Abstract White matter bundle segmentation using diffusion MRI fiber tractography has become the method of choice to identify white matter fiber pathways in vivo in human brains. However, like other analyses of complex data, there is considerable variability in segmentation protocols and techniques. This can result in different reconstructions of the same intended white matter pathways, which directly affects tractography results, quantification, and interpretation. In this study, we aim to evaluate and quantify the variability that arises from different protocols for bundle segmentation. Through an open call to users of fiber tractography, including anatomists, clinicians, and algorithm developers, 42 independent teams were given processed sets of human whole-brain streamlines and asked to segment 14 white matter fascicles on six subjects. In total, we received 57 different bundle segmentation protocols, which enabled detailed volume-based and streamline-based analyses of agreement and disagreement among protocols for each fiber pathway. Results show that even when given the exact same sets of underlying streamlines, the variability across protocols for bundle segmentation is greater than all other sources of variability in the virtual dissection process, including variability within protocols and variability across subjects. In order to foster the use of tractography bundle dissection in routine clinical settings, and as a fundamental analytical tool, future endeavors must aim to resolve and reduce this heterogeneity. Although external validation is needed to verify the anatomical accuracy of bundle dissections, reducing heterogeneity is a step towards reproducible research and may be achieved through the use of standard nomenclature and definitions of white matter bundles and well-chosen constraints and decisions in the dissection process.

Abstract Introduction Canonical Correlation Analysis (CCA) and Partial Least Squares Correlation (PLS) detect associations between two data matrices based on computing a linear combination between the two matrices (called latent variables; LVs). These LVs maximize correlation (CCA) and covariance (PLS). These different maximization criteria may render one approach more stable and reproducible than the other when working with brain and behavioural data at the population-level. This study compared the LVs which emerged from CCA and PLS analyses of brain-behaviour relationships from the Adolescent Brain Cognitive Development (ABCD) dataset and examined their stability and reproducibility. Methods Structural T1-weighted imaging and behavioural data were accessed from the baseline Adolescent Brain Cognitive Development dataset ( N > 9000, ages = 9-11 years). The brain matrix consisted of cortical thickness estimates in different cortical regions. The behavioural matrix consisted of 11 subscale scores from the parent-reported Child Behavioral Checklist (CBCL) or 7 cognitive performance measures from the NIH Toolbox. CCA and PLS models were separately applied to the brain-CBCL analysis and brain-cognition analysis. A permutation test was used to assess whether identified LVs were statistically significant. A series of resampling statistical methods were used to assess stability and reproducibility of the LVs. Results When examining the relationship between cortical thickness and CBCL scores, the first LV was found to be significant across both CCA and PLS models (singular value: CCA = .13, PLS = .39, p < .001). LV 1 from the CCA model found that covariation of CBCL scores was linked to covariation of cortical thickness. LV 1 from the PLS model identified decreased cortical thickness linked to lower CBCL scores. There was limited evidence of stability or reproducibility of LV 1 for both CCA and PLS. When examining the relationship between cortical thickness and cognitive performance, there were 6 significant LVs for both CCA and PLS ( p < .01). The first LV showed similar relationships between CCA and PLS and was found to be stable and reproducible (singular value: CCA = .21, PLS = .43, p < .001). Conclusion CCA and PLS identify different brain-behaviour relationships with limited stability and reproducibility when examining the relationship between cortical thickness and parent-reported behavioural measures. However, both methods identified relatively similar brain-behaviour relationships that were stable and reproducible when examining the relationship between cortical thickness and cognitive performance. The results of the current study suggest that stability and reproducibility of brain-behaviour relationships identified by CCA and PLS are influenced by characteristics of the analyzed sample and the included behavioural measurements when applied to a large pediatric dataset.

