Objective:

 Several lines of evidence suggest that pathologic changes underlying Alzheimer disease (AD) begin years prior to the clinical expression of the disease, underscoring the need for studies of cognitively healthy adults to capture these early changes. The overall goal of the current study was to map the cortical distribution of β-amyloid (Aβ) in a healthy adult lifespan sample (aged 30–89), and to assess the relationship between elevated amyloid and cognitive performance across multiple domains. 

Methods:

 A total of 137 well-screened and cognitively normal adults underwent Aβ PET imaging with radiotracer ¹⁸F-florbetapir. Aβ load was estimated from 8 cortical regions. Participants were genotyped for APOE and tested for processing speed, working memory, fluid reasoning, episodic memory, and verbal ability. 

Results:

 Aβ deposition is distributed differentially across the cortex and progresses at varying rates with age across cortical brain regions. A subset of cognitively normal adults aged 60 and over show markedly elevated deposition, and also had a higher rate of APOE ϵ4 (38%) than nonelevated adults (19%). Aβ burden was linked to poorer cognitive performance on measures of processing speed, working memory, and reasoning. 

Conclusions:

 Even in a highly selected lifespan sample of adults, Aβ deposition is apparent in some adults and is influenced by APOE status. Greater amyloid burden was related to deleterious effects on cognition, suggesting that subtle cognitive changes accrue as amyloid progresses.

Abstract Variability drives the organization and behavior of complex systems, including the human brain. Understanding the variability of brain signals is thus necessary to broaden our window into brain function and behavior. Few empirical investigations of macroscale brain signal variability have yet been undertaken, given the difficulty in separating biological sources of variance from artefactual noise. Here, we characterize the temporal variability of the most predominant macroscale brain signal, the fMRI BOLD signal, and systematically investigate its statistical, topographical and neurobiological properties. We contrast fMRI acquisition protocols, and integrate across histology, microstructure, transcriptomics, neurotransmitter receptor and metabolic data, fMRI static connectivity, and empirical and simulated magnetoencephalography data. We show that BOLD signal variability represents a spatially heterogeneous, central property of multi-scale multi-modal brain organization, distinct from noise. Our work establishes the biological relevance of BOLD signal variability and provides a lens on brain stochasticity across spatial and temporal scales.

Data analysis workflows in many scientific domains have become increasingly complex and flexible. To assess the impact of this flexibility on functional magnetic resonance imaging (fMRI) results, the same dataset was independently analyzed by 70 teams, testing nine ex-ante hypotheses. The flexibility of analytic approaches is exemplified by the fact that no two teams chose identical workflows to analyze the data. This flexibility resulted in sizeable variation in hypothesis test results, even for teams whose statistical maps were highly correlated at intermediate stages of their analysis pipeline. Variation in reported results was related to several aspects of analysis methodology. Importantly, meta-analytic approaches that aggregated information across teams yielded significant consensus in activated regions across teams. Furthermore, prediction markets of researchers in the field revealed an overestimation of the likelihood of significant findings, even by researchers with direct knowledge of the dataset. Our findings show that analytic flexibility can have substantial effects on scientific conclusions, and demonstrate factors related to variability in fMRI. The results emphasize the importance of validating and sharing complex analysis workflows, and demonstrate the need for multiple analyses of the same data. Potential approaches to mitigate issues related to analytical variability are discussed.

INTRODUCTION: Genetic contributions to Alzheimer's Disease (AD) are likely polygenic and not necessarily explained by uniformly applied linear and additive effects. In order to better understand the genetics of AD, we require statistical techniques to address both polygenic and possible non-additive effects. METHODS: We used partial least squares-correspondence analysis (PLS-CA)---a method designed to detect multivariate genotypic effects. We used ADNI-1 (N = 756) as a discovery sample with two forms of PLS-CA: diagnosis-based and ApoE-based. We used ADNI-2 (N = 791) as a validation sample with a diagnosis-based PLS-CA. RESULTS: With PLS-CA we identified some expected genotypic effects (e.g., APOE/TOMM40, and APP) and a number of new effects that include, for examples, risk-associated genotypes in RBFOX1 and GPC6 and control-associated genotypes in PTPN14 and CPNE5. DISCUSSION: Through the use of PLS-CA, we were able to detect complex (multivariate, genotypic) genetic contributions to AD, which included many non-additive and non-linear risk and possibly protective effects.

Cortical atrophy and degraded axonal health have been shown to coincide during normal aging; however, few studies have examined these measures together. To lend insight into both the regional specificity and the relative timecourse of structural degradation of these tissue compartments across the lifespan, we analyzed grey matter (GM) morphometry (cortical thickness, surface area, volume) and estimates of white matter (WM) microstructure (fractional anisotropy, mean diffusivity) using traditional univariate and more robust multivariate techniques to examine age associations in 186 healthy adults aged 20-94 years old. Univariate analysis of each tissue type revealed that negative age associations were largest in frontal grey and white matter tissue and weaker in temporal, cingulate, and occipital regions, representative of not only an anterior-to-posterior gradient, but also a medial-to-lateral gradient. Multivariate partial least squares correlation (PLSC) found the greatest covariance between GM and WM was driven by the relationship between WM metrics in the anterior corpus callosum and projections of the genu, anterior cingulum, and fornix; and with GM thickness in parietal and frontal regions. Surface area was far less susceptible to age effects and displayed less covariance with WM metrics, while regional volume covariance patterns largely mirrored those of cortical thickness. Results support a retrogenesis-like model of aging, revealing a coupled relationship between frontal and parietal GM and the underlying WM, which evidence the most protracted development and the most vulnerability during healthy aging.

Ventral visual cortex exhibits highly organized and selective patterns of functional activity associated with visual processing. However, this specialization decreases in normal aging, with functional responses to different visual stimuli becoming more similar with age, a phenomenon termed “dedifferentiation”. The current study tested the hypothesis that age-related degradation of the inferior longitudinal fasciculus (ILF), a white matter pathway involved in visual perception, could account for dedifferentiation of both localized and distributed brain activity in ventral visual cortex. Participants included 281 adults, ages 20-89, from the Dallas Lifespan Brain Study who underwent diffusion-weighted imaging to measure white matter diffusivity, as well as functional magnetic resonance imaging to measure functional selectivity to viewing photographs from different categories (e.g., faces, houses). In general, decreased ILF anisotropy significantly predicted both focal and broad functional dedifferentiation. Specifically, there was a localized effect of structure on function, such that decreased anisotropy in a smaller mid-fusiform region of ILF predicted less selective (i.e., more dedifferentiated) response to viewing faces in a proximal face-responsive region of fusiform. On the other hand, the whole ILF predicted less selective response across broader ventral visual cortex for viewing animate (e.g., human faces, animals) versus inanimate (e.g., houses, chairs) images. This structure-function relationship became weaker with age and was no longer significant after age 70. These findings indicate that decreased white matter anisotropy is associated with maladaptive differences in proximal brain function and is an important variable to consider when interpreting age differences in functional selectivity.