The regional distribution of white matter (WM) abnormalities in schizophrenia remains poorly understood, and reported disease effects on the brain vary widely between studies. In an effort to identify commonalities across studies, we perform what we believe is the first ever large-scale coordinated study of WM microstructural differences in schizophrenia. Our analysis consisted of 2359 healthy controls and 1963 schizophrenia patients from 29 independent international studies; we harmonized the processing and statistical analyses of diffusion tensor imaging (DTI) data across sites and meta-analyzed effects across studies. Significant reductions in fractional anisotropy (FA) in schizophrenia patients were widespread, and detected in 20 of 25 regions of interest within a WM skeleton representing all major WM fasciculi. Effect sizes varied by region, peaking at (d=0.42) for the entire WM skeleton, driven more by peripheral areas as opposed to the core WM where regions of interest were defined. The anterior corona radiata (d=0.40) and corpus callosum (d=0.39), specifically its body (d=0.39) and genu (d=0.37), showed greatest effects. Significant decreases, to lesser degrees, were observed in almost all regions analyzed. Larger effect sizes were observed for FA than diffusivity measures; significantly higher mean and radial diffusivity was observed for schizophrenia patients compared with controls. No significant effects of age at onset of schizophrenia or medication dosage were detected. As the largest coordinated analysis of WM differences in a psychiatric disorder to date, the present study provides a robust profile of widespread WM abnormalities in schizophrenia patients worldwide. Interactive three-dimensional visualization of the results is available at www.enigma-viewer.org .

Common risk factors for psychiatric and other brain disorders are likely to converge on biological pathways influencing the development and maintenance of brain structure and function across life. Using structural MRI data from 45,615 individuals aged 3-96 years, we demonstrate distinct patterns of apparent brain aging in several brain disorders and reveal genetic pleiotropy between apparent brain aging in healthy individuals and common brain disorders.

Between-individual variability in brain structure is determined by gene-environment interactions, possibly reflecting differential sensitivity to environmental and genetic perturbations. Magnetic resonance imaging (MRI) studies have revealed thinner cortices and smaller subcortical volumes in patients with schizophrenia. However, group-level comparisons may mask considerable within-group heterogeneity, which has largely remained unnoticed in the literature.To compare brain structural variability between individuals with schizophrenia and healthy controls and to test whether respective variability reflects the polygenic risk score (PRS) for schizophrenia in an independent sample of healthy controls.This case-control and polygenic risk analysis compared MRI-derived cortical thickness and subcortical volumes between healthy controls and patients with schizophrenia across 16 cohorts and tested for associations between PRS and MRI features in a control cohort from the UK Biobank. Data were collected from October 27, 2004, through April 12, 2018, and analyzed from December 3, 2017, through August 1, 2018.Mean and dispersion parameters were estimated using double generalized linear models. Vertex-wise analysis was used to assess cortical thickness, and regions-of-interest analyses were used to assess total cortical volume, total surface area, and white matter, subcortical, and hippocampal subfield volumes. Follow-up analyses included within-sample analysis, test of robustness of the PRS threshold, population covariates, outlier removal, and control for image quality.A comparison of 1151 patients with schizophrenia (mean [SD] age, 33.8 [10.6] years; 68.6% male [n = 790] and 31.4% female [n = 361]) with 2010 healthy controls (mean [SD] age, 32.6 [10.4] years; 56.0% male [n = 1126] and 44.0% female [n = 884]) revealed higher heterogeneity in schizophrenia for cortical thickness and area (t = 3.34), cortical (t = 3.24) and ventricle (t range, 3.15-5.78) volumes, and hippocampal subfields (t range, 2.32-3.55). In the UK Biobank sample of 12 490 participants (mean [SD] age, 55.9 [7.5] years; 48.2% male [n = 6025] and 51.8% female [n = 6465]), higher PRS was associated with thinner frontal and temporal cortices and smaller left CA2/3 (t = -3.00) but was not significantly associated with dispersion.This study suggests that schizophrenia is associated with substantial brain structural heterogeneity beyond the mean differences. These findings may reflect higher sensitivity to environmental and genetic perturbations in patients, supporting the heterogeneous nature of schizophrenia. A higher PRS was associated with thinner frontotemporal cortices and smaller hippocampal subfield volume, but not heterogeneity. This finding suggests that brain variability in schizophrenia results from interactions between environmental and genetic factors that are not captured by the PRS. Factors contributing to heterogeneity in frontotemporal cortices and hippocampus are key to furthering our understanding of how genetic and environmental factors shape brain biology in schizophrenia.

