Abstract Most psychiatric disorders are highly heritable and associated with altered brain structural and functional patterns. Data fusion analyses on brain imaging and genetics, one of which is parallel independent component analysis (pICA), enable the link of genomic factors to brain patterns. Due to the small to modest effect sizes of common genetic variants in psychiatric disorders, it is usually challenging to reliably separate disorder-related genetic factors from the rest of the genome with the typical size of clinical samples. To alleviate this problem, we propose sparse parallel independent component analysis (spICA) to leverage the sparsity of individual genomic sources. The sparsity is enforced by performing Hoyer projection on the estimated independent sources. Simulation results demonstrate that the proposed spICA yields improved detection of independent sources and imaging-genomic associations compared to pICA. We applied spICA to gray matter volume (GMV) and single nucleotide polymorphism (SNP) data of 341 unrelated adults, including 127 controls, 167 attention-deficit/hyperactivity disorder (ADHD) cases, and 47 unaffected siblings. We identified one SNP source significantly and positively associated with a GMV source in superior/middle frontal regions. This association was replicated with a smaller effect size in 317 adolescents from ADHD families, including 188 individuals with ADHD and 129 unaffected siblings. The association was found to be more significant in ADHD families than controls, and stronger in adults and older adolescents than younger ones. The identified GMV source in superior/middle frontal regions was not correlated with head motion parameters and its loadings (expression levels) were reduced in adolescent (but not adult) individuals with ADHD. This GMV source was associated with working memory deficits in both adult and adolescent individuals with ADHD. The identified SNP component highlights SNPs in genes encoding long non-coding RNAs and SNPs in genes MEF2C, CADM2, and CADPS2, which have known functions relevant for modulating neuronal substrates underlying high-level cognition in ADHD.

The cerebral cortex underlies our complex cognitive capabilities, yet we know little about the specific genetic loci influencing human cortical structure. To identify genetic variants, including structural variants, impacting cortical structure, we conducted a genome-wide association meta-analysis of brain MRI data from 51,662 individuals. We analysed the surface area and average thickness of the whole cortex and 34 regions with known functional specialisations. We identified 255 nominally significant loci ( P ≤ 5 × 10−8); 199 survived multiple testing correction ( P ≤ 8.3 × 10−10; 187 surface area; 12 thickness). We found significant enrichment for loci influencing total surface area within regulatory elements active during prenatal cortical development, supporting the radial unit hypothesis. Loci impacting regional surface area cluster near genes in Wnt signalling pathways, known to influence progenitor expansion and areal identity. Variation in cortical structure is genetically correlated with cognitive function, Parkinson’s disease, insomnia, depression and ADHD.One Sentence Summary Common genetic variation is associated with inter-individual variation in the structure of the human cortex, both globally and within specific regions, and is shared with genetic risk factors for some neuropsychiatric disorders.

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.

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.

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.

For many traits, males show greater variability than females, with possible implications for understanding sex differences in health and disease. Here, the ENIGMA (Enhancing Neuro Imaging Genetics through Meta-Analysis) Consortium presents the largest-ever mega-analysis of sex differences in variability of brain structure, based on international data spanning nine decades of life. Subcortical volumes, cortical surface area and cortical thickness were assessed in MRI data of 16,683 healthy individuals 1-90 years old (47% females). We observed patterns of greater male than female between-subject variance for all brain measures. This pattern was stable across the lifespan for 50% of the subcortical structures, 70% of the regional area measures, and nearly all regions for thickness. Our findings that these sex differences are present in childhood implicate early life genetic or gene-environment interaction mechanisms. The findings highlight the importance of individual differences within the sexes, that may underpin sex-specific vulnerability to disorders.

