ABSTRACT Diffusion-weighted magnetic resonance imaging (dMRI) has become the primary method for non-invasively studying the organization of white matter in the human brain. While many dMRI acquisition sequences have been developed, they all sample q-space in order to characterize water diffusion. Numerous software platforms have been developed for processing dMRI data, but most work on only a subset of sampling schemes or implement only parts of the processing workflow. Reproducible research and comparisons across dMRI methods are hindered by incompatible software, diverse file formats, and inconsistent naming conventions. Here we introduce QSIPrep, an integrative software platform for the processing of diffusion images that is compatible with nearly all dMRI sampling schemes. Drawing upon a diverse set of software suites to capitalize upon their complementary strengths, QSIPrep automatically applies best practices for dMRI preprocessing, including denoising, distortion correction, head motion correction, coregistration, and spatial normalization. Throughout, QSIPrep provides both visual and quantitative measures of data quality as well as “glass-box” methods reporting. Taken together, these features facilitate easy implementation of best practices for processing of diffusion images while simultaneously ensuring reproducibility.

Abstract Individual differences in cognition during childhood are associated with important social, physical, and mental health outcomes in adolescence and adulthood. Given that cortical surface arealization during development reflects the brain’s functional prioritization, quantifying variation in the topography of functional brain networks across the developing cortex may provide insight regarding individual differences in cognition. We test this idea by defining personalized functional networks (PFNs) that account for interindividual heterogeneity in functional brain network topography in 9-10 year olds from the Adolescent Brain Cognitive Development SM Study. Across matched discovery (n=3,525) and replication (n=3,447) samples, the total cortical representation of fronto-parietal PFNs positively correlated with general cognition. Cross-validated ridge regressions trained on PFN topography predicted cognition across domains, with prediction accuracy increasing along the cortex’s sensorimotor-association organizational axis. These results establish that functional network topography heterogeneity is associated with individual differences in cognition before the critical transition into adolescence.

SUMMARY The brain is organized into networks at multiple resolutions, or scales, yet studies of functional network development typically focus on a single scale. Here, we derived personalized functional networks across 29 scales in a large sample of youths (n=693, ages 8-23 years) to identify multi-scale patterns of network re-organization related to neurocognitive development. We found that developmental shifts in inter-network coupling systematically adhered to and strengthened a functional hierarchy of cortical organization. Furthermore, we observed that scale-dependent effects were present in lower-order, unimodal networks, but not higher-order, transmodal networks. Finally, we found that network maturation had clear behavioral relevance: the development of coupling in unimodal and transmodal networks dissociably mediated the emergence of executive function. These results delineate maturation of multi-scale brain networks, which varies according to a functional hierarchy and impacts cognitive development.

ABSTRACT Animal studies of neurodevelopmental plasticity have shown that intrinsic brain activity evolves from high amplitude and globally synchronized to suppressed and sparse as plasticity declines and the cortex matures. Leveraging resting-state functional MRI data from 1033 individuals (8-23 years), we reveal that this stereotyped refinement of intrinsic activity occurs during human development and provides evidence for a cortical gradient of neurodevelopmental plasticity during childhood and adolescence. Specifically, we demonstrate that declines in the amplitude of intrinsic activity are initiated heterochronously across regions, coupled to the maturation of a plasticity-restricting structural feature, and temporally staggered along a hierarchical sensorimotor-association axis from ages 8 to 18. Youth from disadvantaged environments exhibit reduced intrinsic activity in regions further up the sensorimotor-association axis, suggestive of a reduced level of plasticity in late-maturing cortices. Our results uncover a hierarchical axis of neurodevelopment and offer insight into the temporal sequence of protracted neurodevelopmental plasticity in humans.

