Alterations in white matter (WM) microstructure have been implicated in the pathophysiology of major depressive disorder (MDD). However, previous findings have been inconsistent, partially due to low statistical power and the heterogeneity of depression. In the largest multi-site study to date, we examined WM anisotropy and diffusivity in 1305 MDD patients and 1602 healthy controls (age range 12–88 years) from 20 samples worldwide, which included both adults and adolescents, within the MDD Working Group of the Enhancing Neuroimaging Genetics through Meta-Analysis (ENIGMA) consortium. Processing of diffusion tensor imaging (DTI) data and statistical analyses were harmonized across sites and effects were meta-analyzed across studies. We observed subtle, but widespread, lower fractional anisotropy (FA) in adult MDD patients compared with controls in 16 out of 25 WM tracts of interest (Cohen’s d between 0.12 and 0.26). The largest differences were observed in the corpus callosum and corona radiata. Widespread higher radial diffusivity (RD) was also observed (all Cohen’s d between 0.12 and 0.18). Findings appeared to be driven by patients with recurrent MDD and an adult age of onset of depression. White matter microstructural differences in a smaller sample of adolescent MDD patients and controls did not survive correction for multiple testing. In this coordinated and harmonized multisite DTI study, we showed subtle, but widespread differences in WM microstructure in adult MDD, which may suggest structural disconnectivity in MDD.

Reduced sleep duration and sleep deprivation have been associated with cognitive impairment as well as decreased white matter integrity as reported by experimental studies. However, it is largely unknown whether differences in sleep duration and sleep quality might affect microstructural white matter and cognition. Therefore, the present study aims to examine the cross-sectional relationship between sleep duration, sleep quality, and cognitive performance in a naturalistic study design, by focusing on the association with white matter integrity in a large sample of healthy, young adults. To address this, 1,065 participants, taken from the publicly available sample of the Human Connectome Project, underwent diffusion tensor imaging. Moreover, broad cognitive performance measures (NIH Cognition Toolbox) and sleep duration and quality (Pittsburgh Sleep Quality Index) were assessed. The results revealed a significant positive association between sleep duration and overall cognitive performance. Shorter sleep duration significantly correlated with fractional anisotropy (FA) reductions in the left superior longitudinal fasciculus (SLF). In turn, FA in this tract was related to measures of cognitive performance and was shown to significantly mediate the association of sleep duration and cognition. For cognition only, associations shift to a negative association of sleep duration and cognition for participants sleeping more than 8 hr a day. Investigations into subjective sleep quality showed no such associations. The present study showed that real-world differences in sleep duration, but not subjective sleep quality are related to cognitive performance measures and white matter integrity in the SLF in healthy, young adults.

Abstract Alterations in regional subcortical brain volumes have been widely investigated as part of the efforts of an international consortium, ENIGMA, to determine reliable structural brain signatures for Major Depressive Disorder (MDD). Given that subcortical structures are comprised of distinct subfields, we sought to build significantly from prior work to precisely map localized MDD-related differences in subcortical regions using shape analysis. In this meta-analysis of subcortical shape from the ENIGMA-MDD working group, we compared 1,781 patients with MDD and 2,953 healthy controls (CTL) on individual measures of shape metrics (thickness and surface area) on the surface of seven bilateral subcortical structures: nucleus accumbens, amygdala, caudate, hippocampus, pallidum, putamen, and thalamus. Harmonized data processing and statistical analyses were conducted locally at each site, and findings were aggregated by meta-analysis. Relative to CTL, patients with MDD had lower surface area in the subiculum of the hippocampus, the basolateral amygdala, and the nucleus accumbens shell. Relative to CTL, patients with adolescent-onset MDD (≤ 21 years) had lower thickness and surface area of the subiculum of the hippocampus and the basolateral amygdala. Relative to first-episode MDD, recurrent MDD patients had lower thickness and surface area in the CA1 of the hippocampus and the basolateral amygdala. Our results suggest that previously reported MDD-associated volumetric differences may be localized to specific subfields of these structures that have been shown to be sensitive to the effects of stress, with important implications for mapping treatments to patients based on specific neural targets and key clinical features.

