Objective: Autism spectrum disorder (ASD) is accompanied by highly individualized neuroanatomical deviations that potentially map onto distinct genotypes and clinical phenotypes. This study aimed to link differences in brain anatomy to specific biological pathways to pave the way toward targeted therapeutic interventions. Methods: The authors examined neurodevelopmental differences in cortical thickness and their genomic underpinnings in a large and clinically diverse sample of 360 individuals with ASD and 279 typically developing control subjects (ages 6–30 years) within the EU-AIMS Longitudinal European Autism Project (LEAP). The authors also examined neurodevelopmental differences and their potential pathophysiological mechanisms between clinical ASD subgroups that differed in the severity and pattern of sensory features. Results: In addition to significant between-group differences in “core” ASD brain regions (i.e., fronto-temporal and cingulate regions), individuals with ASD manifested as neuroanatomical outliers within the neurotypical cortical thickness range in a wider neural system, which was enriched for genes known to be implicated in ASD on the genetic and/or transcriptomic level. Within these regions, the individuals’ total (i.e., accumulated) degree of neuroanatomical atypicality was significantly correlated with higher polygenic scores for ASD and other psychiatric conditions, and it scaled with measures of symptom severity. Differences in cortical thickness deviations were also associated with distinct sensory subgroups, especially in brain regions expressing genes involved in excitatory rather than inhibitory neurotransmission. Conclusions: The study findings corroborate the link between macroscopic differences in brain anatomy and the molecular mechanisms underpinning heterogeneity in ASD, and provide future targets for stratification and subtyping.

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 Autism spectrum disorders (ASD) are neurodevelopmental conditions accompanied by differences in brain development. Neuroanatomical differences in autism are variable across individuals and likely underpin distinct clinical phenotypes. To parse heterogeneity, it is essential to establish how the neurobiology of ASD is modulated by differences associated with co-occurring conditions, such as attention-deficit/hyperactivity disorder (ADHD). This study aimed to (1) investigate between-group differences in autistic individuals with and without co-occurring ADHD, and to (2) link these variances to putative genomic underpinnings. Methods We examined differences in cortical thickness (CT) and surface area (SA) and their genomic associations in a sample of 533 individuals from the Longitudinal European Autism Project. Using a general linear model including main effects of autism and ADHD, and an ASD-by-ADHD interaction, we examined to which degree ADHD modulates the autism-related neuroanatomy. Further, leveraging the spatial gene expression data of the Allen Human Brain Atlas, we identified genes whose spatial expression patterns resemble our neuroimaging findings. Results In addition to significant main effects for ASD and ADHD in fronto-temporal, limbic, and occipital regions, we observed a significant ASD-by-ADHD interaction in the left precentral gyrus and the right frontal gyrus for measures of CT and SA, respectively. Moreover, individuals with ASD + ADHD differed in CT to those without. Both main effects and the interaction were enriched for ASD—but not for ADHD-related genes. Limitations Although we employed a multicenter design to overcome single-site recruitment limitations, our sample size of N = 25 individuals in the ADHD only group is relatively small compared to the other subgroups, which limits the generalizability of the results. Also, we assigned subjects into ADHD positive groupings according to the DSM-5 rating scale. While this is sufficient for obtaining a research diagnosis of ADHD, our approach did not take into account for how long the symptoms have been present, which is typically considered when assessing ADHD in the clinical setting. Conclusion Thus, our findings suggest that the neuroanatomy of ASD is significantly modulated by ADHD, and that autistic individuals with co-occurring ADHD may have specific neuroanatomical underpinnings potentially mediated by atypical gene expression.

Importance In the neurotypical brain, regions develop in coordinated patterns, providing a fundamental scaffold for brain function and behavior. Whether altered patterns contribute to clinical profiles in neurodevelopmental conditions, including autism, remains unclear. Objectives To examine if, in autism, brain regions develop differently in relation to each other and how these differences are associated with molecular/genomic mechanisms and symptomatology. Design, Setting, and Participants This study was an analysis of one the largest deep-phenotyped, case-control, longitudinal (2 assessments separated by approximately 12-24 months) structural magnetic resonance imaging and cognitive-behavioral autism datasets (EU-AIMS Longitudinal European Autism Project [LEAP]; study dates, February 2014-November 2017) and an out-of-sample validation in the Brain Development Imaging Study (BrainMapASD) independent cohort. Analyses were performed during the 2022 to 2023 period. This multicenter study included autistic and neurotypical children, adolescents, and adults. Autistic participants were included if they had an existing autism diagnosis ( DSM-IV / International Statistical Classification of Diseases and Related Health Problems, Tenth Revision or DSM-5 criteria). Autistic participants with co-occurring psychiatric conditions (except psychosis/bipolar disorder) and those taking regular medications were included. Exposures Neuroanatomy of neurotypical and autistic participants. Main Outcomes and Measures Intraindividual changes in surface area and cortical thickness over time, analyzed via surface-based morphometrics. Results A total of 386 individuals in the LEAP cohort (6-31 years at first visit; 214 autistic individuals, mean [SD] age, 17.3 [5.4] years; 154 male [72.0%] and 172 neurotypical individuals, mean [SD] age, 16.35 [5.7] years; 108 male [62.8%]) and 146 individuals in the BrainMapASD cohort (11-18 years at first visit; 49 autistic individuals, mean [SD] age, 14.31 [2.4] years; 42 male [85.7%] and 97 neurotypical individuals, mean [SD] age, 14.10 [2.5] years; 58 male [59.8%]). Maturational between-group differences in cortical thickness and surface area were established that were mostly driven by sensorimotor regions (eg, across features, absolute loadings for early visual cortex ranged from 0.07 to 0.11, whereas absolute loadings for dorsolateral prefrontal cortex ranged from 0.005 to 0.06). Neurodevelopmental differences were transcriptomically enriched for genes expressed in several cell types and during various neurodevelopmental stages, and autism candidate genes (eg, downregulated genes in autism, including those regulating synaptic transmission; enrichment odds ratio =3.7; P =2.6 × −10 ). A more neurotypical, less autismlike maturational profile was associated with fewer social difficulties and more typical sensory processing (false discovery rate P <.05; Pearson r ≥0.17). Results were replicated in the independently collected BrainMapASD cohort. Conclusions and Relevance Results of this case-control study suggest that the coordinated development of brain regions was altered in autism, involved a complex interplay of temporally sensitive molecular mechanisms, and may be associated with both lower-order (eg, sensory) and higher-order (eg, social) clinical features of autism. Thus, examining maturational patterns may provide an analytic framework to study the neurobiological origins of clinical profiles in neurodevelopmental/mental health conditions.

