Abstract Changes in spontaneous brain activity at rest provide rich information about behavior and cognition. The mathematical properties of resting-state functional magnetic resonance imaging (rsfMRI) are a depiction of brain function and are frequently used to predict cognitive phenotypes. Individual characteristics such as age, gender, and total intracranial volume (TIV) play an important role in predictive modeling of rsfMRI (for example, as “confounders” in many cases). It is unclear, however, to what extent rsfMRI carries independent information from the individual characteristics that is able to predict cognitive phenotypes. Here, we used predictive modeling to thoroughly examine the predictability of four cognitive phenotypes in 20,000 healthy UK Biobank subjects. We extracted common rsfMRI features of functional brain connectivity (FC) and temporal complexity (TC). We assessed the ability of these features to predict outcomes in the presence and absence of age, gender, and TIV. Additionally, we assessed the predictiveness of age, gender, and TIV only. We find TC and FC features to perform comparably with regard to predicting cognitive phenotypes. As compared to rsfMRI features, individual characteristics provide systematically better predictions with smaller sample sizes and, to some extent, in larger cohorts. It is also consistent across different levels of inherent temporal noise in rsfMRI. Our results suggest that when the objective is to perform cognitive predictions as opposed to understanding the relationship between brain and behavior, individual characteristics are more applicable than rsfMRI features.

The link between metabolic syndrome (MetS) and neurodegenerative as well cerebrovascular conditions holds substantial implications for brain health in at-risk populations. This study elucidates the complex relationship between metabolic syndrome (MetS) and brain health by conducting a comprehensive examination of cardiometabolic risk factors, cortical morphology, and cognitive function in 40,087 individuals. Multivariate, data-driven statistics identified a latent dimension linking more severe MetS to widespread cortical abnormalities and lower cognitive performance, accounting for up to 77% of shared variance in the data. This dimension was replicable across sub-samples. Our results also suggest that MetS-related cortical effects are shaped by the regional cellular composition and macroscopic brain network organization. By leveraging extensive, multi-domain data combined with a dimensional stratification approach, our analysis provides profound insights into the association of MetS and brain health. These findings underscore the necessity for effective risk mitigation strategies aimed at maintaining brain integrity.

Abstract Background Processing stroke magnetic resonance imaging (MRI) brain data can be susceptible to lesion-based abnormalities. In this study we developed and validated the Lesion Aware automated Processing Pipeline (LeAPP) that incorporates mitigation measures, improving volumetric and connectomics outputs compared to current standards in automated MRI processing pipelines. Methods Building upon the Human Connectome Project (HCP) minimal processing pipeline, we introduced correction measures, such as cost-function masking and virtual brain transplant, and extended functional and diffusion processing to match acquisition protocols often found in a clinical context. A total of 51 participants (36 stroke patients (65.7±12.96 years, 18 female) and 15 healthy controls (69.2±7.4 years, 7 female)) were processed across four time points for patients (3-5, 30-40, 85-95, 340-380 days after stroke onset) and one time point for controls. Artificially lesioned brains (N=82), derived from healthy brains and informed by real stroke lesions were created, thus generating ground-truth data for validation. The processing pipeline and validation framework are available as containerized open-source software. Reconstruction quality has been quantified on whole brain level and for lesion affected and unaffected regions-of-interest (ROIs) using metrics like dice score, volume difference and center-of-gravity distance. Global and local level connectome reconstruction was assessed using node strength, node centrality and clustering coefficient. Results The new pipeline LeAPP provides close reconstructions of the ground truth. Deviations in reconstructed averaged whole brain node strength and all ROI based volume and connectome metrics were significantly reduced compared to the HCP pipeline without stroke specific mitigation measures. Conclusions LeAPP improves reconstruction quality of multimodal MRI processing for brain parcellation and structural connectome estimation significantly over the non-adapted HCP in the presence of lesions and provides a robust framework for diffusion and functional image processing of clinical stroke data. This novel open-source automated processing pipeline contributes to a development towards reproducible research. Graphical abstract

Abstract Age-related cortical atrophy, approximated by cortical thickness measurements from magnetic resonance imaging, follows a characteristic pattern over the lifespan. Although its determinants remain unknown, mounting evidence demonstrates correspondence between the connectivity profiles of structural and functional brain networks and cortical atrophy in health and neurological disease. Here, we performed a cross-sectional multimodal neuroimaging analysis of 2633 individuals from a large population-based cohort to characterize the association between age-related differences in cortical thickness and functional as well as structural brain network topology. We identified a widespread pattern of age-related cortical thickness differences including “hotspots” of strong age effects located in brain areas with high centrality (structural network hubs). Regional age-related differences were furthermore strongly correlated within the structurally defined node neighborhood. The overall pattern of thickness differences as well as its change throughout the later lifespan was found to be anchored in the functional network hierarchy as encoded by macroscale functional connectivity gradients. Lastly, the identified difference pattern covaried significantly with cognitive and motor performance. Our findings indicate that connectivity profiles of functional and structural brain networks might act as organizing principles behind age-related cortical thinning as an imaging surrogate of cortical atrophy.

Abstract Multiple consensus statements have called for preclinical randomized controlled trials (pRCT) to improve translation in stroke research. Here, we investigated the efficacy of IL-17A neutralizing antibodies in a multicentric pRCT using a murine stroke model. C57/Bl.6 mice were subjected to transient middle cerebral artery occlusion (tMCAO). Mice were randomly allocated (1:1). Either anti-IL-17A (500 µg) or isotype antibody (500 µg) were administered 1 h after tMCAO. Primary analysis of infarct volumes was done by MRI after three days. Secondary analysis included mortality, neurological score, neutrophil infiltration and the impact of the gut microbiome on treatment effects. Out of 136 mice, 109 mice were included in the analysis. Mixed model analysis revealed that the IL-17A neutralization significantly reduced infarct sizes (anti IL-17A: 61.77 ± 31.04 mm 3 ; IgG control: 75.66 ± 34.79 mm 3 ; p=0.01). Secondary outcome measures showed a decrease in mortality (Hazard Ratio=3.43, 95% CI = 1.157 - 10.18; p=0.04) and neutrophil invasion into ischemic cortices. There was no difference in the neurological score. The analysis of the gut microbiome showed significant differences between centers. Taken together, this is the first positive pRCT in an ischemia reperfusion model. It suggests IL-17A neutralization as a potential target in stroke.