Investigators in neuroscience have turned to Big Data to address replication and reliability issues by increasing sample sizes, statistical power, and representativeness of data. These efforts unveil new questions about integrating data arising from distinct sources and instruments. We focus on the most frequently assessed cognitive domain - memory testing - and demonstrate a process for reliable data harmonization across three common measures. We aggregated global raw data from 53 studies totaling N = 10,505 individuals. A mega-analysis was conducted using empirical bayes harmonization to remove site effects, followed by linear models adjusting for common covariates. A continuous item response theory (IRT) model estimated each individual's latent verbal learning ability while accounting for item difficulties. Harmonization significantly reduced inter-site variance while preserving covariate effects, and our conversion tool is freely available online. This demonstrates that large-scale data sharing and harmonization initiatives can address reproducibility and integration challenges across the behavioral sciences.

Abstract Background Controllability is a measure of the brain’s ability to orchestrate neural activity which can be quantified in terms of properties of the brain’s network connectivity. Evidence from the literature suggests that aging can exert a general effect on whole-brain controllability. Mounting evidence, on the other hand, suggests that parenthood and motherhood in particular lead to long-lasting changes in brain architecture that effectively slow down brain aging. We hypothesize that parenthood might preserve brain controllability properties from aging. Methods In a sample of 814 healthy individuals (aged 33.9±12.7 years, 522 females), we estimate whole-brain controllability and compare the aging effects in subjects with vs. those without children. We use diffusion tensor imaging (DTI) to estimate the brain structural connectome. The level of brain control is then calculated from the connectomic properties of the brain structure. Specifically, we measure the network control over many low-energy state transitions (average controllability) and the network control over difficult-to-reach states (modal controllability). Results and conclusion In nulliparous females, whole-brain average controllability increases, and modal controllability decreases with age, a trend that we do not observe in parous females. Statistical comparison of the controllability metrics shows that modal controllability is higher and average controllability is lower in parous females compared to nulliparous females. In men, we observed the same trend, but the difference between nulliparous and parous males do not reach statistical significance. Our results provide strong evidence that parenthood contradicts aging effects on brain controllability and the effect is stronger in mothers.

