Abstract Understanding how higher order cognitive function emerges from the underlying brain structure depends on quantifying how the behaviour of discrete regions are integrated within the broader cortical landscape. Recent work has established that this macroscale brain organization and function can be quantified in a compact manner through the use of multivariate machine learning approaches that identify manifolds often described as cortical gradients. By quantifying topographic principles of macroscale organization, cortical gradients lend an analytical framework to study structural and functional brain organization across species, throughout development and aging, and its perturbations in disease. More generally, its macroscale perspective on brain organization offers novel possibilities to investigate the complex relationships between brain structure, function, and cognition in a quantified manner. Here, we present a compact workflow and open-access toolbox that allows for (i) the identification of gradients (from structural or functional imaging data), (ii) their alignment (across subjects or modalities), and (iii) their visualization (in embedding or cortical space). Our toolbox also allows for controlled association studies between gradients with other brain-level features, adjusted with respect to several null models that account for spatial autocorrelation. The toolbox is implemented in both Python and Matlab, programming languages widely used by the neuroimaging and network neuroscience communities. Several use-case examples and validation experiments demonstrate the usage and consistency of our tools for the analysis of functional and microstructural gradients across different spatial scales.

A bstract Multimodal neuroimaging grants a powerful window into the structure and function of the human brain at multiple scales. Recent methodological and conceptual advances have enabled investigations of the interplay between large-scale spatial trends (also referred to as gradients) in brain microstructure and connectivity, offering an integrative framework to study multiscale brain organization. Here, we share a multimodal MRI dataset for Microstructure-Informed Connectomics (MICA-MICs) acquired in 50 healthy adults (23 women; 29.54±5.62 years) who underwent high-resolution T1-weighted MRI, myelin-sensitive quantitative T1 relaxometry, diffusion-weighted MRI, and resting-state functional MRI at 3 Tesla. In addition to raw anonymized MRI data, this release includes brain-wide connectomes derived from i) resting-state functional imaging, ii) diffusion tractography, iii) microstructure covariance analysis, and iv) geodesic cortical distance, gathered across multiple parcellation scales. Alongside, we share large-scale gradients estimated from each modality and parcellation scale. Our dataset will facilitate future research examining the coupling between brain microstructure, connectivity, and macroscale function. MICA-MICs is available on the Canadian Open Neuroscience Platform’s data portal ( https://portal.conp.ca ).

Abstract Dynamics and functions of neural circuits depend on synaptic interactions mediated by receptors. Therefore, a comprehensive map of receptor organization is needed to understand how different functions may emerge across distinct cortical regions. Here we use in-vitro receptor autoradiography to measure the density of 14 neurotransmitter receptor types in 109 areas of macaque cortex. We integrate the receptor data with other anatomical, genetic and functional connectivity data into a common cortical space. We uncovered a principal gradient of increasing receptor expression per neuron aligned with cortical hierarchy from early sensory cortex to higher cognitive areas. A second gradient, primarily driven by 5-HT 1A receptors, peaks in the anterior and subcallosal cingulate, suggesting that the macaque may be a promising animal model for major depressive disorder. The receptor gradients may enable rapid, reliable information processing in sensory cortical areas and slow, flexible integration of information in higher cognitive areas.

Summary While the role of cortical microstructure in organising neural function is well established, it remains unclear how structural constraints can give rise to more flexible elements of cognition. While non-human primate research has demonstrated a close structure-function correspondence, the relationship between microstructure and function remains poorly understood in humans, in part because of the reliance on post mortem analyses which cannot be directly related to functional data. To overcome this barrier, we developed a novel approach to model the similarity of microstructural profiles sampled in the direction of cortical columns. Our approach was initially formulated based on an ultra-high-resolution 3D histological reconstruction of an entire human brain and then translated to myelin-sensitive MRI data in a large cohort of healthy adults. This novel method identified a system-level gradient of microstructural differentiation traversing from primary sensory to limbic regions that followed shifts in laminar differentiation and cytoarchitectural complexity. Importantly, while microstructural and functional gradients described a similar hierarchy, they became increasingly dissociated in transmodal default mode and fronto-parietal networks. Meta analytic decoding of these topographic dissociations highlighted involvement in higher-level aspects of cognition such as cognitive control and social cognition. Our findings demonstrate a relative decoupling of macroscale functional from microstructural gradients in transmodal regions, which likely contributes to the flexible role these regions play in human cognition.