Delineating the association of age and cortical thickness in healthy individuals is critical given the association of cortical thickness with cognition and behavior. Previous research has shown that robust estimates of the association between age and brain morphometry require large-scale studies. In response, we used cross-sectional data from 17,075 individuals aged 3-90 years from the Enhancing Neuroimaging Genetics through Meta-Analysis (ENIGMA) Consortium to infer age-related changes in cortical thickness. We used fractional polynomial (FP) regression to quantify the association between age and cortical thickness, and we computed normalized growth centiles using the parametric Lambda, Mu, and Sigma method. Interindividual variability was estimated using meta-analysis and one-way analysis of variance. For most regions, their highest cortical thickness value was observed in childhood. Age and cortical thickness showed a negative association; the slope was steeper up to the third decade of life and more gradual thereafter; notable exceptions to this general pattern were entorhinal, temporopolar, and anterior cingulate cortices. Interindividual variability was largest in temporal and frontal regions across the lifespan. Age and its FP combinations explained up to 59% variance in cortical thickness. These results may form the basis of further investigation on normative deviation in cortical thickness and its significance for behavioral and cognitive outcomes.

Abstract Hemispheric asymmetry is a cardinal feature of human brain organization. Altered brain asymmetry has also been linked to some cognitive and neuropsychiatric disorders. Here the ENIGMA consortium presents the largest ever analysis of cerebral cortical asymmetry and its variability across individuals. Cortical thickness and surface area were assessed in MRI scans of 17,141 healthy individuals from 99 datasets worldwide. Results revealed widespread asymmetries at both hemispheric and regional levels, with a generally thicker cortex but smaller surface area in the left hemisphere relative to the right. Regionally, asymmetries of cortical thickness and/or surface area were found in the inferior frontal gyrus, transverse temporal gyrus, parahippocampal gyrus, and entorhinal cortex. These regions are involved in lateralized functions, including language and visuospatial processing. In addition to population-level asymmetries, variability in brain asymmetry was related to sex, age, and brain size (indexed by intracranial volume). Interestingly, we did not find significant associations between asymmetries and handedness. Finally, with two independent pedigree datasets ( N = 1,443 and 1,113, respectively), we found several asymmetries showing modest but highly reliable heritability. The structural asymmetries identified, and their variabilities and heritability provide a reference resource for future studies on the genetic basis of brain asymmetry and altered laterality in cognitive, neurological, and psychiatric disorders. Significance Statement Left-right asymmetry is a key feature of the human brain's structure and function. It remains unclear which cortical regions are asymmetrical on average in the population, and how biological factors such as age, sex and genetic variation affect these asymmetries. Here we describe by far the largest ever study of cerebral cortical brain asymmetry, based on data from 17,141 participants. We found a global anterior-posterior 'torque' pattern in cortical thickness, together with various regional asymmetries at the population level, which have not been previously described, as well as effects of age, sex, and heritability estimates. From these data, we have created an on-line resource that will serve future studies of human brain anatomy in health and disease.

Abstract Age has a major effect on brain volume. However, the normative studies available are constrained by small sample sizes, restricted age coverage and significant methodological variability. These limitations introduce inconsistencies and may obscure or distort the lifespan trajectories of brain morphometry. In response, we capitalised on the resources of the Enhancing Neuroimaging Genetics through Meta-Analysis (ENIGMA) Consortium to examine the age-related morphometric trajectories of the ventricles, the basal ganglia (caudate, putamen, pallidum, and nucleus accumbens), the thalamus, hippocampus and amygdala using magnetic resonance imaging data obtained from 18,605 individuals aged 3-90 years. All subcortical structure volumes were at their maximum early in life; the volume of the basal ganglia showed a gradual monotonic decline thereafter while the volumes of the thalamus, amygdala and the hippocampus remained largely stable (with some degree of decline in thalamus) until the sixth decade of life followed by a steep decline thereafter. The lateral ventricles showed a trajectory of continuous enlargement throughout the lifespan. Significant age-related increase in inter-individual variability was found for the hippocampus and amygdala and the lateral ventricles. These results were robust to potential confounders and could be used to derive risk predictions for the early identification of diverse clinical phenotypes.

Abstract Importance Between-subject variability in brain structure is determined by gene-environment interactions, possibly reflecting differential sensitivity to environmental and genetic perturbations. Magnetic resonance imaging (MRI) studies have revealed thinner cortices and smaller subcortical volumes in patients. However, such group-level comparisons may mask considerable within-group heterogeneity, which has largely remained unnoticed in the literature Objective To compare brain structural variability between individuals with SZ and healthy controls (HC) and to test if respective variability reflects the polygenic risk for SZ (PRS) in HC. Design, Setting, and Participants We compared MRI derived cortical thickness and subcortical volumes between 2,010 healthy controls and 1,151 patients with SZ across 16 cohorts. Secondly, we tested for associations between PRS and MRI features in 12,490 participants from UK Biobank. Main Outcomes and Measures We modeled mean and dispersion effects of SZ and PRS using double generalized linear models. We performed vertex-wise analyses for thickness, and region-of-interest analysis for cortical, subcortical and hippocampal subfield volumes. Follow-up analyses included within-sample analysis, controlling for intracranial volume and population covariates, test of robustness of PRS threshold, and outlier removal. Results Compared to controls, patients with SZ showed higher heterogeneity in cortical thickness, cortical and ventricle volumes, and hippocampal subfields. Higher PRS was associated with thinner frontal and temporal cortices, as well as smaller left CA2/3, but was not significantly associated with dispersion. Conclusion and relevance SZ is associated with substantial brain structural heterogeneity beyond the mean differences. These findings possibly reflect higher differential sensitivity to environmental and genetic perturbations in patients, supporting the heterogeneous nature of SZ. Higher PRS for SZ was associated with thinner fronto-temporal cortices and smaller subcortical volumes, but there were no significant associations with the heterogeneity in these measures, i.e. the variability among individuals with high PRS were comparable to the variability among individuals with low PRS. This suggests that brain variability in SZ results from interactions between environmental and genetic factors that are not captured by the PGR. Factors contributing to heterogeneity in fronto-temporal cortices and hippocampus are thus key to further our understanding of how genetic and environmental factors shape brain biology in SZ. Key Points Question: Is schizophrenia and its polygenic risk associated with brain structural heterogeneity in addition to mean changes? Findings: In a sample of 1151 patients and 2010 controls, schizophrenia was associated with increased heterogeneity in fronto-temporal thickness, cortical, ventricle, and hippocampal volumes, besides robust reductions in mean estimates. In an independent sample of 12,490 controls, polygenic risk for schizophrenia was associated with thinner fronto-temporal cortices and smaller CA2/3 of the left hippocampus, but not with heterogeneity. Meaning: Schizophrenia is associated with increased inter-individual differences in brainstructure, possibly reflecting clinical heterogeneity, gene-environment interactions, or secondary disease factors.

