UV
Uku Vainik
Author with expertise in Analysis of Brain Functional Connectivity Networks
Achievements
Open Access Advocate
Cited Author
Key Stats
Upvotes received:
0
Publications:
13
(69% Open Access)
Cited by:
40
h-index:
18
/
i10-index:
31
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
3

Heritability of cortical morphology reflects a sensory-fugal plasticity gradient

Uku Vainik et al.Nov 4, 2020
+4
X
C
U
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.
0

Heritability of cortical morphology reflects a sensory-fugal plasticity gradient

Uku Vainik et al.Oct 22, 2020
X
C
U
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.
0

Network Connectivity Determines Cortical Thinning In Early Parkinson’s Disease Progression

Yvonne Yau et al.Jun 8, 2017
+9
T
Y
Y
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.
0

Relationship between impulsivity, uncontrolled eating and body mass index: a hierarchical model

Isabel García‐García et al.Jun 16, 2018
+8
F
S
I
Abstract Background Impulsivity increases the risk for obesity and weight gain. However, the precise role of impulsivity in the aetiology of overeating behavior and obesity is currently unknown. Here we examined the relationships between personality-related measures of impulsivity, Uncontrolled Eating, BMI, and longitudinal weight changes. Additionally, we analyzed the associations between general impulsivity domains and brain cortical thickness to elucidate brain vulnerability factors related to weight gain. Methods Students in their first year of university - a risky period for weight gain - completed questionnaire measures of impulsivity and eating behavior at the beginning (N = 2318) of the school year. We also collected their weight at the end of the term (N = 1197). Impulsivity was divided into factors stress reactivity, reward sensitivity and lack of self-control. Using structural equation models, we tested the plausibility of a hierarchical relationship, in which impulsivity traits were associated with Uncontrolled Eating, which in turn predicted BMI and weight change. 71 participants underwent T1-weighted MRI to investigate the correlation between impulsivity and cortical thickness. Results Impulsivity traits showed positive correlations with Uncontrolled Eating. Higher scores in Uncontrolled Eating were in turn associated with higher BMI. None of the impulsivity-related measurements nor Uncontrolled Eating were correlated with longitudinal weight gain. Higher stress sensitivity was associated with increased cortical thickness in the superior temporal gyrus. Lack of self-control was positively associated with increased thickness in the superior medial frontal gyrus. Finally, higher reward sensitivity was associated with lower thickness in the inferior frontal gyrus. Conclusion The present study provides a comprehensive characterization of the relationships between different facets of impulsivity and obesity. We show that differences in impulsivity domains might be associated with BMI via Uncontrolled Eating. Our results might inform future clinical strategies aimed at fostering self-control abilities to prevent and/or treat unhealthy weight gain.
10

Schizophrenia polygenic risk during typical development reflects multiscale cortical organization

Matthias Kirschner et al.Jun 13, 2021
+9
N
U
M
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.
10
Citation4
0
Save
0

Most people's life satisfaction matches their personality traits: True correlations in multitrait, multirater, multisample data.

René Mõttus et al.Apr 1, 2024
+4
J
A
R
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
0
Citation3
0
Save
0

Educational attainment and personality are genetically intertwined

René Mõttus et al.Sep 28, 2016
+3
U
A
R
Abstract 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.
0
Citation3
0
Save
0

Assessing the impact of 20th century internal migrations on the genetic structure of Estonia

Ivan Kuznetsov et al.Jan 1, 2023
+3
U
M
I
Spatial genetic structure observed in many human populations is in large part attributed to past demographic events and isolation by distance. However, how intensifying migration affects this structure remains understudied. Here we harness a sample of more than 180 thousand individuals to explore the genetic correlates and consequences of contemporary migrations in Estonia. While we show that migration smoothens the genome-wide genetic structure, it intensifies inter-regional differences in polygenic scores (PGS) for certain traits, derived both from population as well as within-sibship studies. The strongest effect is observed for educational attainment which is consistent with previous observations in the UK and suggests this to be a general pattern. We explore those regional differences in PGS in terms of the driving forces behind them and from a temporal perspective, and suggest urbanisation as a major driver for this pattern in Estonia from at least the first half of the 20th century.
1

A critical role of brain network architecture in a continuum model of autism spectrum disorders spanning from healthy individuals with genetic liability to individuals with ASD

Budhachandra Khundrakpam et al.Sep 4, 2021
+5
U
N
B
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.
1

Educational Attainment Polygenic Scores, Socioeconomic Factors, and Cortical Structure in Children and Adolescents

Emily Merz et al.Sep 22, 2021
+4
H
J
E
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.
Load More