Abstract Individual differences in cognition during childhood are associated with important social, physical, and mental health outcomes in adolescence and adulthood. Given that cortical surface arealization during development reflects the brain’s functional prioritization, quantifying variation in the topography of functional brain networks across the developing cortex may provide insight regarding individual differences in cognition. We test this idea by defining personalized functional networks (PFNs) that account for interindividual heterogeneity in functional brain network topography in 9-10 year olds from the Adolescent Brain Cognitive Development SM Study. Across matched discovery (n=3,525) and replication (n=3,447) samples, the total cortical representation of fronto-parietal PFNs positively correlated with general cognition. Cross-validated ridge regressions trained on PFN topography predicted cognition across domains, with prediction accuracy increasing along the cortex’s sensorimotor-association organizational axis. These results establish that functional network topography heterogeneity is associated with individual differences in cognition before the critical transition into adolescence.

ABSTRACT Our minds and brains are highly unique. Despite the long-recognized importance of the environment in shaping individual differences in cognitive neurodevelopment, only with the combination of deep phenotyping approaches and the availability of large-scale datasets have we been able to more comprehensively characterize the many inter-connected features of an individual’s environment and experience (“exposome”). Moreover, despite clear evidence that brain organization is highly individualized, most neuroimaging studies still rely on group atlases to define functional networks, smearing away inter-individual variation in the spatial layout of functional networks across the cortex (“functional topography”). Here, we leverage the largest longitudinal study of brain and behavior development in the United States to investigate how an individual’s exposome may contribute to functional brain network organization leading to differences in cognitive functioning. To do so, we apply three previously-validated data driven computational models to characterize an individual’s multidimensional exposome, define individual-specific maps of functional brain networks, and measure cognitive functioning across broad domains. In pre-registered analyses replicated across matched discovery ( n =5,139, 48.5% female) and replication ( n =5,137, 47.1% female) samples, we find that a child’s exposome is associated with multiple domains of cognitive functioning both at baseline assessment and two years later – over and above associations with baseline cognition. Cross-validated ridge regression models reveal that the exposome is reflected in children’s unique patterns of functional topography. Finally, we uncover both shared and unique contributions of the exposome and functional topography to cognitive abilities, finding that models trained on a single variable capturing a child’s exposome can more accurately and parsimoniously predict future cognitive performance than models trained on a wealth of personalized neuroimaging data. This study advances our understanding of how childhood environments contribute to unique patterns of functional brain organization and variability in cognitive abilities.

Abstract Functional neuroimaging is an essential tool for neuroscience research. Pre-processing pipelines produce standardized, minimally pre-processed data to support a range of potential analyses. However, post-processing is not similarly standardized. While several options for post-processing exist, they may not support output from different pre-processing pipelines, may have limited documentation, and may not follow generally accepted data organization standards (e.g., Brain Imaging Data Structure (BIDS)). In response, we present XCP-D: a collaborative effort between PennLINC at the University of Pennsylvania and the DCAN lab at the University of Minnesota. XCP-D uses an open development model on GitHub and incorporates continuous integration testing; it is distributed as a Docker container or Apptainer image. XCP-D generates denoised BOLD images and functional derivatives from resting-state data in either NIfTI or CIFTI files following pre-processing with fMRIPrep, HCP, or ABCD-BIDS pipelines. Even prior to its official release, XCP-D has been downloaded >5,000 times from DockerHub. Together, XCP-D facilitates robust, scalable, and reproducible post-processing of fMRI data.

Symptoms of borderline personality disorder (BPD) often manifest in adolescence, yet the underlying relationship between these debilitating symptoms and the development of functional brain networks is not well understood. Here we aimed to investigate how multivariate patterns of functional connectivity are associated with symptoms of BPD in a large sample of young adults and adolescents.We used high-quality functional Magnetic Resonance Imaging (fMRI) data from young adults from the Human Connectome Project: Young Adults (HCP-YA; N = 870, ages 22-37 years, 457 female) and youth from the Human Connectome Project: Development (HCP-D; N = 223, age range 16-21 years, 121 female). A previously validated BPD proxy score was derived from the NEO Five Factor Inventory (NEO-FFI). A ridge regression model with 10-fold cross-validation and nested hyperparameter tuning was trained and tested in HCP-YA to predict BPD scores in unseen data from regional functional connectivity, while controlling for in-scanner motion, age, and sex. The trained model was further tested on data from HCP-D without further tuning. Finally, we tested how the connectivity patterns associated with BPD aligned with age-related changes in connectivity.Multivariate functional connectivity patterns significantly predicted out-of-sample BPD proxy scores in unseen data in both young adults (HCP-YA; pperm = 0.001) and older adolescents (HCP-D; pperm = 0.001). Predictive capacity of regions was heterogeneous; the most predictive regions were found in functional systems relevant for emotion regulation and executive function, including the ventral attention network. Finally, regional functional connectivity patterns that predicted BPD proxy scores aligned with those associated with development in youth.Individual differences in functional connectivity in developmentally-sensitive regions are associated with the symptoms of BPD.