Abstract Delineating age-related cortical trajectories in healthy individuals is critical given the association of cortical thickness with cognition and behaviour. Previous research has shown that deriving robust estimates of age-related brain morphometric changes requires large-scale studies. In response, we conducted a large-scale analysis of cortical thickness in 17,075 individuals aged 3-90 years by pooling data through the Lifespan Working group of the Enhancing Neuroimaging Genetics through Meta-Analysis (ENIGMA) Consortium. We used fractional polynomial (FP) regression to characterize age-related trajectories in cortical thickness, and we computed normalized growth centiles using the parametric Lambda, Mu, and Sigma (LMS) method. Inter-individual variability was estimated using meta-analysis and one-way analysis of variance. Overall, cortical thickness peaked in childhood and had a steep decrease during the first 2-3 decades of life; thereafter, it showed a gradual monotonic decrease which was steeper in men than in women particularly in middle-life. Notable exceptions to this general pattern were entorhinal, temporopolar and anterior cingulate cortices. Inter-individual variability was largest in temporal and frontal regions across the lifespan. Age and its FP combinations explained up to 59% variance in cortical thickness. These results reconcile uncertainties about age-related trajectories of cortical thickness; the centile values provide estimates of normative variance in cortical thickness, and may assist in detecting abnormal deviations in cortical thickness, and associated behavioural, cognitive and clinical outcomes.

Background: Schizophrenia (SZ) and bipolar disorders (BD) share substantial neurodevelopmental components affecting brain maturation and architecture. This necessitates a dynamic lifespan perspective in which brain aberrations are inferred from deviations from expected lifespan trajectories. We applied machine learning to diffusion tensor imaging (DTI) indices of white matter structure and organization to estimate and compare brain age between patients with SZ, BD, and healthy controls across 10 cohorts. Methods: We trained six cross-validated models using different combinations of DTI data from 927 healthy controls (HC, 18-94 years), and applied the models to the test sets including 648 SZ (18-66 years) patients, 185 BD patients (18-64 years), and 990 HC (17-68 years), estimating brain age for each participant. Group differences were assessed using linear models, accounting for age, sex, and scanner. A meta-analytic framework was applied to assess the heterogeneity and generalizability of the results. Results: 10-fold cross-validation revealed high accuracy for all models. Compared to controls, the model including all feature sets significantly over-estimated the age of patients with SZ (d=-.29) and BD (d=.18), with similar effects for the other models. The meta-analysis converged on the same findings. Fractional anisotropy (FA) based models showed larger group differences than the models based on other DTI-derived metrics. Conclusions: Brain age prediction based on DTI provides informative and robust proxies for brain white matter integrity. Our results further suggest that white matter aberrations in SZ and BD primarily consist of anatomically distributed deviations from expected lifespan trajectories that generalize across cohorts and scanners.### Competing Interest StatementHugdahl owns shares in NordicNeuroLab, Inc, which produced add-on hardware for acquisition of data at the Bergen site.

Numerous genetic and environmental factors contribute to psychiatric disorders and other brain disorders. Common risk factors likely converge on biological pathways regulating the optimization of brain structure and function across the lifespan. Here, using structural magnetic resonance imaging and machine learning, we estimated the gap between brain age and chronological age in 36,891 individuals aged 3 to 96 years, including individuals with different brain disorders. We show that several disorders are associated with accentuated brain aging, with strongest effects in schizophrenia, multiple sclerosis and dementia, and document differential regional patterns of brain age gaps between disorders. In 16,269 healthy adult individuals, we show that brain age gap is heritable with a polygenic architecture overlapping those observed in common brain disorders. Our results identify brain age gap as a genetically modulated trait that offers a window into shared and distinct mechanisms in different brain disorders.