homotopic connectivity (VMHC) in several cortical regions, largely converging in the default network midline. Sex-by-diagnosis interactions were confined to the dorsolateral occipital cortex, with reduced VMHC in females with autism. All findings were robust to different pre-processing steps. Replicability in independent samples varied by R-fMRI measures and effects with the targeted sex-by-diagnosis interaction being replicated in the larger of the two replication samples – EU-AIMS LEAP. Limitations Given the lack of a priori harmonization among the discovery and replication datasets available to date, sample-related variation remained and may have affected replicability. Conclusions Atypical cross-hemispheric interactions are neurobiologically relevant to autism. They likely result from the combination of sex-dependent and sex-independent factors with a differential effect across functional cortical networks. Systematic assessments of the factors contributing to replicability are needed and necessitate coordinated large-scale data collection across studies.

Abstract Background Left-right asymmetry is an important organizing feature of the healthy brain. Various studies have reported altered structural brain asymmetry in autism spectrum disorder (ASD). However, findings have been inconsistent, likely due to limited sample sizes and low statistical power. Methods We investigated 1,774 subjects with ASD and 1,809 controls, from 54 datasets, for differences in the asymmetry of thickness and surface area of 34 cerebral cortical regions. We also examined global hemispheric measures of cortical thickness and area asymmetry, and volumetric asymmetries of subcortical structures. Data were obtained via the ASD Working Group of the ENIGMA (Enhancing NeuroImaging Genetics through Meta-Analysis) consortium. T1-weighted MRI data were processed with a single protocol using FreeSurfer and the Desikan-Killiany atlas. Results ASD was significantly associated with reduced leftward asymmetry of total hemispheric average cortical thickness, compared to controls. Eight regional thickness asymmetries, distributed over the cortex, also showed significant associations with diagnosis after correction for multiple comparisons, for which asymmetry was again generally lower in ASD versus controls. In addition, the medial orbitofrontal surface area was less rightward asymmetric in ASD than controls, and the putamen volume was more leftward asymmetric in ASD than controls. The largest effect size had Cohen’s d = 0.15. Most effects did not depend on age, sex, IQ, or disorder severity. Conclusion Altered lateralized neurodevelopment is suggested in ASD, affecting widespread cortical regions with diverse functions. Large-scale analysis was necessary to reliably detect, and accurately describe, subtle alterations of structural brain asymmetry in this disorder.

Abstract Autism spectrum disorder (ASD) is associated with atypical brain development. However, the phenotype of regionally specific increased cortical thickness observed in ASD may be driven by several independent biological processes that influence the gray/white matter boundary, such as synaptic pruning, myelination, or atypical migration. Here, we propose to use the boundary sharpness coefficient (BSC), a proxy for alterations in microstructure at the cortical gray/white matter boundary, to investigate brain differences in individuals with ASD, including factors that may influence ASD-related heterogeneity (age, sex, and intelligence quotient). Using a vertex-based meta-analysis and a large multi-center magnetic resonance structural imaging (MRI) dataset, with a total of 1136 individuals, 415 with ASD (112 female; 303 male) and 721 controls (283 female; 438 male), we observed that individuals with ASD had significantly greater BSC in the bilateral superior temporal gyrus and left inferior frontal gyrus indicating an abrupt transition (high contrast) between white matter and cortical intensities. Increases were observed in different brain regions in males and females, with larger effect sizes in females. Individuals with ASD under 18 had significantly greater BSC in the bilateral superior temporal gyrus and right postcentral gyrus; individuals with ASD over 18 had significantly increased BSC in the bilateral precuneus and superior temporal gyrus. BSC correlated with ADOS-2 CSS in individuals with ASD in the right medial temporal pole. Importantly, there was a significant spatial overlap between maps of the effect of diagnosis on BSC when compared to cortical thickness. These results invite studies to use BSC as a possible new measure of cortical development in ASD and to further examine the microstructural underpinnings of BSC-related differences and their impact on measures of cortical morphology.

Autism presents with significant phenotypic and neuroanatomical heterogeneity, and neuroimaging studies of the thalamus, globus pallidus and striatum in autism have produced inconsistent and contradictory results. These structures are critical mediators of functions known to be atypical in autism, including sensory gating and motor function. We examined both volumetric and fine-grained localized shape differences in autism using a large (

Abstract Background The excitatory/inhibitory (E/I) imbalance hypothesis posits that an imbalance between excitatory (glutamatergic) and inhibitory (GABAergic) mechanisms underlies the behavioral characteristics of autism spectrum disorder (autism). However, how E/I imbalance arises and how it may differ across autism symptomatology and brain regions is not well understood. Methods We used innovative analysis methods - combining competitive gene-set analysis and gene-expression profiles in relation to cortical thickness (CT)- to investigate the relationship between genetic variance, brain structure and autism symptomatology of participants from the EU-AIMS LEAP cohort (autism=360, male/female=259/101; neurotypical control participants=279, male/female=178/101) aged 6 to 30 years. Competitive gene-set analysis investigated associations between glutamatergic and GABAergic signaling pathway gene-sets and clinical measures, and CT. Additionally, we investigated expression profiles of the genes within those sets throughout the brain and how those profiles relate to differences in CT between autistic and neurotypical control participants in the same regions. Results The glutamate gene-set was associated with all autism symptom severity scores on the Autism Diagnostic Observation Schedule-2 (ADOS-2) and the Autism Diagnostic Interview-Revised (ADI-R) within the autistic group, while the GABA set was associated with sensory processing measures (using the SSP subscales) across all participants. Brain regions with greater gene expression of both glutamate and GABA genes showed greater differences in CT between autistic and neurotypical control participants. Conclusions Our results suggest crucial roles for glutamate and GABA genes in autism symptomatology as well as CT, where GABA is more strongly associated with sensory processing and glutamate more with autism symptom severity.