It is a growing concern that outcomes of neuroimaging studies often cannot be replicated. To counteract this, the magnetic resonance (MR) neuroimaging community has promoted acquisition standards and created data sharing platforms, based on a consensus on how to organize and share MR neuroimaging data. Here, we take a similar approach to positron emission tomography (PET) data. To facilitate comparison of findings across studies, we first recommend publication standards for tracer characteristics, image acquisition, image preprocessing, and outcome estimation for PET neuroimaging data. The co-authors of this paper, representing more than 25 PET centers worldwide, voted to classify information as mandatory, recommended, or optional. Second, we describe a framework to facilitate data archiving and data sharing within and across centers. Because of the high cost of PET neuroimaging studies, sample sizes tend to be small and relatively few sites worldwide have the required multidisciplinary expertise to properly conduct and analyze PET studies. Data sharing will make it easier to combine datasets from different centers to achieve larger sample sizes and stronger statistical power to test hypotheses. The combining of datasets from different centers may be enhanced by adoption of a common set of best practices in data acquisition and analysis.

The Brain Imaging Data Structure (BIDS) is a standard for organizing and describing neuroimaging datasets, serving not only to facilitate the process of data sharing and aggregation, but also to simplify the application and development of new methods and software for working with neuroimaging data. Here, we present an extension of BIDS to include positron emission tomography (PET) data, also known as PET-BIDS, and share several open-access datasets curated following PET-BIDS along with tools for conversion, validation and analysis of PET-BIDS datasets.

ABSTRACT The Brain Imaging Data Structure (BIDS) is a standard for organizing and describing neuroimaging datasets. It serves not only to facilitate the process of data sharing and aggregation, but also to simplify the application and development of new methods and software for working with neuroimaging data. Here, we present an extension of BIDS to include positron emission tomography (PET) data (PET-BIDS). We describe the PET-BIDS standard in detail and share several open-access datasets curated following PET-BIDS. Additionally, we highlight several tools which are already available for converting, validating and analyzing PET-BIDS datasets.

Abstract In positron emission tomography (PET) imaging, binding is typically estimated by fitting pharmacokinetic models to the series of measurements of radioactivity in the target tissue following intravenous injection of a radioligand. However, there are multiple different models to choose from and numerous analytical decisions which must be made when modelling PET data. Therefore, full communication of all the steps involved is often not feasible within the confines of a scientific publication. As such, there is a need to improve analytical transparency. Kinfitr , written in the open-source programming language R, is a tool developed for flexible and reproducible kinetic modelling of PET data, i.e. performing all steps using code which can be publicly shared in analysis notebooks. In this study, we compared outcomes obtained using kinfitr with those obtained using PMOD: a widely-used commercial tool. Using previously-collected test-retest data obtained with four different radioligands, a total of six different kinetic models were fitted to time-activity curves derived from different brain regions. We observed high agreement between the two kinetic modelling tools both for binding estimates and for microparameters. Likewise, no substantial differences were observed in the test-retest reliability estimates between the two tools. In summary, we showed excellent agreement between the open source R package kinfitr , and the widely-used commercial application PMOD. We therefore conclude that kinfitr is a valid and reliable tool for kinetic modelling of PET data.

Abstract Objective A putative relationship between markers for the serotonin system and the personality scale self-transcendence (ST) and its subscale spiritual acceptance (SA) has been demonstrated in a previous PET study of 5-HT 1A receptor binding in healthy control subjects. The results could however not be replicated in a subsequent PET study at an independent centre. In this study, we performed a replication of our original study in a larger sample using Bayesian hypothesis testing to evaluate relative evidence both for and against this hypothesis. Methods Regional 5-HT 1A receptor binding potential (BP ND ) was examined in 50 healthy male subjects using PET with the radioligand [ 11 C]WAY100635. 5-HT 1A availability was calculated using the simplified reference tissue model (SRTM) yielding regional BP ND . ST and SA were measured using the Temperament and Character Inventory (TCI) questionnaire. Correlations between ST/SA scores and 5-HT 1A BP ND in frontal cortex, hippocampus and raphe nuclei were examined by calculation of default correlation Bayes factors (BFs) and replication BFs. Results There were no significant correlations between 5-HT 1A receptor binding and ST/SA scores. Rather, five of six replication BFs provided moderate to strong evidence for no association between 5-HT 1A availability and ST/SA, while the remaining BF provided only weak evidence. Conclusion We could not replicate our previous findings of an association between 5-HT 1A availability and the personality trait ST/SA. Rather, the Bayesian analysis provided evidence for a lack of correlation. Further research should focus on whether other components of the serotonin system may be related to ST or SA. This study also illustrates how Bayesian hypothesis testing allows for greater flexibility and more informative conclusions than traditional p-values, suggesting that this approach may be advantageous for analysis of molecular imaging data.

