Abstract Results of neuroimaging datasets aggregated from multiple sites may be biased by site- specific profiles in participants’ demographic and clinical characteristics, as well as MRI acquisition protocols and scanning platforms. We compared the impact of four different harmonization methods on results obtained from analyses of cortical thickness data: (1) linear mixed-effects model (LME) that models site-specific random intercepts (LME INT ), (2) LME that models both site-specific random intercepts and age-related random slopes (LME INT+SLP ), (3) ComBat, and (4) ComBat with a generalized additive model (ComBat-GAM). Our test case for comparing harmonization methods was cortical thickness data aggregated from 29 sites, which included 1,343 cases with posttraumatic stress disorder (PTSD) (6.2-81.8 years old) and 2,067 trauma-exposed controls without PTSD (6.3-85.2 years old). We found that, compared to the other data harmonization methods, data processed with ComBat-GAM were more sensitive to the detection of significant case-control differences in regional cortical thickness ( X 2 (3) = 34.339, p < 0.001), and case-control differences in age-related cortical thinning ( X 2 (3) = 15.128, p = 0.002). Specifically, ComBat-GAM led to larger effect size estimates of cortical thickness reductions (corrected p-values < 0.001 ), smaller age-appropriate declines (corrected p-values < 0.001 ), and lower female to male contrast (corrected p-values < 0.001 ) in cases compared to controls relative to other harmonization methods. Harmonization with ComBat-GAM also led to greater estimates of age-related declines in cortical thickness (corrected p-values < 0.001 ) in both cases and controls compared to other harmonization methods. Our results support the use of ComBat-GAM for harmonizing cortical thickness data aggregated from multiple sites and scanners to minimize confounds and increase statistical power.

Abstract Echo planar imaging (EPI) is widely used in functional and diffusion-weighted MRI, but suffers from significant geometric distortions in the phase encoding direction caused by inhomogeneities in the static magnetic field (B 0 ). This is a particular challenge for EPI at very high field (≥ 7T), as distortion increases with higher field strength. A number of techniques for distortion correction exist, including those based on B 0 field mapping and acquiring EPI scans with opposite phase encoding directions. However, few quantitative comparisons of distortion compensation methods have been performed using human EPI data, especially at very high field. Here, we compared distortion compensation using B 0 field maps and opposite phase encoding scans in two different software packages (FSL and AFNI) applied to 7T gradient echo (GE) EPI data from 31 human participants. We assessed distortion compensation quality by quantifying alignment to anatomical reference scans using Dice coefficients and mutual information. Performance between FSL and AFNI was equivalent. In our whole-brain analyses, we found superior distortion compensation using GE scans with opposite phase encoding directions, versus B 0 field maps or spin echo (SE) opposite phase encoding scans. However, SE performed better when analyses were limited to ventromedial prefrontal cortex, a region with substantial dropout. Matching the type of opposite phase encoding scans to the EPI data being corrected (e.g., SE-to-SE) also yielded better distortion correction. While the ideal distortion compensation approach likely varies depending on methodological differences across experiments, this study provides a framework for quantitative comparison of different distortion compensation methods.

Abstract Introduction Cortical thickness (CT) and surface area (SA) are established biomarkers of brain pathology in posttraumatic stress disorder (PTSD). Structural covariance networks (SCN) constructed from CT and SA may represent developmental associations, or unique interactions between brain regions, possibly influenced by a common causal antecedent. The ENIGMA-PGC PTSD Working Group aggregated PTSD and control subjects’ data from 29 cohorts in five countries (n=3439). Methods Using Destrieux Atlas, we built SCNs and compared centrality measures between PTSD subjects and controls. Centrality is a graph theory measure derived using SCN. Results Notable nodes with higher CT-based centrality in PTSD compared to controls were left fusiform gyrus, left superior temporal gyrus, and right inferior temporal gyrus. We found sex-based centrality differences in bilateral frontal lobe regions, left anterior cingulate, left superior occipital cortex and right ventromedial prefrontal cortex (vmPFC). Comorbid PTSD and MDD showed higher CT-based centrality in the right anterior cingulate gyrus, right parahippocampal gyrus and lower SA-based centrality in left insular gyrus. Conclusion Unlike previous studies with smaller sample sizes (≤318), our study found differences in centrality measures using a sample size of 3439 subjects. This is the first cross-sectional study to examine SCN interactions with age, sex, and comorbid MDD. Although limited to group level inferences, centrality measures offer insights into a node’s relationship to the entire functional connectome unlike approaches like seed-based connectivity or independent component analysis. Nodes having higher centrality have greater structural or functional connections, lending them invaluable for translational treatments like neuromodulation.

