Preterm infants are at high risk of neurodevelopmental impairment, which may be due to altered development of brain connectivity. We aimed to (i) assess structural brain development from 25 to 45 weeks gestational age (GA) using graph theoretical approaches and (ii) test the hypothesis that preterm birth results in altered white matter network topology. Sixty-five infants underwent MRI between 25+3 and 45+6 weeks GA. Structural networks were constructed using constrained spherical deconvolution tractography and were weighted by measures of white matter microstructure (fractional anisotropy, neurite density and orientation dispersion index). We observed regional differences in brain maturation, with connections to and from deep grey matter showing most rapid developmental changes during this period. Intra-frontal, frontal to cingulate, frontal to caudate and inter-hemispheric connections matured more slowly. We demonstrated a core of key connections that was not affected by GA at birth. However, local connectivity involving thalamus, cerebellum, superior frontal lobe, cingulate gyrus and short range cortico-cortical connections was related to the degree of prematurity and contributed to altered global topology of the structural brain network. The relative preservation of core connections at the expense of local connections may support more effective use of impaired white matter reserve following preterm birth.

Abstract The Developing Human Connectome Project (dHCP) is an Open Science project which provides the first large sample of neonatal functional MRI (fMRI) data with high temporal and spatial resolution. This data enables mapping of intrinsic functional connectivity between spatially distributed brain regions under normal and adverse perinatal circumstances, offering a framework to study the ontogeny of large-scale brain organisation in humans. Here, we characterise in unprecedented detail the maturation and integrity of resting-state networks (RSNs) at normal term age in 337 infants (including 65 born preterm). First, we applied group independent component analysis (ICA) to define 11 RSNs in term-born infants scanned at 43.5-44.5 weeks postmenstrual age (PMA). Adult-like topography was observed in RSNs encompassing primary sensorimotor, visual and auditory cortices. Among six higher-order, association RSNs, analogues of the adult networks for language and ocular control were identified, but a complete default mode network precursor was not. Next, we regressed the subject-level datasets from an independent cohort of infants scanned at 37-43.5 weeks PMA against the group-level RSNs to test for the effects of age, sex and preterm birth. Brain mapping in term-born infants revealed areas of positive association with age across four of six association RSNs, indicating active maturation in functional connectivity from 37 to 43.5 weeks PMA. Female infants showed increased connectivity in inferotemporal regions of the visual association network. Preterm birth was associated with striking impairments of functional connectivity across all RSNs in a dose-dependent manner; conversely, connectivity of the superior parietal lobules within the lateral motor network was abnormally increased in preterm infants, suggesting a possible mechanism for specific difficulties such as developmental coordination disorder which occur frequently in preterm children. Overall, we find a robust, modular, symmetrical functional brain organisation at normal term age. A complete set of adult-equivalent primary RSNs is already instated, alongside emerging connectivity in immature association RSNs, consistent with a primary-to-higher-order ontogenetic sequence of brain development. The early developmental disruption imposed by preterm birth is associated with extensive alterations in functional connectivity.

Abstract In the mature brain, structural and functional connectivity ‘fingerprints’ can be used to identify the uniqueness of an individual. However, whether the characteristics that make a brain distinguishable from others already exist at birth remains unknown. Here, we used neuroimaging data of preterm born neonates who were scanned twice during the perinatal period to assess the developing brain fingerprint. We found that 62% of the participants could be identified based on the congruence of the later structural connectome to the initial connectivity matrix derived from the earlier timepoint. In contrast, similarity between functional connectomes only allowed to identify 12% of the participants. These suggests that structural connectivity is more stable in early life and can represent a potential connectome fingerprint. Thus, a relatively stable structural connectome appears to support a changing functional connectome at a time when neonates must rapidly acquire new skills to adapt to their new environment.

