Abstract Human brain plastically adapts to environmental demands. Here, we propose that naturally occuring plasticity in certain brain areas should be reflected by higher environmental influence and therefore lower heritability of the structure of those brain areas. Mesulam’s (1998) seminal overview proposed a hierarchy of plasticity, where higher-order multimodal areas should be more plastic than lower-order sensory areas. Using microstructural and functional gradients as proxies for Mesulam’s hierarchy, we seek to test whether these gradients predict heritability of brain structure. We test this model simultaneously across multiple measures of cortical structure and microstructure derived from structural magnet resonance imaging. We also account for multiple other explanations of heritability differences, such as signal-to-noise ratio and spatial autocorrelation. We estimated heritability of brain areas using 984 participants from the Human Connectome Project. Multi-level modelling of heritability differences demonstrated that heritability is explained by both signal quality, as well as by the primary microstructural gradient. Namely, sensory areas had higher heritability and limbic/heteromodal areas had lower heritability. Given the increasing availability of genetically informed imaging data, heritability could be a quick method assess brain plasticity. Highlights (up to 85 chars) Cortical areas vary in heritability. This is seen across structural measures. Heritability differences could be explained by plasticity, topography, or noise. We build a comprehensive model testing many explanations across 5 measures. Heritability is explained by noise and 1 st structural gradient reflecting plasticity. Heritability could be a method to study brain plasticity.

ABSTRACT Parkinson’s Disease (PD) is a progressive neurodegenerative disorder characterized by motor and cognitive deficits. The neurodegenerative process is thought to move stereotypically from the brainstem up to the cerebral cortex, possibly reflecting the spread of toxic alpha-synuclein molecules. Using a large, longitudinal, multi-center database of de novo PD patients, we tested whether focal reductions in cortical thickness could be explained by disease spread from a subcortical “disease reservoir” along the brain’s connectome. PD patients (n=105) and matched controls (n=57) underwent T1-MRI at entry and one year later. Over this period, PD patients demonstrated significantly greater loss of cortical thickness than healthy controls in parts of the left occipital and bilateral frontal lobes and right somatomotor-sensory cortex. Cortical regions with greater connectivity (measured functionally or structurally) to a “disease reservoir” evaluated via MRI at baseline demonstrated greater atrophy one year later. The atrophy pattern in the ventral frontal lobes resembled one described in certain cases of Alzheimer’s disease. Moreover, a multiple linear regression model suggested that cortical thinning was associated with impaired cognitive function at follow-up. Our findings suggest that disease propagation to the cortex in PD follows neural connectivity, and that disease spread to the cortex may herald the onset of cognitive impairment.

Despite numerous meta-analyses, the true extent to which life satisfaction reflects personality traits has remained unclear due to overreliance on a single method to assess both and insufficient attention to construct overlaps. Using data from three samples tested in different languages (Estonian, N = 20,886; Russian, N = 768; English, N = 600), we combined self- and informant-reports to estimate personality domains' and nuances' true correlations (r

Abstract Schizophrenia is widely recognized as a neurodevelopmental disorder. Abnormal cortical development may by revealed using polygenic risk scoring for schizophrenia (PRS-SCZ). We assessed PRS-SCZ and cortical morphometry in typically developing children (3–21 years) using whole genome genotyping and T1-weighted MRI (n=390) from the Pediatric Imaging, Neurocognition and Genetics (PING) cohort. We contextualise the findings using (i) age-matched transcriptomics, (ii) histologically-defined cytoarchitectural types and functionally-defined networks, (iii) case-control differences of schizophrenia and other major psychiatric disorders. Higher PRS-SCZ was associated with greater cortical thickness, which was most prominent in areas with heightened gene expression of dendrites and synapses. PRS-SCZ related increases in vertex-wise cortical thickness were especially focused in the ventral attention network, while koniocortical type cortex (i.e. primary sensory areas) was relatively conserved from PRS-SCZ related differences. The large-scale pattern of cortical thickness increases related to PRS-SCZ mirrored the pattern of cortical thinning in schizophrenia and mood-related psychiatric disorders. Age group models illustrate a possible trajectory from PRS-SCZ associated cortical thickness increases in early childhood towards thinning in late adolescence, which resembles the adult brain phenotype of schizophrenia. Collectively, combining imaging-genetics with multi-scale mapping, our work provides novel insight into how genetic risk for schizophrenia impacts the cortex early in life.