Abstract We introduce an open-source Python package for the analysis of large-scale electrophysiological data called SyNCoPy, for Systems Neuroscience Computing in Python. The package includes signal processing analyses across time (e.g. time-lock analysis), frequency (e.g. power spectrum), and connectivity (e.g. coherence) domains. It enables user-friendly data analysis on both laptop-based and high-performance computing systems. SyNCoPy is designed to facilitate trial-parallel workflows (parallel processing of trials) making it an ideal tool for large-scale analysis of electrophysiological data. Based on parallel processing of trials, the software can support very large-scale datasets via innovative out-of-core computation techniques. It also provides seamless interoperability with other standard software packages through a range of file format importers and exporters and open file formats. The naming of the user functions closely follows the well-established FieldTrip framework, which is an open-source Matlab toolbox for advanced analysis of electrophysiological data.

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.

Disruptions in the tightly regulated process of human brain development have been linked to increased risk for brain and mental illnesses. While the genetic contribution to these diseases is well established, important environmental factors have been less studied at molecular and cellular levels. In this study, we used single-cell and cell-type-specific techniques to investigate the effect of glucocorticoid (GC) exposure, a mediator of antenatal environmental risk, on gene regulation and lineage specification in unguided human neural organoids. We characterized the transcriptional response to chronic GC exposure during neural differentiation and studied the underlying gene regulatory networks by integrating single-cell transcriptomics-with chromatin accessibility data. We found lasting cell type-specific changes that included autism risk genes and several transcription factors associated with neurodevelopment. Chronic GCs influenced lineage specification primarily by priming the inhibitory neuron lineage through key transcription factors like PBX3. We provide evidence for convergence of genetic and environmental risk factors through a common mechanism of altering lineage specification.

Summary Digital Rock Physics (DRP) serves as a versatile tool for modeling various rock types. However, the complexity of modeling heterogeneous rock samples presents a significant challenge because of their complex structures. Striking a balance between high-resolution (HR) images and a wide field of view (FoV) is crucial for accurate pore-scale modeling, yet the trade-off between resolution and FoV complicates this task. Moslemipour et al. (2023) introduced the Cross-Correlation-based Simulation (CCSIM) with Watershed-based Algorithm (CWMR) for multiscale image reconstruction, although computational costs still remain a concern. This study introduces an innovative approach addressing computational limitations while maintaining reconstruction accuracy. Unlike CWMR, the proposed approach utilizes the Octree structure for µCT image reconstruction of a Berea sandstone. The process involves converting low-resolution (LR) images into an Octree structure, with calculations performed on resampled LR images. This streamlined approach reduces time-consuming computations and minimizes memory consumption. Comparative analysis against new approach and HR images demonstrates the new approach's efficacy, showing close agreement with HR image. The introduced approach completes reconstructions 1.8 times faster (68 hours vs. 120 hours) and requires significantly less memory (2.4 GB vs. 65 GB) than CWMR, highlighting its practical advantages in the realm of DRP.

Motivation: Hodgkin lymphoma is a tumor of the lymphatic system and represents one of the most frequent lymphoma in the Western world. It is characterized by Hodgkin cells and Reed-Sternberg cells, which exhibit a broad morphological spectrum. The cells are visualized by immunohistochemical staining of tissue sections. In pathology, tissue images are mainly manually evaluated, relying on the expertise and experience of pathologists. Computational quantification methods become more and more essential to evaluate tissue images. In particular, the distribution of cancer cells is of great interest. Results: Here, we systematically quantified and investigated cancer cell properties and their spatial neighborhood relations by applying statistical analyses to whole slide images of Hodgkin lymphoma and lymphadenitis, which describes a non-cancerous inflammation of the lymph node. We differentiated cells by their morphology and studied the spatial neighborhood relation of more than 400,000 immunohistochemically stained cells. We found that, according to their morphological features, the cells exhibited significant preferences for and aversions to cells of specific profiles as nearest neighbor. We quantified differences between Hodgkin lymphoma and lymphadenitis concerning the neighborhood relations of cells and the sizes of cells. The approach can easily be applied to other cancer types.