Abstract Preclinical applications of resting-state functional magnetic resonance imaging (rsfMRI) offer the possibility to non-invasively probe whole-brain network dynamics and to investigate the determinants of altered network signatures observed in human studies. Mouse rsfMRI has been increasingly adopted by numerous laboratories world-wide. Here we describe a multi-centre comparison of 17 mouse rsfMRI datasets via a common image processing and analysis pipeline. Despite prominent cross-laboratory differences in equipment and imaging procedures, we report the reproducible identification of several large-scale resting-state networks (RSN), including a murine default-mode network, in the majority of datasets. A combination of factors was associated with enhanced reproducibility in functional connectivity parameter estimation, including animal handling procedures and equipment performance. Our work describes a set of representative RSNs in the mouse brain and highlights key experimental parameters that can critically guide the design and analysis of future rodent rsfMRI investigations.

Abstract Task-free functional connectivity in animal models provides an experimental framework to examine connectivity phenomena under controlled conditions and allows comparison with invasive or terminal procedures. To date, animal acquisitions are performed with varying protocols and analyses that hamper result comparison and integration. We introduce StandardRat , a consensus rat functional MRI acquisition protocol tested across 20 centers. To develop this protocol with optimized acquisition and processing parameters, we initially aggregated 65 functional imaging datasets acquired in rats from 46 centers. We developed a reproducible pipeline for the analysis of rat data acquired with diverse protocols and determined experimental and processing parameters associated with a more robust functional connectivity detection. We show that the standardized protocol enhances biologically plausible functional connectivity patterns, relative to pre-existing acquisitions. The protocol and processing pipeline described here are openly shared with the neuroimaging community to promote interoperability and cooperation towards tackling the most important challenges in neuroscience.