The hippocampus is a heterogeneous structure, comprising histologically distinguishable subfields. These subfields are differentially involved in memory consolidation, spatial navigation and pattern separation, complex functions often impaired in individuals with brain disorders characterized by reduced hippocampal volume, including Alzheimer's disease (AD) and schizophrenia. Given the structural and functional heterogeneity of the hippocampal formation, we sought to characterize the subfields' genetic architecture. T1-weighted brain scans (n=21297, 16 cohorts) were processed with the hippocampal subfields algorithm in FreeSurfer v6.0. We ran a genome-wide association analysis on each subfield, covarying for total hippocampal volume. We further calculated the single nucleotide polymorphism (SNP)-based heritability of twelve subfields, as well as their genetic correlation with each other, with other structural brain features, and with AD and schizophrenia. All outcome measures were corrected for age, sex, and intracranial volume. We found 15 unique genome-wide significant loci across six subfields, of which eight had not been previously linked to the hippocampus. Top SNPs were mapped to genes associated with neuronal differentiation, locomotor behaviour, schizophrenia and AD. The volumes of all the subfields were estimated to be heritable (h2 from .14 to .27, all p< 1x10-16) and clustered together based on their genetic correlations compared to other structural brain features. There was also evidence of genetic overlap of subicular subfield volumes with schizophrenia. We conclude that hippocampal subfields have partly distinct genetic determinants associated with specific biological processes and traits. Taking into account this specificity may increase our understanding of hippocampal neurobiology and associated pathologies.

Subcortical brain structures are integral to motion, consciousness, emotions, and learning. We identified common genetic variation related to the volumes of nucleus accumbens, amygdala, brainstem, caudate nucleus, globus pallidus, putamen, and thalamus, using genome-wide association analyses in over 40,000 individuals from CHARGE, ENIGMA and the UK-Biobank. We show that variability in subcortical volumes is heritable, and identify 25 significantly associated loci (20 novel). Annotation of these loci utilizing gene expression, methylation, and neuropathological data identified 62 candidate genes implicated in neurodevelopment, synaptic signaling, axonal transport, apoptosis, and susceptibility to neurological disorders. This set of genes is significantly enriched for Drosophila orthologs associated with neurodevelopmental phenotypes, suggesting evolutionarily conserved mechanisms. Our findings uncover novel biology and potential drug targets underlying brain development and disease.

Cortical thickness, surface area and volumes (MRI cortical measures) vary with age and cognitive function, and in neurological and psychiatric diseases. We examined heritability, genetic correlations and genome-wide associations of cortical measures across the whole cortex, and in 34 anatomically predefined regions. Our discovery sample comprised 22,824 individuals from 20 cohorts within the Cohorts for Heart and Aging Research in Genomic Epidemiology (CHARGE) consortium and the United Kingdom Biobank. Significant associations were replicated in the Enhancing Neuroimaging Genetics through Meta-analysis (ENIGMA) consortium, and their biological implications explored using bioinformatic annotation and pathway analyses. We identified genetic heterogeneity between cortical measures and brain regions, and 160 genome-wide significant associations pointing to wnt/β-catenin, TGF-β and sonic hedgehog pathways. There was enrichment for genes involved in anthropometric traits, hindbrain development, vascular and neurodegenerative disease and psychiatric conditions. These data are a rich resource for studies of the biological mechanisms behind cortical development and aging.

Susceptibility genes for psychiatric and neurological disorders - including APOE, BDNF, CLU, CNTNAP2, COMT, DISC1, DTNBP1, ErbB4, HFE, NRG1, NTKR3, and ZNF804A - have been reported to affect white matter (WM) microstructure in the healthy human brain, as assessed through diffusion tensor imaging (DTI). However, effects of single nucleotide polymorphisms (SNPs) in these genes explain only a small fraction of the overall variance and are challenging to detect reliably in single cohort studies. To date, few studies have evaluated the reproducibility of these results. As part of the ENIGMA-DTI consortium, we pooled regional fractional anisotropy (FA) measures for 6,165 subjects (CEU ancestry N=4,458) from 11 cohorts worldwide to evaluate effects of 15 candidate SNPs by examining their associations with WM microstructure. Additive association tests were conducted for each SNP. We used several meta-analytic and mega-analytic designs, and we evaluated regions of interest at multiple granularity levels. The ENIGMA-DTI protocol was able to detect single-cohort findings as originally reported. Even so, in this very large sample, no significant associations remained after multiple-testing correction for the 15 SNPs investigated. Suggestive associations (1.3x10-4 < p < 0.05, uncorrected) were found for BDNF, COMT, and ZNF804A in specific tracts. Meta- and mega-analyses revealed similar findings. Regardless of the approach, the previously reported candidate SNPs did not show significant associations with WM microstructure in this largest genetic study of DTI to date; the negative findings are likely not due to insufficient power. Genome-wide studies, involving large-scale meta-analyses, may help to discover SNPs robustly influencing WM microstructure.