Abstract The development of perinatal brain connectivity underpins motor, cognitive and behavioural abilities in later life. Diffusion MRI allows the characterisation of subtle inter-individual differences in structural brain connectivity. Individual brain connectivity maps (connectomes) are by nature high in dimensionality and are complex to interpret. Machine learning methods are a powerful tool to uncover properties of the connectome which are not readily visible, and can give us clues as to how and why individual developmental trajectories differ. In this manuscript we used Deep Neural Networks and Random Forests to predict demographic and neurodevelopmental characteristics from neonatal structural connectomes in a large sample of babies (n = 524) from the developing Human Connectome Project. We achieved an accurate prediction of post menstrual age (PMA) at scan in term-born infants (Mean absolute error (MAE) = 0.72 weeks, r = 0.83 and p<0.001). We also achieved good accuracy when predicting gestational age at birth in a cohort of term and preterm babies scanned at term equivalent age (MAE = 2.21 weeks, r = 0.82, p<0.001). We subsequently used sensitivity analysis to obtain feature relevance from our prediction models, with the most important connections for prediction of PMA and GA found to be predominantly thalamocortical. From our models of PMA at scan for infants born at term, we computed a brain maturation index ( predicted age minus actual age ) of individual preterm neonates and found a significant correlation between this index and motor outcome at 18 months corrected age. Our results demonstrate the applicability of machine learning techniques in analyses of the neonatal connectome, and suggest that a neural substrate for later developmental outcome is detectable at term equivalent age.

Abstract Brain dynamic functional connectivity characterises transient connections between brain regions, changing over time. Features of brain dynamics have been linked to emotion and cognition in adult individuals, and atypical patterns have been associated with neurodevelopmental conditions such as autism. Although reliable functional brain networks have been consistently identified in neonates, little is known about the early development of dynamic functional connectivity. In this study we characterise dynamic functional connectivity with functional magnetic resonance imaging (fMRI) in the first few weeks of postnatal life in term-born ( n = 324) and preterm-born ( n = 66) individuals. We show that a dynamic landscape of brain connectivity is already established by the time of birth in the human brain, characterised by six transient states of neonatal functional connectivity with changing dynamics through the neonatal period. The pattern of dynamic connectivity is atypical in preterm-born infants, and associated with atypical social, sensory, and repetitive behaviours measured by the Quantitative Checklist for Autism in Toddlers (Q-CHAT) scores at 18 months of age.

Abstract Introduction The dynamic nature and complexity of the cellular events that take place during the last trimester of pregnancy make the developing cortex particularly vulnerable to perturbations. Abrupt interruption to normal gestation can lead to significant deviations to many of these processes, resulting in atypical trajectory of cortical maturation in preterm birth survivors. Methods We sought to first map typical cortical micro and macrostructure development using invivo MRI in a large sample of healthy term-born infants scanned after birth (n=270). Then we offer a comprehensive characterisation of the cortical consequences of preterm birth in 78 preterm infants scanned at term-equivalent age (37-44 weeks postmenstrual age). We describe the group-average atypicality, the heterogeneity across individual preterm infants, and relate individual deviations from normative development to age at birth and neurodevelopment at 18 months. Results In the term-born neonatal brain, we observed regionally specific age-associated changes in cortical morphology and microstructure, including rapid surface expansion, cortical thickness increase, reduction in cortical anisotropy and increase in neurite orientation dispersion. By term-equivalent age, preterm infants had on average increased cortical tissue water content and reduced neurite density index in the posterior parts of the cortex, and greater cortical thickness anteriorly compared to term-born infants. While individual preterm infants were more likely to show extreme deviations (over 3.1 standard deviations) from normative cortical maturation compared to term-born infants, these extreme deviations were highly variable and showed very little spatial overlap between individuals. Measures of regional cortical development were associated with age at birth, but not with neurodevelopment at 18 months. Conclusion We showed that preterm birth alters cortical micro and macrostructural maturation near the time of fullterm birth. Deviations from normative development were highly variable between individual preterm infants.

Abstract Background Autism traits emerge between the ages of 1 and 2. It is not known if experiences which increase the likelihood of childhood autism are related to early trait emergence, or if other exposures are more important. Identifying factors linked to toddler autism traits in the general population may improve our understanding of the mechanisms underlying atypical neurodevelopment. Methods Clinical, socio-demographic, and parental information was collected at birth from 536 toddlers in London, UK (gestational age at birth, sex, maternal body mass index, age, parental education level, parental first language, parental history of neurodevelopmental disorders) and at 18 months (parent cohabiting status, two measures of social deprivation, three measures of maternal parenting style, and a measure of maternal postnatal depression). General neurodevelopment was assessed with the Bayley Scales of Infant and Toddler Development, 3 rd Edition (BSID-III), and autism traits were assessed using the Quantitative Checklist for Autism in Toddlers (Q-CHAT). Multivariable models were used to identify associations between variables and Q-CHAT. A model including BSID-III was used to identify factors associated with Q-CHAT independent of general neurodevelopment. Models were also evaluated addressing variable collinearity with principal component analysis (PCA). Results A multivariable model explained 20% of Q-CHAT variance, with four individually significant variables (two measures of parenting style and two measures of socio-economic deprivation). After adding general neurodevelopment into the model 36% of Q-CHAT variance was explained, with three individually significant variables (two measures of parenting style and one measure of language development). After addressing variable collinearity with PCA, parenting style and social deprivation were positively correlated with Q-CHAT score via a single principal component, independently of general neurodevelopment. Neither sex nor family history of autism were associated with Q-CHAT score. Limitations The Q-CHAT is parent rated and is therefore a subjective opinion rather than a clinical assessment. We measured Q-CHAT at a single timepoint, and to date no participant has been followed up in later childhood, so we are focused purely on emerging traits rather than clinical autism diagnoses. Conclusions Autism traits are common at age 18 months, and greater emergence is specifically related to exposure to early life adversity.