Chronic pain has a profound societal burden, affecting 20% to 30% of the world population,10,13,14,47 and is associated with high rates of comorbid mental health conditions, especially depression and anxiety.15 Women and people of increasing age are disproportionately affected by chronic pain,14,32 and while there are pharmacological and nonpharmacological treatments available, many individuals still do not benefit from these treatments.11,16,19,31,35,45 One significant challenge in providing effective pain-relieving treatments arises from our incomplete understanding of the mechanisms underlying the development and maintenance of chronic pain. Some of these mechanisms include changes in brain morphology and function.2,8,12,18,25,28,37 One approach to better understand these mechanisms is to combine neuroimaging studies of diverse populations with the purpose of identifying common phenotypes and neuroimaging correlates. Phenotyping to explore both similarities and heterogeneity across pain conditions is necessary to inform disease prognosis and elucidate common treatment targets. To this endeavor, the Enhancing Neuroimaging and Genetics through Meta-Analysis (ENIGMA)-Chronic Pain working group was formed in November 2022. ENIGMA-Chronic Pain has since welcomed over 70 pain investigators from all over the world, to pool and integrate existing neuroimaging and clinical data from approximately 2000 chronic pain and 4000 pain-free healthy individuals, from over 30 international and independently collected datasets. 1. What is ENIGMA? What are the aims of the ENIGMA-Chronic Pain Working Group? Founded in 2009, the aim of the ENIGMA Consortium is to address the growing replication problems in neuroimaging research. ENIGMA is a global collaboration of more than 2000 scientists from over 45 countries studying the human brain, in health and over 30 neurological, mental, and neurogenetic diseases.42 ENIGMA coordinates large-scale neuroimaging analyses, pooling existing datasets from around the world,6,34,39 actively coordinating the reuse of data, while accommodating data privacy safeguards, bringing rich resources and expertise to answer fundamental questions related to major brain disorders. By integrating available existing datasets and building on the growing infrastructure of the ENIGMA consortium, ENIGMA-Chronic Pain provides a platform and a resource to the chronic pain community allowing for data findability, accessibility, interoperability, and44 reusability—all vital aspects of reproducible research. Using a cost-effective and innovative global approach by merging the resources and data of leading chronic pain neuroimaging centers, ENIGMA-Chronic Pain offers a unique opportunity to obtain detailed, reproducible, and reliable data on brain mechanisms associated with chronic pain. ENIGMA-Chronic Pain integrates single studies of specific chronic pain conditions, including precursor data repositories (eg, OpenPain), and larger population-based biobanks with recorded indices of chronic pain (eg, UK Biobank).8 Recent advances in machine learning and artificial intelligence technologies also offer new and powerful ways to analyze these existing neuroimaging data. Through a worldwide collaboration of pain researchers and clinicians, ENIGMA-Chronic Pain will aim to (1) determine common and pain condition-specific brain correlates of chronic pain through multimodal neuroimaging (relative to pain-free healthy controls); (2) examine the interactions between chronic pain and comorbid mental health conditions on brain morphology and function; and (3) identify the roles of key sociodemographic factors and medication on brain morphology and function. 2. Determine common and pain condition-specific brain correlates of chronic pain through multimodal neuroimaging ENIGMA-Chronic Pain combines smaller datasets from heterogeneous chronic pain conditions. This approach maximizes the power of planned analyses and is necessary to identify brain correlates shared across chronic pain conditions. Through planned follow-up analyses on pooled datasets of similar pain types, pain locations across the body, or specific diagnoses, ENIGMA-Chronic Pain will identify correlates specific to the studied conditions at a larger scale than has previously been possible. ENIGMA-Chronic Pain will begin with examining brain topography of chronic pain by using common processing pipelines and software such as FreeSurfer for T1-weighted structural magnetic resonance imaging scans (sMRI)17,20,21 or Functional MRI of the Brain Software Library (FSL) for diffusion MRI (dMRI).23,38 Further to brain-wide region-of-interest analyses, investigation of multimodal correlates and brain networks of chronic pain will be conducted using whole-brain analyses, including standardized indices of functional connectivity from resting-state functional MRI (rs-fMRI) processed with ENIGMA's HALFpipe,43 voxel-based morphometry, and machine learning approaches to fuse multimodal features from sMRI, dMRI, and rs-fMRI to make diagnostic classification or prediction of a future clinical state. 