Abstract Studies have shown cortical alterations in individuals with autism spectrum disorders (ASD) as well as in individuals with high polygenic risk for ASD. An important addition to the study of altered cortical anatomy is the investigation of the underlying brain network architecture that may reveal brain-wide mechanisms in ASD and in polygenic risk for ASD. Such an approach has been proven useful in other psychiatric disorders by revealing that brain network architecture shapes (to an extent) the disorder-related cortical alterations. This study uses data from a clinical dataset – 560 male subjects (266 individuals with ASD and 294 healthy individuals, CTL, mean age at 17.2 years) from the Autism Brain Imaging Data Exchange database, and data of 391 healthy individuals (207 males, mean age at 12.1 years) from the Pediatric Imaging, Neurocognition and Genetics database. ASD-related cortical alterations (group difference, ASD-CTL, in cortical thickness) and cortical correlates of polygenic risk for ASD were assessed, and then statistically compared with structural connectome-based network measures (such as hubs) using spin permutation tests. Next, we investigated whether polygenic risk for ASD could be predicted by network architecture by building machine-learning based prediction models, and whether the top predictors of the model were identified as disease epicenters of ASD. We observed that ASD-related cortical alterations as well as cortical correlates of polygenic risk for ASD implicated cortical hubs more strongly than non-hub regions. We also observed that age progression of ASD-related cortical alterations and cortical correlates of polygenic risk for ASD implicated cortical hubs more strongly than non-hub regions. Further investigation revealed that structural connectomes predicted polygenic risk for ASD ( r =0.30, p <0.0001), and two brain regions (the left inferior parietal and left suparmarginal) with top predictive connections were identified as disease epicenters of ASD. Our study highlights a critical role of network architecture in a continuum model of ASD spanning from healthy individuals with genetic risk to individuals with ASD. Our study also highlights the strength of investigating polygenic risk scores in addition to multi-modal neuroimaging measures to better understand the interplay between genetic risk and brain alterations associated with ASD.

Abstract Background Genome-wide polygenic scores for educational attainment (PGS-EA) and socioeconomic factors, which are correlated with each other, have been consistently associated with academic achievement and general cognitive ability in children and adolescents. Yet, the independent associations of PGS-EA and socioeconomic factors with specific underlying factors at the neural and neurocognitive levels are not well understood. The goal of this study was to examine the unique contributions of PGS-EA and parental education to cortical thickness (CT), cortical surface area (SA), and neurocognitive skills in children and adolescents. Methods Participants were typically developing children and adolescents (3-21 years of age; 53% male; N = 391). High-resolution, T1-weighted magnetic resonance imaging data were acquired. PGS-EA were computed based on the most recent genome-wide association study of educational attainment. Sustained attention, inhibitory control, working memory, vocabulary, and episodic memory were measured. Results PGS-EA and parental education were independently and significantly associated with SA, vocabulary, and attention outcomes but were not associated with CT. Vertex-wise analyses indicated that higher PGS-EA was significantly associated with greater SA in the left medial orbitofrontal gyrus and inferior frontal gyrus after accounting for parental education. Higher parental education was significantly associated with greater SA in the left parahippocampal gyrus after accounting for PGS-EA. Conclusions These findings suggest that education-linked genetics may influence SA, particularly in certain frontal regions, leading to variability in academic achievement. Results suggested genetic confounding in associations between parental education and SA in children and adolescents, with these associations remaining significant after controlling for PGS-EA.

Heritable variance in psychological traits may reflect genetic and biological processes that are not necessarily specific to these particular traits but pertain to a broader range of phenotypes. We tested the possibility that Five-Factor Model personality domains and their 30 facets, as rated by people themselves and their knowledgeable informants, reflect polygenic influences that have been previously associated with educational attainment. In a sample of over 3,000 adult Estonians, polygenic scores for educational attainment (EPS; interpretable as estimates of molecular genetic propensity for education) were correlated with various personality traits, particularly from the Neuroticism and Openness domains. The correlations of personality traits with phenotypic educational attainment closely mirrored their correlations with EPS. Moreover, EPS predicted an aggregate personality trait tailored to capture maximum amount of variance in educational attainment almost as strongly as it predicted the attainment itself. We discuss possible interpretations and implications of these findings.