ABSTRACT Background Nonhuman primate models (NHP) are commonly used to advance our understanding of brain function and organization. However, to date, they have offered few insights into individual differences among NHPs. In large part, this is due to the logistical challenges of NHP research, which limit most studies to five subjects or fewer. Methods We leveraged the availability of a large-scale open NHP imaging resource to provide an initial examination of individual differences in the functional organization of the nonhuman primate brain. Specifically, we selected one awake fMRI dataset (Newcastle: n = 10) and two anesthetized fMRI data sets (Oxford: n = 19; UC-Davis: n = 19) to examine individual differences in functional connectivity characteristics across the cortex, as well as potential state dependencies. Results We noted significant individual variations of functional connectivity across the macaque cortex. Similar to the findings in human, during the awake state, the primary sensory and motor cortices showed lower variability than the high-order association regions. This variability pattern was significantly correlated with T1w/T2w map, the degree of long-distance connectivity, but not short-distance connectivity. However, the inter-individual variability under anesthesia exhibited a very distinct pattern, with lower variability in medial frontal cortex, precuneus and somatomotor regions and higher variability in the lateral ventral frontal and insular cortices. Conclusions This work has implications for our understanding of the evolutionary origins of individual variation in the human brain, as well as methodological implications that must be considered in any pursuit to study individual variation in NHP models.

Abstract Most existing research into the default-mode network (DMN) has taken a corticocentric approach. Despite the resemblance of the DMN with the unitary model of the limbic system, the anatomy and contribution of subcortical structures to the network may be underappreciated due to methods limitation. Here, we propose a new and more comprehensive neuroanatomical model of the DMN including the basal forebrain and anterior and mediodorsal thalamic nuclei and cholinergic nuclei. This has been achieved by considering functional territories during interindividual brain alignment. Additionally, tractography of diffusion-weighted imaging was employed to explore the structural connectivity of the DMN and revealed that the thalamus and basal forebrain had high importance in term of values of node degree and centrality in the network. The contribution of these neurochemically diverse brain nuclei reconciles previous neuroimaging with neuropathological findings in diseased brain and offers the potential for identifying a conserved homologue of the DMN in other mammalian species.

Abstract While reading, the mind can wander to unrelated autobiographical information, creating a perceptually-decoupled state detrimental to narrative comprehension. To understand how this mind-wandering state emerges, we asked whether retrieving autobiographical content necessitates functional disengagement from visual input. In Experiment 1, brain activity was recorded using functional magnetic resonance imaging (fMRI) in an experimental situation mimicking naturally occurring mind-wandering, allowing us to precisely delineate neural regions involved in memory and reading. Individuals read expository texts and ignored personally relevant autobiographical memories, as well as the opposite situation. Medial regions of the default mode network (DMN) were recruited during memory retrieval. In contrast, left temporal and lateral prefrontal regions of the DMN, as well as ventral visual cortex, were recruited when reading for comprehension. Experiment 2 used functional connectivity at rest to establish that (i) DMN regions linked to memory are more functionally decoupled from regions of ventral visual cortex than regions in the same network engaged when reading, and (ii) individuals reporting more mind-wandering and worse comprehension, while reading in the lab, showed increased functional decoupling between visually-connected DMN sites important for reading and a region of dorsal occipital cortex linked to autobiographical memory in Experiment 1. These data suggest we lose track of the narrative when our mind wanders because the generation of autobiographical mental content relies on cortical regions within the DMN which are functionally decoupled from ventral visual regions engaged during reading. Significance statement When the mind wanders during reading, we lose track of information from the narrative. We hypothesised that poor comprehension occurs because retrieving autobiographical memories reduces the perceptual coupling necessary to understand written words. We show that default mode network (DMN) areas involved in reading are functionally more connected to ventral visual regions than DMN regions important for autobiographical memory. Furthermore, individuals who mind-wander more, and comprehend less, have weaker connectivity between visually-coupled DMN regions linked to reading and dorsal occipital areas linked to autobiographical memory. These data suggest that when our minds wander during reading, retrieval of personally-relevant information activates DMN regions that are functionally disconnected from visual input, creating a perceptually decoupled state detrimental to comprehension.