3. Examine the interactions between chronic pain and comorbid mental health conditions on brain morphology and function Chronic pain is often accompanied by comorbid mental health conditions that can prevent treatment success.46 For example, 5% to 85% of individuals with chronic pain (depending on the study populations and settings) experience depression.1,9 The ENIGMA Consortium has extensively investigated the detailed brain and genetic markers of most common mental health conditions and reported alterations in brain regions similar to those commonly reported in smaller chronic pain studies.4,36 Evidence for shared or specific brain mechanisms between chronic pain and depression and anxiety is now growing,33,40,49,50 but no definite conclusion can be drawn from these smaller studies. Using advanced statistical models, our unique sample size, and availability of indices of comorbid mental health conditions, the pooled dataset from ENIGMA-Chronic Pain will aim to disentangle the fine morphological and functional brain alterations across all pain conditions, but also within specific pain types. This approach will contribute to identify plausible targets for more effective treatments for people living with both chronic pain and these comorbid conditions. 4. Examine the roles of key sociodemographic factors and medication on brain morphology and function Sex and age are key factors that can influence the transition to chronic pain.48 Women have greater prevalence rates for chronic pain conditions compared with men and experience more frequent, intense, and longer-lasting pain across the lifespan.14,24,30 These sex-specific differences can affect treatment choice, side effect profiles, and therapeutic responses.3 Although incompletely understood, many processes including genetic,29 neuroendocrine/neuroimmune,26 or brain-based differences,22 contribute to sex differences observed in chronic pain. Chronic pain is also highly prevalent in people of increasing age,14 along with other age-related pathologies, but the relationship between increasing age and chronic pain on brain morphology and function is still to be clearly determined. The inclusion of studies with comorbidity information that may inform causal modeling (eg, traumatic injuries, repetitive stress injuries, osteoporosis, metabolic disorders like diabetes, etc.) will clarify some of the brain–body connections at play. Existing preliminary evidence for the influence of these key sociodemographic factors needs further replication and refinement using large datasets. Another critical factor impacting brain morphology and function in chronic pain is the use of various types of pharmacological treatments,27 including tricyclic antidepressants, serotonin–norepinephrine reuptake inhibitors, antiepileptics, nonsteroidal anti-inflammatory drugs, and benzodiazepines.11,35 Using the available and detailed medication information recorded within ENIGMA-Chronic Pain, the aim of this study is to determine the variations in brain morphology and function associated with specific pharmacological treatment categories or combinations of thereof. 5. ENIGMA-Chronic Pain: expanding to other imaging modalities ENIGMA-Chronic Pain builds on the experience of the Consortium to host the largest and most comprehensive dataset for neuroimaging studies of chronic pain. In addition to sMRI, dMRI, and rs-fMRI data, ENIGMA-Chronic Pain will leverage the contribution of chronic pain researchers and clinicians with data and expertise in other neuroimaging modalities, including resting-state electroencephalography (EEG), task-based fMRI and EEG, event-related potentials, magnetoencephalography, functional near-infrared spectroscopy, and magnetic resonance spectroscopy. In addition, the aim of ENIGMA-Chronic Pain is to include neuromodulation studies, such as repetitive transcranial magnetic resonance stimulation, TMS-EEG, transcranial direct current stimulation, or transcranial alternating current stimulation studies, to examine potential causal associations.7 Finally, following work from the ENIGMA-Clinical Endpoint working group,41 a long-term goal includes building a framework of standardized questionnaires and tools for future research, to be applied to most, if not all, chronic pain conditions and to integrate genetics data to better understand the relationship between genetic and environmental risks on brain phenotypes of chronic pain overall and for available subtypes. 6. Conclusions ENIGMA-Chronic Pain will establish the largest worldwide platform for neuroimaging data dedicated to chronic pain research. This approach enables large-scale collaborative opportunities to identify the common and specific brain correlates of chronic pain conditions, as well as the role of mental health comorbidities, key sociodemographic factors, and pharmacological treatment on these alterations. This initiative will provide invaluable new knowledge based on adequately powered neuroimaging datasets. Future aims of the working group could include extending the scope to the earliest periods of the human lifespan, leveraging neonatal MRI and EEG datasets with pain-relevant paradigms,5 to investigate the potential developmental origins of chronic pain susceptibility in later years. Last, we extend the call to additional groups to join, contribute their expertise, and share their neuroimaging, genetic, psychological, and clinical data from healthy controls and individuals with chronic pain (see information and contact details on https://enigma.ini.usc.edu/ongoing/enigma-chronic-pain/). Through the inclusion of most, if not all, chronic pain neuroimaging research groups, we hope to grow the working group and thereby fulfill its goals. Conflict of interest statement None of the authors declare any conflicts of interest. The views expressed in this article are those of the authors and do not necessarily reflect the position or policy of the Department of Veterans Affairs or the United States government, or those of the NHS, the NIHR, or the Department of Health from the United Kingdom.