Abstract Human brain plastically adapts to environmental demands. Here, we propose that naturally occuring plasticity in certain brain areas should be reflected by higher environmental influence and therefore lower heritability of the structure of those brain areas. Mesulam’s (1998) seminal overview proposed a hierarchy of plasticity, where higher-order multimodal areas should be more plastic than lower-order sensory areas. Using microstructural and functional gradients as proxies for Mesulam’s hierarchy, we seek to test whether these gradients predict heritability of brain structure. We test this model simultaneously across multiple measures of cortical structure and microstructure derived from structural magnet resonance imaging. We also account for multiple other explanations of heritability differences, such as signal-to-noise ratio and spatial autocorrelation. We estimated heritability of brain areas using 984 participants from the Human Connectome Project. Multi-level modelling of heritability differences demonstrated that heritability is explained by both signal quality, as well as by the primary microstructural gradient. Namely, sensory areas had higher heritability and limbic/heteromodal areas had lower heritability. Given the increasing availability of genetically informed imaging data, heritability could be a quick method assess brain plasticity. Highlights (up to 85 chars) Cortical areas vary in heritability. This is seen across structural measures. Heritability differences could be explained by plasticity, topography, or noise. We build a comprehensive model testing many explanations across 5 measures. Heritability is explained by noise and 1st structural gradient reflecting plasticity. Heritability could be a method to study brain plasticity.

Abstract Introduction Head motion during magnetic resonance imaging is heritable. Further, it shares phenotypical and genetic variance with body mass index (BMI) and impulsivity. Yet, to what extent this trait is related to single genetic variants and physiological or behavioral features is unknown. We investigated the genetic basis of head motion in a meta-analysis of genome-wide association studies. Further, we tested whether physiological or psychological measures, such as respiratory rate or impulsivity, mediated the relationship between BMI and head motion. Methods We conducted a genome-wide association meta-analysis for mean and maximal framewise head displacement (FD) in seven population neuroimaging cohorts (UK Biobank, LIFE-Adult, Rotterdam Study cohort 1-3, Austrian Stroke Prevention Family Study, Study of Health in Pomerania; total N = 35.109). We performed a pre-registered analysis to test whether respiratory rate, respiratory volume, self-reported impulsivity and heart rate mediated the relationship between BMI and mean FD in LIFE-Adult. Results No variant reached genome-wide significance for neither mean nor maximal FD. Neither physiological nor psychological measures mediated the relationship between BMI and head motion. Conclusion Based on these findings from a large meta-GWAS and pre-registered follow-up study, we conclude that the previously reported genetic correlation between BMI and head motion relies on polygenic variation, and that neither psychological nor simple physiological parameters explain a substantial amount of variance in the association of BMI and head motion. Future imaging studies should thus rigorously control for head motion at acquisition and during preprocessing.

Recent molecular genetic studies have shown that the majority of genes associated with obesity are expressed in the central nervous system. Obesity has also been associated with neurobehavioural factors such as brain morphology, cognitive performance, and personality. Here, we tested whether these neurobehavioural factors were associated with the heritable variance in obesity measured by body mass index (BMI) in the Human Connectome Project (N=895 siblings). Phenotypically, cortical thickness findings supported the 'right brain hypothesis' for obesity. Namely, increased BMI associated with decreased cortical thickness in right frontal lobe and increased thickness in the left frontal lobe, notably in lateral prefrontal cortex. In addition, lower thickness and volume in entorhinal-parahippocampal structures, and increased thickness in parietal-occipital structures in participants with higher BMI supported the role of visuospatial function in obesity. Brain morphometry results were supported by cognitive tests, which outlined a negative association between BMI and visuospatial function, verbal episodic memory, impulsivity, and cognitive flexibility. Personality-BMI correlations were inconsistent. We then aggregated the effects for each neurobehavioural factor for a behavioural genetics analysis and estimated each factor's genetic overlap with BMI. Cognitive test scores and brain morphometry had 0.25 - 0.45 genetic correlations with BMI, and the phenotypic correlations with BMI were 77-89% explained by genetic factors. Neurobehavioural factors also had some genetic overlap with each other. In summary, obesity as measured by BMI has considerable genetic overlap with brain and cognitive measures. This supports the theory that obesity is inherited via brain function, and may inform intervention strategies.