Multivariate techniques better fit the anatomy of complex neuropsychiatric disorders which are characterized not by alterations in a single region, but rather by variations across distributed brain networks. Here, we used principal component analysis (PCA) to identify patterns of covariance across brain regions and relate them to clinical and demographic variables in a large generalizable dataset of individuals with bipolar disorders and controls. We then compared performance of PCA and clustering on identical sample to identify which methodology was better in capturing links between brain and clinical measures. Using data from the ENIGMA-BD working group, we investigated T1-weighted structural MRI data from 2436 participants with BD and healthy controls, and applied PCA to cortical thickness and surface area measures. We then studied the association of principal components with clinical and demographic variables using mixed regression models. We compared the PCA model with our prior clustering analyses of the same data and also tested it in a replication sample of 327 participants with BD or schizophrenia and healthy controls. The first principal component, which indexed a greater cortical thickness across all 68 cortical regions, was negatively associated with BD, BMI, antipsychotic medications, and age and was positively associated with Li treatment. PCA demonstrated superior goodness of fit to clustering when predicting diagnosis and BMI. Moreover, applying the PCA model to the replication sample yielded significant differences in cortical thickness between healthy controls and individuals with BD or schizophrenia. Cortical thickness in the same widespread regional network as determined by PCA was negatively associated with different clinical and demographic variables, including diagnosis, age, BMI, and treatment with antipsychotic medications or lithium. PCA outperformed clustering and provided an easy-to-use and interpret method to study multivariate associations between brain structure and system-level variables. PRACTITIONER POINTS: In this study of 2770 Individuals, we confirmed that cortical thickness in widespread regional networks as determined by principal component analysis (PCA) was negatively associated with relevant clinical and demographic variables, including diagnosis, age, BMI, and treatment with antipsychotic medications or lithium. Significant associations of many different system-level variables with the same brain network suggest a lack of one-to-one mapping of individual clinical and demographic factors to specific patterns of brain changes. PCA outperformed clustering analysis in the same data set when predicting group or BMI, providing a superior method for studying multivariate associations between brain structure and system-level variables.

A growing number of studies have examined alterations in white matter organization in people with posttraumatic stress disorder (PTSD) using diffusion MRI (dMRI), but the results have been mixed, which may be partially due to relatively small sample sizes among studies. Altered structural connectivity may be both a neurobiological vulnerability for, and a result of, PTSD. In an effort to find reliable effects, we present a multi-cohort analysis of dMRI metrics across 3,049 individuals from 28 cohorts currently participating in the PGC-ENIGMA PTSD working group (a joint partnership between the Psychiatric Genomics Consortium and the Enhancing NeuroImaging Genetics through Meta-Analysis consortium). Comparing regional white matter metrics across the full brain in 1,446 individuals with PTSD and 1,603 controls (2152 males/897 females) between ages 18-83, 92% of whom were trauma-exposed, we report associations between PTSD and disrupted white matter organization measured by lower fractional anisotropy (FA) in the tapetum region of the corpus callosum (Cohens d=-0.12, p=0.0021). The tapetum connects the left and right hippocampus, structures for which structure and function have been consistently implicated in PTSD. Results remained significant/similar after accounting for the effects of multiple potentially confounding variables: childhood trauma exposure, comorbid depression, history of traumatic brain injury, current alcohol abuse or dependence, and current use of psychotropic medications. Our results show that PTSD may be associated with alterations in the broader hippocampal network.

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.

Abstract Background Current clinical assessments of Posttraumatic stress disorder (PTSD) rely solely on subjective symptoms and experiences reported by the patient, rather than objective biomarkers of the illness. Recent advances in data-driven computational approaches have been helpful in devising tools to objectively diagnose psychiatric disorders. Here we aimed to classify individuals with PTSD versus controls using heterogeneous brain datasets from the ENIGMA-PGC PTSD Working group. Methods We analyzed brain MRI data from 3,527 structural-MRI; 2,502 resting state-fMRI; and 1,953 diffusion-MRI. First, we identified the brain features that best distinguish individuals with PTSD from controls (TEHC and HC) using traditional machine learning methods. Second, we assessed the utility of the denoising variational autoencoder (DVAE) and evaluated its classification performance. Third, we assessed the generalizability and reproducibility of both models using leave-one-site-out cross-validation procedure for each modality. Results We found lower performance in classifying PTSD vs. controls with data from over 20 sites (60% test AUC for s-MRI, 59% for rs-fMRI and 56% for d-MRI), as compared to other studies run on single-site data. The performance increased when classifying PTSD from HC without trauma history across all three modalities (75% AUC). The classification performance remained intact when applying the DVAE framework, which reduced the number of features. Finally, we found that the DVAE framework achieved better generalization to unseen datasets compared with the traditional machine learning frameworks, albeit performance was slightly above chance. Conclusion Our findings highlight the promise offered by machine learning methods for the diagnosis of patients with PTSD. The utility of brain biomarkers across three MRI modalities and the contribution of DVAE models for improving generalizability offers new insights into neural mechanisms involved in PTSD. Significance ⍰ Classifying PTSD from trauma-unexposed healthy controls (HC) using three imaging modalities performed well (∼75% AUC), but performance suffered markedly when classifying PTSD from trauma-exposed healthy controls (TEHC) using three imaging modalities (∼60% AUC). ⍰ Using deep learning for feature reduction (denoising variational auto-encoder; DVAE) dramatically reduced the number of features with no concomitant performance degradation. ⍰ Utilizing denoising variational autoencoder (DVAE) models improves generalizability across heterogeneous multi-site data compared with the traditional machine learning frameworks

