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 ).

Among ‘big data’ initiatives, the ENIGMA ( E nhancing N euroImaging G enetics through M eta- A nalysis) Consortium—a worldwide alliance of over 2,000 scientists diversified into over 50 Working Groups—has yielded some of the largest studies of the healthy and diseased brain. Integration of multisite datasets to assess transdiagnostic similarities and differences and to contextualize findings with respect to neural organization, however, have been limited. Here, we introduce the ENIGMA Toolbox, a Python/Matlab ecosystem for ( i ) accessing 100+ ENIGMA datasets, facilitating cross-disorder analysis, ( ii ) visualizing data on brain surfaces, and ( iii ) contextualizing findings at the microscale ( postmortem cytoarchitecture and gene expression) and macroscale (structural and functional connectomes). Our Toolbox equips scientists with tutorials to explore molecular, histological, and network correlates of noninvasive neuroimaging markers of brain disorders. Moreover, our Toolbox bridges the gap between standardized data processing protocols and analytic workflows and facilitates cross-consortia initiatives. The Toolbox is documented and openly available at http://enigma-toolbox.readthedocs.io . Abstract Figure

A bstract The vast net of fibres within and underneath the cortex is optimised to support the convergence of different levels of brain organisation. Here we propose a novel coordinate system of the human cortex based on an advanced model of its connectivity. Our approach is inspired by seminal, but so far largely neglected models of cortico-cortical wiring established by post mortem anatomical studies and capitalizes on cutting-edge neuroimaging and machine learning. The new model expands the currently prevailing diffusion MRI tractography approach by incorporation of additional features of cortical microstructure and cortico-cortical proximity. Studying several datasets, we could show that our coordinate system robustly recapitulates established sensory-limbic and anterior-posterior dimensions of brain organisation. A series of validation experiments showed that the new wiring space reflects cortical microcircuit features (including pyramidal neuron depth and glial expression) and allowed for competitive simulations of functional connectivity and dynamics across a broad range contexts (based on resting-state fMRI, task-based fMRI, and human intracranial EEG coherence). Our results advance our understanding of how cell-specific neurobiological gradients produce a hierarchical cortical wiring scheme that is concordant with increasing functional sophistication of human brain organisation. Our evaluations demonstrate the cortical wiring space bridges across scales of neural organisation and can be easily translated to single individuals.

A bstract Multimodal magnetic resonance imaging (MRI) has accelerated human neuroscience by fostering the analysis of brain structure, function, and connectivity across multiple scales and in living brains. The richness and complexity of multimodal neuroimaging, however, demands processing methods to integrate information across modalities and different spatial scales. Here, we present micapipe , an open processing pipeline for BIDS-conform multimodal MRI datasets. micapipe can generate i) structural connectomes derived from diffusion tractography, ii) functional connectomes derived from resting-state signal correlations, iii) geodesic distance matrices that quantify cortico-cortical proximity, and iv) microstructural profile covariance matrices that assess inter-regional similarity in cortical myelin proxies. These matrices are routinely generated across established 18 cortical parcellations (100-1000 parcels), in addition to subcortical and cerebellar parcellations. Results are represented on three different surface spaces (native, conte69, fsaverage5), and outputs are BIDS-conform. Processed outputs can be quality controlled at the individual and group level. micapipe was tested on several datasets and is available at https://github.com/MICA-MNI/micapipe , documented at https://micapipe.readthedocs.io/ , and containerized as a BIDS App http://bids-apps.neuroimaging.io/apps/ . We hope that micapipe will foster robust and integrative studies of human brain microstructure, morphology, and connectivity.

A bstract Core features of higher-order cognition are hypothesized to be implemented via distributed cortical networks that are linked via long-range connections. However, these connections are biologically expensive, and it is unknown how the computational advantages long-range connections provide overcome the associated wiring costs. Our study investigated this question by exploring the relationship between long-range functional connections and local cortical microarchitecture. Specifically, our work (i) profiled distant cortical connectivity using resting-state fMRI and cortico-cortical geodesic distance mapping, (ii) assessed how long-range connections reflect local brain microarchitecture, and (iii) studied the microarchitectural similarity of regions connected through long-range connections. Analysis of two independent datasets indicated that sensory and motor areas had more clustered short-range connectivity patterns, while transmodal association cortices, including regions of the default mode network, were characterized by distributed, long-range connections. Confirmatory meta-analysis suggested that this topographical difference mirrored a shift in cognitive function, from perception/action towards emotional and social cognitive processing. Analysis of myelin-sensitive in vivo MRI in the same participants as well as post mortem histology and gene expression established that gradients in functional connectivity distance are paralleled by those present in cortical microarchitecture. Moreover, long-range connections were found to link together spatially remote regions of association cortex with an unexpectedly similar microarchitecture. These findings provide novel insights into how the organization of distributed functional networks in transmodal association cortex contribute to cognition, because they suggest that long-range connections link together distant islands of association cortex with similar microstructural features.