Background: Associations between dopamine receptor levels and pro- and antisocial behavior have previously been demonstrated in human subjects using positron emission tomography (PET) and self-rated measures of personality traits. So far, only one study has focused on the D1-dopamine receptor (D1-R), finding a positive correlation with the trait social desirability, which is characterized by low dominant and high affiliative behavior, while physical aggression showed a negative correlation. The aim of the present study was to replicate these previous findings using a new independent sample of subjects. Methods: Twenty-six healthy males were examined with the radioligand [11]SCH-23390, and completed the Swedish universities Scales of Personality (SSP) which includes measures of social desirability and physical trait aggression. The simplified reference tissue model with cerebellum as reference region was used to calculate BPND values in the whole striatum and limbic striatum. The two regions were selected since they showed strong association between D1-R availability and personality scores in the previous study. Pearson's correlation coefficients and replication Bayes factors were then employed to assess the replicability and robustness of previous results. Results: There were no significant correlations (all p values > 0.3) between regional BPND values and personality scale scores. Replication Bayes factors showed strong to moderate evidence in favor no relationship between D1-receptor availability and social desirability (striatum BF01 = 12.4; limbic striatum BF01 = 7.2) or physical aggression scale scores (limbic striatum BF01 = 3.3), compared to the original correlations. Discussion: We could not replicate the previous findings of associations between D1-R availability and either pro- or antisocial behavior as measured using the SSP. Rather, there was evidence in favor of failed replications of associations between BPND and scale scores. Potential reasons for these results are restrictive variance in both PET and personality outcomes due to high sample homogeneity, or that the previous findings were false positives.

Positron emission tomography (PET), along with many other fields of clinical research, is both time-consuming and expensive, and recruitable patients can be scarce. These constraints limit the possibility of large-sample experimental designs, and often lead to statistically underpowered studies. This problem is exacerbated by the use of outcome measures whose accuracy is sometimes insufficient to answer the scientific questions posed. Reliability is usually assessed in validation studies using healthy participants, however these results are often not easily applicable to clinical studies examining different populations. I present a new method and tools for using summary statistics from previously published test-retest studies to approximate the reliability of outcomes in new samples. In this way, the feasibility of a new study can be assessed during planning stages, and before collecting any new data. An R package called relfeas also accompanies this article for performing these calculations. In summary, these methods and tools will allow researchers to avoid performing costly studies which are, by virtue of their design, unlikely to yield informative conclusions.

ABSTRACT The serotonin 1A receptor has been linked to both the pathophysiology of major depressive disorder (MDD) and the antidepressant action of serotonin reuptake inhibitors. Most PET studies of the serotonin 1A receptor in MDD used the receptor antagonist radioligand, [carbonyl- 11 C]WAY100635; however the interpretation of the combined results has been contentious owing to reports of higher or lower binding in MDD with different outcome measures. The reasons for these divergent results originate from several sources, including properties of the radiotracer itself, which complicate its quantification and interpretation; as well as from previously reported differences between MDD and healthy volunteers in both reference tissue binding and plasma free fraction, which are typically assumed not to differ. Recently, we have developed two novel hierarchical multivariate methods which we validated for the quantification and analysis of [ 11 C]WAY100635, which show better accuracy and inferential efficiency compared to standard analysis approaches. Importantly, these new methods should theoretically be more resilient to many of the factors thought to have caused the discrepancies observed in previous studies. We sought to apply these methods in the largest [ 11 C]WAY100635 sample to date, consisting of 160 individuals, including 103 MDD patients, of whom 50 were not-recently-medicated and 53 were antidepressant-exposed, as well as 57 healthy volunteers. While the outcome measure discrepancies were substantial using conventional univariate analysis, our multivariate analysis techniques instead yielded highly consistent results across PET outcome measures and across pharmacokinetic models, with all approaches showing higher serotonin 1A autoreceptor binding potential in the raphe nuclei of not-recently-medicated MDD patients relative to both healthy volunteers and antidepressant-exposed MDD patients. Moreover, with the additional precision of estimates afforded by this approach, we can show that while binding is also higher in projection areas in this group, these group differences are approximately half of those in the raphe nuclei, which are statistically distinguishable from one another. These results are consistent with the biological role of the serotonin 1A autoreceptor in the raphe nuclei in regulating serotonin neuron firing and release, and with preclinical and clinical evidence of deficient serotonin activity in MDD due to over expression of autoreceptors resulting from genetic and/or epigenetic effects. These results are also consistent with downregulation of autoreceptors as a mechanism of action of selective serotonin reuptake inhibitors. In summary, the results using multivariate analysis approaches therefore demonstrate both face and convergent validity, and may serve to provide a resolution and consensus interpretation for the disparate results of previous studies examining the serotonin 1A receptor in MDD.

Abstract Dopamine D2 receptors (D2-R) in extrastriatal brain regions are of high interest for research in a wide range of psychiatric and neurologic disorders. Pharmacological competition studies and test-retest experiments have shown high validity and reliability of the positron emission tomography (PET) radioligand [ 11 C]FLB 457 for D2-R quantification in extrastriatal brain regions. However, this radioligand is not available at most research centres. Instead, the medium affinity radioligand [ 11 C]raclopride, which has been extensively validated for quantification of D2-R in the high-density region striatum, has been applied also in studies on extrastriatal D2-R. Recently, the validity of this approach has been questioned by observations of low occupancy of [ 11 C]raclopride in extrastriatal regions in a pharmacological competition study. Here, we utilise a data set of 16 healthy control subjects examined with both [ 11 C]raclopride and [ 11 C]FLB 457 to assess the correlation in binding potential (BP ND ) in extrastriatal brain regions. BPND was quantified using the simplified reference tissue model with cerebellum as reference region. The rank order of mean regional BPND values were similar for both radioligands, and corresponded to previously reported data, both post-mortem and using PET. Nevertheless, weak to moderate within-subject correlations were observed between [ 11 C]raclopride and [ 11 C]FLB 457 BP ND extrastriatally (Pearson’s R: 0.30 - 0.56), in contrast to very strong correlations between repeated [ 11 C]FLB 457 measurements (Pearson’s R: 0.82 - 0.98). These results are likely related to low signal to noise ratio of [ 11 C]raclopride in extrastriatal brain regions, and further strengthen the recommendation that extrastriatal D2-R measures obtained with [ 11 C]raclopride should be interpreted with caution.