Abstract Excitation/inhibition (E/I) balance plays important roles in mental disorders. Bioactive phospholipids like lysophosphatidic acid (LPA) are synthesized by the enzyme autotaxin (ATX) at cortical synapses and modulate glutamatergic transmission, and eventually alter E/I balance of cortical networks. Here, we analyzed functional consequences of altered E/I balance in 25 human subjects induced by genetic disruption of the synaptic lipid signaling modifier PRG-1, which were compared to 25 age and sex matched control subjects. Furthermore, we tested therapeutic options targeting ATX in a related mouse line. Using EEG combined with TMS in an instructed fear paradigm, neuropsychological analysis and an fMRI based episodic memory task, we found intermediate phenotypes of mental disorders in human carriers of a loss-of-function single nucleotide polymorphism of PRG-1 ( PRG-1 R345T/WT ) . Prg-1 R346T/WT animals phenocopied human carriers showing increased anxiety, a depressive phenotype and lower stress resilience. Network analysis revealed that coherence and phase-amplitude coupling were altered by PRG-1 deficiency in memory related circuits in humans and mice alike. Brain oscillation phenotypes were restored by inhibtion of ATX in Prg-1 deficient mice indicating an interventional potential for mental disorders.

Abstract While most people are right-handed, a minority are left-handed or mixed-handed. It has been suggested that mental and developmental disorders are associated with increased prevalence of left-handedness and mixed-handedness. However, substantial heterogeneity exists across disorders, indicating that not all disorders are associated with a considerable shift away from right-handedness. Increased frequencies in left- and mixed-handedness have also been associated with more severe clinical symptoms, indicating that symptom severity rather than diagnosis explains the high prevalence of non-right-handedness in mental disorders. To address this issue, the present study investigated the association between handedness and measures of stress reactivity, depression, mania, anxiety, and positive and negative symptoms in a large sample of 994 healthy controls and 1213 patients with DSM IV affective disorders, schizoaffective disorders, or schizophrenia. A series of complementary analyses revealed lower lateralization and a higher percentage of mixed-handedness in patients with major depression (14.9%) and schizophrenia (24.0%) compared to healthy controls (12%). For patients with schizophrenia, higher symptom severity was associated with an increasing tendency towards left-handedness. No associations were found for patients diagnosed with major depression, bipolar disorder, or schizoaffective disorder. In healthy controls, no association between hand preference and symptoms was evident. Taken together, these findings suggest that both diagnosis and symptom severity are relevant for the shift away from right-handedness in mental disorders like schizophrenia and major depression.

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.

ABSTRACT Bipolar disorder (BD) is a chronic mood disorder characterized by alternating manic and depressive episodes, often in conjunction with cognitive deficits. Dysregulation of neuroplasticity and calcium homeostasis as a result of complex genetic environment interactions are frequently observed in BD patients, but the underlying molecular mechanisms are largely unknown. Here, we show that a BD-associated microRNA, miR-499-5p, regulates neuronal dendrite development and cognitive function by downregulating the BD risk gene CACNB2 . miR-499-5p expression is increased in peripheral blood of BD patients and healthy subjects at risk of developing the disorder due to a history of childhood maltreatment. This up-regulation is paralleled in the hippocampus of rats which underwent juvenile social isolation. Elevating miR-499-5p levels in rat hippocampal pyramidal neurons impairs dendritogenesis and reduces surface expression and activity of the voltage-gated L-type calcium channel Ca v 1.2. We further identified CACNB2 , which encodes a regulatory β-subunit of Ca v 1.2, as a direct target of miR-499-5p in neurons. CACNB2 downregulation is required for the miR-499-5p dependent impairment of dendritogenesis, suggesting that CACNB2 is an important downstream target of miR-499-5p in the regulation of neuroplasticity. Finally, elevating miR-499-5p in the hippocampus in vivo is sufficient to induce short-term memory impairments in rats haploinsufficient for the Ca v 1.2 pore forming subunit Cacna1c . Taken together, we propose that stress-induced upregulation of miR-499-5p contributes to dendritic impairments and deregulated calcium homeostasis in BD, with specific implications for the neurocognitive dysfunction frequently observed in BD patients.