Abstract How does attention enhance neural representations of goal-relevant stimuli while suppressing representations of ignored stimuli across regions of the brain? While prior studies have shown that attention enhances visual responses, we lack a cohesive understanding of how selective attention modulates visual representations across the brain. Here, we used functional magnetic resonance imaging (fMRI) while participants performed a selective attention task on superimposed stimuli from multiple categories and used a data-driven approach to test how attention affects both decodability of category information and residual correlations (after regressing out stimulus-driven variance) with category-selective regions of ventral temporal cortex (VTC). Our data reveal three main findings. First, when two objects are simultaneously viewed, the category of the attended object can be decoded more readily than the category of the ignored object, with the greatest attentional enhancements observed in occipital and temporal lobes. Second, after accounting for the response to the stimulus, the correlation in the residual brain activity between a cortical region and a category-selective region of VTC was elevated when that region’s preferred category was attended vs. ignored, and more so in the right occipital, parietal, and frontal cortices. Third, we found that the stronger the residual correlations between a given region of cortex and VTC, the better visual category information could be decoded from that region. These findings suggest that heightened residual correlations by selective attention may reflect the sharing of information between sensory regions and higher-order cortical regions to provide attentional enhancement of goal-relevant information.

ABSTRACT Human cortical maturation has been posited to be organized along the sensorimotor-association (S-A) axis, a hierarchical axis of brain organization that spans from unimodal sensorimotor cortices to transmodal association cortices. Here, we investigate the hypothesis that the development of functional connectivity during childhood through adolescence conforms to the cortical hierarchy defined by the S-A axis. We tested this pre-registered hypothesis in four large-scale, independent datasets (total n = 3,355; ages 5-23 years): the Philadelphia Neurodevelopmental Cohort (n = 1,207), Nathan Kline Institute-Rockland Sample (n = 397), Human Connectome Project: Development (n = 625), and Healthy Brain Network (n = 1,126). In each dataset, the development of functional connectivity systematically varied along the S-A axis. Connectivity in sensorimotor regions increased, whereas connectivity in association cortices declined, refining and reinforcing the cortical hierarchy. These robust and generalizable results establish that the sensorimotor-association axis of cortical organization encodes the dominant pattern of functional connectivity development.

Abstract Brain-wide association studies (BWAS) are a fundamental tool in discovering brain-behavior associations. Several recent studies showed that thousands of study participants are required to improve the replicability of BWAS because actual effect sizes are much smaller than those reported in smaller studies. Here, we perform a meta-analysis of a robust effect size index (RESI) using 63 longitudinal and cross-sectional magnetic resonance imaging studies (75,255 total scans) to demonstrate that optimizing study design is an important way to improve standardized effect sizes in BWAS. Our results of brain volume associations with demographic and cognitive variables indicate that BWAS with larger standard deviation of the independent variable have larger effect size estimates and that longitudinal studies have systematically larger standardized effect sizes than cross-sectional studies by 290%. We propose a crosssectional RESI to adjust for the systematic difference in effect sizes between cross-sectional and longitudinal studies that allows investigators to quantify the benefit of conducting their study longitudinally. Using bootstrapping in the Lifespan Brain Chart Consortium we show that modifying study design to increase between-subject standard deviation by 45% increases standardized effect sizes by 42% and adding a second measurement per subject can increase effect sizes by 35%. These findings underscore the importance of considering design features in BWAS and emphasize that increasing sample size is not the only approach to improve the replicability of BWAS.

Functional neuroimaging is an essential tool for neuroscience research. Pre-processing pipelines produce standardized, minimally pre-processed data to support a range of potential analyses. However, post-processing is not similarly standardized. While several options for post-processing exist, they tend not to support output from disparate pre-processing pipelines, may have limited documentation, and may not follow BIDS best practices. Here we present XCP-D, which presents a solution to these issues. XCP-D is a collaborative effort between PennLINC at the University of Pennsylvania and the DCAN lab at the University at Minnesota. XCP-D uses an open development model on GitHub and incorporates continuous integration testing; it is distributed as a Docker container or Singularity image. XCP-D generates denoised BOLD images and functional derivatives from resting-state data in either NifTI or CIFTI files, following pre-processing with fMRIPrep, HCP, and ABCD-BIDS pipelines. Even prior to its official release, XCP-D has been downloaded >3,000 times from DockerHub. Together, XCP-D facilitates robust, scalable, and reproducible post-processing of fMRI data.