ABSTRACT Brain structure scaffolds intrinsic function, supporting cognition and ultimately behavioral flexibility. However, it remains unclear how a static, genetically controlled architecture supports flexible cognition and behavior. Here, we synthesize genetic, phylogenetic and cognitive analyses to understand how the macroscale organization of structure-function coupling across the cortex can inform its role in cognition. In humans, structure-function coupling was highest in regions of unimodal cortex and lowest in transmodal cortex, a pattern that was mirrored by a reduced alignment with heritable connectivity profiles. Structure-function uncoupling in non-human primates had a similar spatial distribution, but we observed an increased coupling between structure and function in association regions in macaques relative to humans. Meta-analysis suggested regions with the least genetic control (low heritable correspondence and different across primates) are linked to social cognition and autobiographical memory. Our findings establish the genetic and evolutionary uncoupling of structure and function in different transmodal systems may support the emergence of complex, culturally embedded forms of cognition.

S ummary The default mode network (DMN), a set of brain regions in parietal, temporal and frontal cortex, is implicated in many aspects of complex thought and behavior. However, understanding the role of the DMN is complicated because is implicated in functional states that bridge traditional psychological categories and that may have antagonistic features, notably perceptually-decoupled mind-wandering vs perceptually-driven decision making. Here, we leverage post mortem histology and high field in vivo neuroimaging to show how the anatomy of the DMN helps to explain its broad functional associations. The DMN contains cytoarchitecture associated with unimodal, heteromodal, and memory-related processing, an architecture that can enable complex behaviours dependent on integration of perception and memory. Anatomically, the DMN contains regions receptive to input from sensory cortex and a core that is relatively insulated from environmental input, a division that may explain the network’s role in internally- and externally-focussed states. Finally, the DMN is unique amongst cortical networks in balancing its output across the levels of sensory processing hierarchies, a pattern that may help coordinate and homogenise distributed neural function. Together, our study establishes an anatomical foundation for mechanistic accounts of how the DMN contributes to human thought and behaviour by integrating experiences of the inner and outer worlds.

SUMMARY Epilepsy is increasingly conceptualized as a network disorder. In this cross-sectional mega-analysis, we integrated neuroimaging and connectome analysis to identify network associations with atrophy patterns in 1,021 adults with epilepsy compared to 1,564 healthy controls from 19 international sites. In temporal lobe epilepsy, areas of atrophy co-localized with highly interconnected cortical hub regions, whereas idiopathic generalized epilepsy showed preferential subcortical hub involvement. These morphological abnormalities were anchored to the connectivity profiles of distinct disease epicenters, pointing to temporo-limbic cortices in temporal lobe epilepsy and fronto-central cortices in idiopathic generalized epilepsy. Indices of progressive atrophy further revealed a strong influence of connectome architecture on disease progression in temporal lobe, but not idiopathic generalized, epilepsy. Our findings were reproduced across individual sites and single patients, and were robust across different analytical methods. Through worldwide collaboration in ENIGMA-Epilepsy, we provided novel insights into the macroscale features that shape the pathophysiology of common epilepsies.

A bstract Episodic memory is our ability to remember past events accurately. Pattern separation, the process of of orthogonalizing similar aspects of external information into nonoverlapping representations, is one of its mechanisms. Converging evidence suggests a pivotal role of the hippocampus, in concert with neocortical areas, in this process. The current study aimed to identify principal dimensions of functional activation associated with pattern separation in hippocampal and neocortical areas, in both healthy individuals and patients with lesions to the hippocampus. Administering a pattern separation fMRI paradigm to a group of healthy adults, we detected task-related activation in bilateral hippocampal and distributed neocortical areas. Capitalizing on manifold learning techniques applied to parallel resting-state fMRI data, we could identify that hippocampal and neocortical activity patterns were efficiently captured by their principal gradients of intrinsic functional connectivity, which follows the hippocampal long axis and sensory-fugal cortical organization. Functional activation patterns and their alignment with these principal dimensions were altered in patients. Notably, inter-individual differences in the concordance between task-related activity and intrinsic functional gradients were correlated with pattern separation performance in both patients and controls. Our work outlines a parsimonious approach to capture the functional underpinnings of episodic memory processes at the systems level, and to decode functional reorganization in clinical populations.