ABSTRACT Diffusion MRI is the dominant non-invasive imaging method used to characterize white matter organization in health and disease. Increasingly, fiber-specific properties within a voxel are analyzed using fixels. While tools for conducting statistical analyses of fixel data exist, currently available tools are memory intensive, difficult to scale to large datasets, and support only a limited number of statistical models. Here we introduce ModelArray, a memory-efficient R package for mass-univariate statistical analysis of fixel data. With only several lines of code, even large fixel datasets can be analyzed using a standard personal computer. At present, ModelArray supports linear models as well as generalized additive models (GAMs), which are particularly useful for studying nonlinear effects in lifespan data. Detailed memory profiling revealed that ModelArray required only limited memory even for large datasets. As an example, we applied ModelArray to fixel data derived from diffusion images acquired as part of the Philadelphia Neurodevelopmental Cohort (n=938). ModelArray required far less memory than existing tools and revealed anticipated nonlinear developmental effects in white matter. Moving forward, ModelArray is supported by an open-source software development model that can incorporate additional statistical models and other imaging data types. Taken together, ModelArray provides an efficient and flexible platform for statistical analysis of fixel data. HIGHLIGHTS ModelArray is an R package for mass-univariate statistical analysis of fixel data ModelArray is memory-efficient even for large-scale datasets ModelArray supports linear and nonlinear modeling and is extensible to more models ModelArray facilitates easy statistical analysis of large-scale fixel data Graphical abstract

ABSTRACT Human cortical maturation has been posited to be organized along the sensorimotor-association (S-A) axis, a hierarchical axis of brain organization that spans from unimodal sensorimotor cortices to transmodal association cortices. Here, we investigate the hypothesis that the development of functional connectivity during childhood through adolescence conforms to the cortical hierarchy defined by the S-A axis. We tested this pre-registered hypothesis in four large-scale, independent datasets (total n = 3,355; ages 5-23 years): the Philadelphia Neurodevelopmental Cohort (n = 1,207), Nathan Kline Institute-Rockland Sample (n = 397), Human Connectome Project: Development (n = 625), and Healthy Brain Network (n = 1,126). In each dataset, the development of functional connectivity systematically varied along the S-A axis. Connectivity in sensorimotor regions increased, whereas connectivity in association cortices declined, refining and reinforcing the cortical hierarchy. These robust and generalizable results establish that the sensorimotor-association axis of cortical organization encodes the dominant pattern of functional connectivity development.

The protracted development of structural and functional brain connectivity within distributed association networks coincides with improvements in higher-order cognitive processes such as working memory. However, it remains unclear how white matter architecture develops during youth to directly support coordinated neural activity. Here, we characterize the development of structure-function coupling using diffusion-weighted imaging and n-back fMRI data in a sample of 727 individuals (ages 8-23 years). We found that spatial variability in structure-function coupling aligned with cortical hierarchies of functional specialization and evolutionary expansion. Furthermore, hierarchy-dependent age effects on structure-function coupling localized to transmodal cortex in both cross-sectional data and a subset of participants with longitudinal data (n=294). Moreover, structure-function coupling in rostrolateral prefrontal cortex was associated with executive performance, and partially mediated age-related improvements in executive function. Together, these findings delineate a critical dimension of adolescent brain development, whereby the coupling between structural and functional connectivity remodels to support functional specialization and cognition.

Delay discounting is a measure of impulsive choice relevant in adolescence as it predicts many real-life outcomes, including substance use disorders, obesity, and academic achievement. However, the functional networks underlying individual differences in delay discounting during youth remain incompletely described. Here we investigate the association between multivariate patterns of functional connectivity and individual differences in impulsive choice in a large sample of youth. A total of 293 youth (9-23 years) completed a delay discounting task and underwent resting-state fMRI at 3T. A connectome-wide analysis using multivariate distance-based matrix regression was used to examine whole-brain relationships between delay discounting and functional connectivity was then performed. These analyses revealed that individual differences in delay discounting were associated with patterns of connectivity emanating from the left dorsal prefrontal cortex, a hub of the default mode network. Delay discounting was associated with greater functional connectivity between the dorsal prefrontal cortex and other parts of the default mode network, and reduced connectivity with regions in the dorsal and ventral attention networks. These results suggest that delay discounting in youth is associated with individual differences in relationships both within the default mode network and between the default mode and networks involved in attentional and cognitive control.