Abstract Cognitive control deficits are associated with posttraumatic stress disorder (PTSD) and may explain how reminders of past traumatic events intrude upon daily experiences of people who have experienced trauma. Lateralized somatomotor beta-band desynchronization, an electrophysiological signature of controlled movement, indexes the downstream output of cognitive control processes. Recent evidence suggests that somatomotor beta activity does not manifest as rhythmic oscillations, but instead as discrete and stochastic burst-like events. Here, we quantified the rates of lateralized somatomotor beta bursts (beta burst rates; BBR) evoked during a flanker cognitive control paradigm among United States military veterans from Operations Iraqi and Enduring Freedom (OEF/OIF) who show varying degrees of PTSD. We found BBR reflected both response direction and conflict monitoring during processing of stimuli that evoked response conflict. Impaired behavioral performance and increased peri-response BBR were related to greater posttraumatic stress symptomatology (PTSS). Critically, increased BBR mediated the link between PTSS and decreased conflict monitoring accuracy. Results suggest that poor cognitive control in PTSS reflects a failure to adaptively disinhibit target motor representations, rather than a failure to inhibit distractor representations. Thus, BBR reveal limited representation of target stimuli as a primary contributor to impaired cognitive control in PTSD. Because BBR were robustly associated with behavioral performance and exhibited high statistical reliability the index may carry utility for appraising individual differences in cognitive control in other brain disorders.

Background Accurate perception of visual contours is essential for seeing and differentiating objects in the environment. Both the ability to detect visual contours and the influence of perceptual context created by surrounding stimuli are diminished in people with schizophrenia. The central aim of the present study was to better understand the biological underpinnings of impaired contour integration and weakened effects of perceptual context. Additionally, we sought to determine whether visual perceptual abnormalities reflect genetic factors in schizophrenia and are present in other severe mental disorders.Methods We examined behavioral data and event-related potentials (ERPs) collected during the perception of simple linear contours embedded in similar background stimuli in 27 patients with schizophrenia (SCZ), 23 patients with bipolar disorder, 23 first-degree relatives of SCZ and 37 controls.Results SCZ exhibited impaired visual contour detection while patients with bipolar disorder exhibited intermediate performance. The orientation of neighboring stimuli (i.e., flankers) relative to the contour modulated perception across all groups, but SCZ exhibited weakened suppression by the perceptual context created by flankers. Late visual (occipital P2) and cognitive (centroparietal P3) neural responses showed group differences and flanker orientation effects, unlike earlier ERPs (occipital P1 and N1). Moreover, behavioral effects of flanker context on contour perception were correlated with modulation in P2/P3 amplitudes.Conclusion In addition to replicating and extending findings of abnormal contour integration and visual context modulation in SCZ, we provide novel evidence that abnormal use of perceptual context is associated with higher-order sensory and cognitive processes.

Abstract Objective Over half of US military veterans with posttraumatic stress disorder (PTSD) use alcohol heavily, potentially to cope with their symptoms. This study investigated the neural underpinnings of PTSD symptoms and heavy drinking in veterans. We focused on brain responses to salient outcomes within predictive coding theory. This framework suggests the brain generates prediction errors (PEs) when outcomes deviate from expectations. Alcohol use might provide negative reinforcement by reducing the salience of negatively-valenced PEs and dampening experiences like loss. Methods We analyzed electroencephalography (EEG) responses to unpredictable gain/loss feedback in veterans of Operations Enduring and Iraqi Freedom. We used time-frequency principal components analysis of event-related potentials to isolate neural responses indicative of PEs, identifying mediofrontal theta linked to losses (feedback-related negativity, FRN) and central delta associated with gains (reward positivity, RewP). Results Intrusive reexperiencing symptoms of PTSD were associated with intensified mediofrontal theta signaling during losses, suggesting heightened negative PE sensitivity. Conversely, increased hazardous alcohol use was associated with reduced theta responses, implying a dampening of these negative PEs. The separate delta-RewP component showed associations with alcohol use but not PTSD symptoms. Conclusions Findings suggest a common neural component of PTSD and hazardous alcohol use involving altered PE processing. We suggest that reexperiencing enhances the intensity of salient negative PEs, while chronic alcohol use may reduce their intensity, thereby providing negative reinforcement by muting emotional disruption from reexperienced trauma. Modifying the mediofrontal theta response could address the intertwined nature of PTSD symptoms and alcohol use, providing new avenues for treatment.