The default mode network supports a variety of mental operations such as semantic processing, episodic memory retrieval, mental time travel and mind-wandering, yet the commonalities between these functions remains unclear. One possibility is that this system supports cognition that is independent of the immediate environment; alternatively or additionally, it might support higher-order conceptual representations that draw together multiple features. We tested these accounts using a novel paradigm that separately manipulated the availability of perceptual information to guide decision-making and the representational complexity of this information. Using task based imaging we established regions that respond when cognition combines both stimulus independence with multi-modal information. These included left and right angular gyri and the left middle temporal gyrus. Although these sites were within the default mode network, they showed a stronger response to demanding memory judgements than to an easier perceptual task, contrary to the view that they support automatic aspects of cognition. In a subsequent analysis, we showed that these regions were located at the extreme end of a macroscale gradient, which describes gradual transitions from sensorimotor to transmodal cortex. This shift in the focus of neural activity towards transmodal, default mode, regions might reflect a process of isolation from specific sensory inputs that enables conceptually rich cognitive states to be generated in the absence of input.

Abstract The human brain varies across individuals in its morphology, function, and cognitive capacities. Variability is particularly high in phylogenetically modern regions associated with higher order cognitive abilities, but its relationship to the layout and strength of functional networks is poorly understood. In this study we disentangled the variability of two key aspects of functional connectivity: strength and topography. We then compared the genetic and environmental influences on these two features. Genetic contribution is heterogeneously distributed across the cortex and differs for strength and topography. In heteromodal areas genes predominantly affect the topography of networks, while their connectivity strength is shaped primarily by random environmental influence such as learning. We identified peak areas of genetic control of topography overlapping with parts of the processing stream from primary areas to network hubs in the default mode network, suggesting the coordination of spatial configurations across those processing pathways. These findings provide a detailed map of the diverse contribution of heritability and individual experience to the strength and topography of functional brain architecture.

In 2011, the "ADHD-200 Global Competition" was held with the aim of identifying biomarkers of attention-deficit/hyperactivity disorder from resting-state functional magnetic resonance imaging (rs-fMRI) and structural MRI (s-MRI) data collected on 973 individuals. Statisticians and computer scientists were potentially the most qualified for the machine learning aspect of the competition, but generally lacked the specialized skills to implement the necessary steps of data preparation for rs-fMRI. Realizing this barrier to entry, the Neuro Bureau prospectively collaborated with all competitors by preprocessing the data and sharing these results at the Neuroimaging Informatics Tools and Resources Clearinghouse (NITRC) (\url{http://www.nitrc.org/frs/?group_id=383}). This "ADHD-200 Preprocessed" release included multiple analytical pipelines to cater to different philosophies of data analysis. The processed derivatives included denoised and registered 4D fMRI volumes, regional time series extracted from brain parcellations, maps of 10 intrinsic connectivity networks, fractional amplitude of low frequency fluctuation, and regional homogeneity, along with grey matter density maps. The data was used by several teams who competed in the ADHD-200 Global Competition, including the winning entry by a group of biostaticians. To the best of our knowledge, the ADHD-200 Preprocessed release was the first large public resource of preprocessed resting-state fMRI and structural MRI data, and remains to this day the only resource featuring a battery of alternative processing paths.