Neuroimaging technology has experienced explosive growth and transformed the study of neural mechanisms across health and disease. However, given the diversity of sophisticated tools for handling neuroimaging data, the field faces challenges in method integration (1–3), particularly across multiple modalities and species. Specifically, researchers often have to rely on siloed approaches which limit reproducibility, with idiosyncratic data organization and limited software interoperability. To address these challenges, we have developed Quantitative Neuroimaging Environment & Toolbox (QuNex), a platform for consistent end-to-end processing and analytics. QuNex provides several novel functionalities for neuroimaging analyses, including a “turnkey” command for the reproducible deployment of custom workflows, from onboarding raw data to generating analytic features. The platform enables inter-operable integration of multi-modal, community-developed neuroimaging software through an extension framework with a software development kit (SDK) for seamless integration of community tools. Critically, it supports high-throughput, parallel processing in high-performance compute environments, either locally or in the cloud. Notably, QuNex has successfully processed over 10,000 scans across neuroimaging consortia (4), including multiple clinical datasets. Moreover, QuNex enables integration of human and non-human workflows via a cohesive translational platform. Collectively, this effort stands to significantly impact neuroimaging method integration across acquisition approaches, pipelines, datasets, computational environments, and species. Building on this platform will enable more rapid, scalable, and reproducible impact of neuroimaging technology across health and disease.

Background Ketamine has emerged as one of the most promising therapies for treatment-resistant depression. However, inter-individual variability in response to ketamine is still not well understood and it is unclear how ketamine’s molecular mechanisms connect to its neural and behavioral effects. Methods We conducted a double-blind placebo-controlled study in which 40 healthy participants received acute ketamine (initial bolus 0.23 mg/kg, continuous infusion 0.58 mg/kg/hour). We quantified resting-state functional connectivity via data-driven global brain connectivity, related it to individual ketamine-induced symptom variation, and compared it to cortical gene expression targets. Results We found that: i) both the neural and behavioral effects of acute ketamine are multi-dimensional, reflecting robust inter-individual variability; ii) ketamine’s data-driven principal neural gradient effect matched somatostatin (SST) and parvalbumin (PVALB) cortical gene expression patterns in humans, implicating the role of SST and PVALB interneurons in ketamine’s acute effects; and iii) behavioral data-driven individual symptom variation mapped onto distinct neural gradients of ketamine, which were resolvable at the single-subject level. Conclusions Collectively, these findings support the possibility for developing individually precise pharmacological biomarkers for treatment selection in psychiatry. Funding This study was supported by NIH grants DP5OD012109-01 (A.A.), 1U01MH121766 (A.A.), R01MH112746 (J.D.M.), 5R01MH112189 (A.A.), 5R01MH108590 (A.A.), NIAAA grant 2P50AA012870-11 (A.A.); NSF NeuroNex grant 2015276 (J.D.M.); Brain and Behavior Research Foundation Young Investigator Award (A.A.); SFARI Pilot Award (J.D.M., A.A.); Heffter Research Institute (Grant No. 1–190420); Swiss Neuromatrix Foundation (Grant No. 2016–0111m Grant No. 2015 – 010); Swiss National Science Foundation under the frame-work of Neuron Cofund (Grant No. 01EW1908), Usona Institute (2015 – 2056).

Abstract Difficulties in advancing effective patient-specific therapies for psychiatric disorders highlight a need to develop a stable neurobiologically-grounded mapping between neural and symptom variation. This gap is particularly acute for psychosis-spectrum disorders (PSD). Here, in a sample of 436 cross-diagnostic PSD patients, we derived and replicated a dimensionality-reduced symptom space across hallmark psychopathology symptoms and cognitive deficits. In turn, these symptom axes mapped onto distinct, reproducible brain maps. Critically, we found that multivariate brain-behavior mapping techniques (e.g. canonical correlation analysis) do not produce stable results. Instead, we show that a univariate brain-behavioral space (BBS) can resolve stable individualized prediction. Finally, we show a proof-of-principle framework for relating personalized BBS metrics with molecular targets via serotonin and glutamate receptor manipulations and gene expression maps. Collectively, these results highlight a stable and data-driven BBS mapping across PSD, which offers an actionable path that can be iteratively optimized for personalized clinical biomarker endpoints.

Each cortical area has a distinct pattern of anatomical connections within the thalamus, a central subcortical structure composed of functionally and structurally distinct nuclei. Previous studies have suggested that certain cortical areas may have more extensive anatomical connections that target multiple thalamic nuclei, which potentially allows them to modulate distributed information flow. However, there is a lack of quantitative investigations into anatomical connectivity patterns within the thalamus. Consequently, it remains unknown if cortical areas exhibit systematic differences in the extent of their anatomical connections within the thalamus. To address this knowledge gap, we used diffusion magnetic resonance imaging (dMRI) to perform brain-wide probabilistic tractography for 828 healthy adults from the Human Connectome Project. We then developed a framework to quantify the spatial extent of each cortical area9s anatomical connections within the thalamus. Additionally, we leveraged resting-state functional MRI, cortical myelin, and human neural gene expression data to test if the extent of anatomical connections within the thalamus varied along the cortical hierarchy. Our results revealed two distinct cortico-thalamic tractography motifs: 1) a sensorimotor cortical motif characterized by focal thalamic connections targeting posterolateral thalamus, associated with fast, feed-forward information flow; and 2) an associative cortical motif characterized by diffuse thalamic connections targeting anteromedial thalamus, associated with slow, feed-back information flow. These findings were consistent across human subjects and were also observed in macaques, indicating cross-species generalizability. Overall, our study demonstrates that sensorimotor and association cortical areas exhibit differences in the spatial extent of their anatomical connections within the thalamus, which may support functionally-distinct cortico-thalamic information flow.

Neural activity and behavior manifest a dual nature of state and trait dynamics, exhibiting variations within and between individuals. However, the joint properties of neural state-trait variation and how they map onto individual behavior remain understudied. To address this gap, we quantify moment-to-moment changes in brain-wide co-activation patterns derived from resting-state functional magnetic resonance imaging. We identify reproducible spatio-temporal features of co-activation patterns at the single subject level. We demonstrate that a joint analysis of state-trait neural variations and feature reduction reveal general motifs of individual differences, encompassing state-specific and state-general neural features that exhibit day-to-day variability. The principal neural variations co-vary with the principal variations of behavioral phenotypes, highlighting cognitive function, emotion regulation, alcohol and substance use. Person-specific probability of occupying a particular co-activation pattern is reproducible and associated with neural and behavioral features. This combined analysis of state-trait variations holds promise for developing reproducible neuroimaging markers of individual life functional outcome.

Neural activity and behavior vary within an individual (states) and between individuals (traits). However, the mapping of state-trait neural variation to behavior is not well understood. To address this gap, we quantify moment-to-moment changes in brain-wide co-activation patterns derived from resting-state functional magnetic resonance imaging. In healthy young adults, we identify reproducible spatiotemporal features of co-activation patterns at the single-subject level. We demonstrate that a joint analysis of state-trait neural variations and feature reduction reveal general motifs of individual differences, encompassing state-specific and general neural features that exhibit day-to-day variability. The principal neural variations co-vary with the principal variations of behavioral phenotypes, highlighting cognitive function, emotion regulation, alcohol and substance use. Person-specific probability of occupying a particular co-activation pattern is reproducible and associated with neural and behavioral features. This combined analysis of state-trait variations holds promise for developing reproducible neuroimaging markers of individual life functional outcome.