Abstract Externalizing psychopathology in childhood is a predictor of poor outcomes across the lifespan. Children exhibiting elevated externalizing psychopathology also commonly show emotion dysregulation and callous-unemotional (CU) traits. Examining cross-sectional and longitudinal neural correlates across dimensions linked to externalizing psychopathology during childhood may clarify shared or distinct neurobiological vulnerability for psychopathological impairment later in life. We used tabulated brain structure and behavioural data from baseline, year 1, and year 2 timepoints of the Adolescent Brain Cognitive Development Study (ABCD; baseline n=10,534). We fit separate linear mixed effect models to examine whether baseline brain structures in frontolimbic and striatal regions (cortical thickness or subcortical volume) were associated with externalizing symptoms, emotion dysregulation, and/or CU traits at baseline and over a two-year period. At baseline, cortical thickness in the right rostral middle frontal gyrus and bilateral pars orbitalis was positively associated with CU traits ( β =|0.027-0.033|, p corrected =0.009-0.03). Subcortical volume in the left caudate, right amygdala, and bilateral nucleus accumbens was negatively associated with emotion dysregulation ( β =|0.026 – 0.037|, p corrected =<0.001-0.02). Over the two-year follow-up period, higher baseline cortical thickness in the left pars triangularis and rostral middle frontal gyrus predicted greater decreases in externalizing symptoms (F=6.33-6.94, p corrected =0.014). The results of the current study suggest that unique regions within frontolimbic and striatal networks may be more strongly associated with different dimensions of externalizing psychopathology. The longitudinal findings indicate that brain structure in early childhood may provide insight into structural features that influence behaviour over time.

Abstract Background Early Psychosis patients (EP, within 3 years after psychosis onset) show significant variability, making outcome predictions challenging. Currently, little evidence exists for stable relationships between neural microstructural properties and symptom profiles across EP diagnoses, limiting the development of early interventions. Methods A data-driven approach, Partial Least Squares (PLS) correlation, was used across two independent datasets to examine multivariate relationships between white matter (WM) properties and symptomatology, to identify stable and generalizable signatures in EP. The primary cohort included EP patients from the Human Connectome Project-Early Psychosis (n=124). The replication cohort included EP patients from the Feinstein Institute for Medical Research (n=78). Both samples included individuals with schizophrenia, schizoaffective disorder, and psychotic mood disorders. Results In both cohorts, a significant latent component (LC) corresponded to a symptom profile combining negative symptoms, primarily diminished expression, with specific somatic symptoms. Both LCs captured comprehensive features of WM disruption, primarily a combination of subcortical and frontal association fibers. Strikingly, the PLS model trained on the primary cohort accurately predicted microstructural features and symptoms in the replication cohort. Findings were not driven by diagnosis, medication, or substance use. Conclusions This data-driven transdiagnostic approach revealed a stable and replicable neurobiological signature of microstructural WM alterations in EP, across diagnoses and datasets, showing a strong covariance of these alterations with a unique profile of negative and somatic symptoms. This finding suggests the clinical utility of applying data-driven approaches to reveal symptom domains that share neurobiological underpinnings.

ABSTRACT Background Externalizing and internalizing behaviors are common and contribute to impairment in children with neurodevelopmental disorders (NDDs). Associations between externalizing or internalizing behaviors and cortico-amygdalar connectivity have been found in children with and without clinically significant internalizing/externalizing behaviors. This study examined whether such associations are present across children with different NDDs. Methods Multi-modal neuroimaging and behavioral data from the Province of Ontario Neurodevelopmental Disorders (POND) Network were used. POND participants aged 6-18 years with a primary diagnosis of autism spectrum disorder (ASD), attention-deficit/hyperactivity disorder (ADHD) or obsessive-compulsive disorder (OCD), as well as typically developing children (TDC) with T1-weighted, resting-state fMRI or diffusion weighted imaging and parent-report Child Behavioral Checklist (CBCL) data available, were analyzed (n range=157-346). Associations between externalizing or internalizing behavior and cortico-amygdalar structural and functional connectivity indices were examined using linear regressions, controlling for age, gender, and image-modality specific covariates. Behavior-by-diagnosis interaction effects were also examined. Results No significant linear associations (or diagnosis-by-behavior interaction effects) were found between CBCL-measured externalizing or internalizing behaviors and any of the connectivity indices examined. Post-hoc bootstrapping analyses indicated stability and reliability of these null results. Conclusions The current study provides evidence in favour of the absence of a shared linear relationship between internalizing or externalizing behaviors and cortico-amygdalar connectivity properties across a transdiagnostic sample of children with various NDDs and TDC. Detecting shared brain-behavior relationships in children with NDDs may benefit from the use of different methodological approaches, including incorporation of multi-dimensional behavioral data (i.e. behavioral assessments, neurocognitive tasks, task-based fMRI) or clustering approaches to delineate whether subgroups of individuals with different brain-behavior profiles are present within heterogeneous cross-disorder samples.