ABSTRACT Structural and diffusion MRI provide complimentary anatomical and microstructural characterization of early brain maturation. The existing models of the developing brain in time include only either structural or diffusion channels. Furthermore, there is a lack of tools for combined analysis of structural and diffusion MRI in the same reference space. In this work we propose methodology to generate multi-channel (MC) continuous spatio-temporal parametrized atlas of brain development based on MC registration driven by both T2-weighted and orientation distribution functions (ODF) channels along with the Gompertz model (GM) fitting of the signals and spatial transformations in time. We construct a 4D MC atlas of neonatal brain development during 38 to 44 week PMA range from 170 normal term subjects from developing Human Connectomme Project. The resulting atlas consists of fourteen spatio-temporal microstructural indices and two parcellation maps delineating white matter tracts and neonatal transient structures. We demonstrate applicability of the atlas for quantitative region-specific comparison of 140 term and 40 preterm subjects scanned at the term-equivalent age. We show multi-parametric microstructural differences in multiple white matter regions, including the transient compartments. The atlas and software will be available after publication of the article.

Abstract Formation of the functional connectome in early life underpins future learning and behaviour. However, our understanding of how the functional organisation of brain regions into interconnected hubs (centrality) matures in the early postnatal period is limited, especially in response to factors associated with adverse neurodevelopmental outcomes such as preterm birth. We characterised voxel-wise functional centrality (weighted degree) in 366 neonates from the Developing Human Connectome Project. We tested the hypothesis that functional centrality matures with age at scan in term-born babies and is disrupted by preterm birth. Finally, we asked whether neonatal functional centrality predicts general neurodevelopmental outcomes at 18 months. We report an age-related increase in functional centrality predominantly within visual regions and decrease within motor and auditory regions in term-born infants. Preterm-born infants scanned at term equivalent age had higher functional centrality predominantly within visual regions and lower measures in motor regions. Functional centrality was not related to outcome at 18 months old. Thus, preterm birth appears to affect functional centrality in regions undergoing substantial development during the perinatal period. Our work raises the question of whether these alterations are adaptive or disruptive, and whether they predict neurodevelopmental characteristics that are more subtle or emerge later in life.

Abstract Multiple studies have demonstrated less favourable childhood outcomes in infants born in early term (37-38 weeks gestation) compared to those born at full term (40-41 weeks gestation). While this could be due to higher perinatal morbidity, gestational age at birth may also have a direct effect on the brain and subsequent neurodevelopment in term-born babies. Here we characterise structural brain correlates of gestational age at birth in healthy term-born neonates and their relationship to later neurodevelopmental outcome. We used T2 and diffusion weighted Magnetic Resonance Images acquired in the neonatal period from a cohort (n=454) of healthy babies born at term age (>37 weeks gestation) and scanned between 1 and 41 days after birth. Images were analysed using tensor based morphometry (TBM) and tract based spatial statistics (TBSS). Neurodevelopment was subsequently assessed at age 18 months using the Bayley-III Scales of Infant and Toddler Development, and the effects of gestational age at birth and related neuroimaging findings on outcome were analysed with linear regression. Infants born earlier had areas of higher relative ventricular volume, and lower relative brain volume in the basal ganglia, cerebellum and brainstem. Earlier birth was also associated with lower fractional anisotropy, higher mean, axial and radial diffusivity in major white matter tracts. Gestational age at birth was positively associated with all Bayley-III subscales at age 18 months. Linear regression models predicting outcome from gestational age at birth were significantly improved by adding neuroimaging features associated with gestational age at birth. This work adds to the growing body of evidence of the impact of early term birth and highlights the importance of considering the effect of gestational age at birth in future neuroimaging studies including term-born babies.