Objective: The intricate neuroanatomical structure of the cerebellum is of longstanding interest in epilepsy, but has been poorly characterized within the current cortico-centric models of this disease. We quantified cross-sectional regional cerebellar lobule volumes using structural MRI in 1,602 adults with epilepsy and 1,022 healthy controls across twenty-two sites from the global ENIGMA-Epilepsy working group. Methods: A state-of-the-art deep learning-based approach was employed that parcellates the cerebellum into 28 neuroanatomical subregions. Linear mixed models compared total and regional cerebellar volume in i) all epilepsies; ii) temporal lobe epilepsy with hippocampal sclerosis (TLE-HS); iii) non-lesional temporal lobe epilepsy (TLE-NL); iv) genetic generalised epilepsy; and (v) extra-temporal focal epilepsy (ETLE). Relationships were examined for cerebellar volume versus age at seizure onset, duration of epilepsy, phenytoin treatment, and cerebral cortical thickness. Results: Across all epilepsies, reduced total cerebellar volume was observed (d=0.42). Maximum volume loss was observed in the corpus medullare (dmax=0.49) and posterior lobe grey matter regions, including bilateral lobules VIIB (dmax= 0.47), Crus I/II (dmax= 0.39), VIIIA (dmax=0.45) and VIIIB (dmax=0.40). Earlier age at seizure onset (ηρ2max=0.05) and longer epilepsy duration (ηρ2max=0.06) correlated with reduced volume in these regions. Findings were most pronounced in TLE-HS and ETLE with distinct neuroanatomical profiles observed in the posterior lobe. Phenytoin treatment was associated with reduced posterior lobe volume. Cerebellum volume correlated with cerebral cortical thinning more strongly in the epilepsy cohort than in controls. Significance: We provide robust evidence of deep cerebellar and posterior lobe subregional grey matter volume loss in patients with chronic epilepsy. Volume loss was maximal for posterior subregions implicated in non-motor functions, relative to motor regions of both the anterior and posterior lobe. Associations between cerebral and cerebellar changes, and variability of neuroanatomical profiles across epilepsy syndromes argue for more precise incorporation of cerebellum subregions into neurobiological models of epilepsy.

Temporal lobe epilepsy (TLE) is commonly associated with mesiotemporal pathology and widespread alterations of grey and white matter structures. Evidence supports a progressive condition although the temporal evolution of TLE is poorly defined. This ENIGMA-Epilepsy study utilized multimodal magnetic resonance imaging (MRI) data to investigate structural alterations in TLE patients across the adult lifespan. We charted both grey and white matter changes and explored the covariance of age-related alterations in both compartments.We studied 769 TLE patients and 885 healthy controls across an age range of 17-73 years, from multiple international sites. To assess potentially non-linear lifespan changes in TLE, we harmonized data and combined median split assessments with cross-sectional sliding window analyses of grey and white matter age-related changes. Covariance analyses examined the coupling of grey and white matter lifespan curves.In TLE, age was associated with a robust grey matter thickness/volume decline across a broad cortico-subcortical territory, extending beyond the mesiotemporal disease epicentre. White matter changes were also widespread across multiple tracts with peak effects in temporo-limbic fibers. While changes spanned the adult time window, changes accelerated in cortical thickness, subcortical volume, and fractional anisotropy (all decreased), and mean diffusivity (increased) after age 55 years. Covariance analyses revealed strong limbic associations between white matter tracts and subcortical structures with cortical regions.This study highlights the profound impact of TLE on lifespan changes in grey and white matter structures, with an acceleration of aging-related processes in later decades of life. Our findings motivate future longitudinal studies across the lifespan and emphasize the importance of prompt diagnosis as well as intervention in patients.

Accurate resection cavity segmentation on MRI is important for neuroimaging research involving epilepsy surgical outcomes. Manual segmentation, the gold standard, is highly labour intensive. Automated pipelines are an efficient potential solution; however, most have been developed for use following temporal epilepsy surgery. Our aim was to compare the accuracy of four automated segmentation pipelines following surgical resection in a mixed cohort of subjects following temporal or extra temporal epilepsy surgery. We identified 4 open-source automated segmentation pipelines. Epic-CHOP and ResectVol utilise SPM-12 within MATLAB, while Resseg and Deep Resection utilise 3D U-net convolutional neural networks. We manually segmented the resection cavity of 50 consecutive subjects who underwent epilepsy surgery (30 temporal, 20 extratemporal). We calculated Dice similarity coefficient (DSC) for each algorithm compared to the manual segmentation. No algorithm identified all resection cavities. ResectVol (n=44, 88%) and Epic-CHOP (n=43, 86%) were able to detect more resection cavities than Resseg (n=22, 44%, P<0.001) and Deep Resection (n=21, 42%, P<0.001). The SPM-based pipelines (Epic-CHOP and ResectVol) performed better than the deep learning-based pipelines in the overall and extratemporal surgery cohorts, however there was no difference between methods in the temporal surgery cohort. These pipelines could be applied to machine learning studies of outcome prediction to improve efficiency in pre-processing data, however human quality control is still required.

The common human epilepsies are associated with distinct patterns of reduced cortical thickness, detectable on neuroimaging, with important clinical consequences. To explore underlying mechanisms, we layered MRI-based cortical structural maps from a large-scale epilepsy neuroimaging study onto highly spatially-resolved human brain gene expression data, identifying >2,500 genes overexpressed in regions of reduced cortical thickness, compared to relatively-protected regions. The resulting set of differentially-expressed genes shows enrichment for microglial markers, and in particular, activated microglial states. Parallel analyses of cell-specific eQTLs show enrichment in human genetic signatures of epilepsy severity, but not epilepsy causation. Post mortem brain tissue from humans with epilepsy shows excess activated microglia. In an experimental model, depletion of activated microglia prevents cortical thinning, but not the development of chronic seizures. These convergent data strongly implicate activated microglia in cortical thinning, representing a new dimension for concern and disease modification in the epilepsies, potentially distinct from seizure control.

The epilepsies are commonly accompanied by widespread abnormalities in cerebral white matter. ENIGMA-Epilepsy is a large quantitative brain imaging consortium, aggregating data to investigate patterns of neuroimaging abnormalities in common epilepsy syndromes, including temporal lobe epilepsy, extratemporal epilepsy, and genetic generalized epilepsy. Our goal was to rank the most robust white matter microstructural differences across and within syndromes in a multicentre sample of adult epilepsy patients. Diffusion-weighted MRI data were analyzed from 1,069 non-epileptic controls and 1,249 patients: temporal lobe epilepsy with hippocampal sclerosis (N=599), temporal lobe epilepsy with normal MRI (N=275), genetic generalized epilepsy (N=182) and nonlesional extratemporal epilepsy (N=193). A harmonized protocol using tract-based spatial statistics was used to derive skeletonized maps of fractional anisotropy and mean diffusivity for each participant, and fiber tracts were segmented using a diffusion MRI atlas. Data were harmonized to correct for scanner-specific variations in diffusion measures using a batch-effect correction tool (ComBat). Analyses of covariance, adjusting for age and sex, examined differences between each epilepsy syndrome and controls for each white matter tract (Bonferroni corrected at p<0.001). Across "all epilepsies" lower fractional anisotropy was observed in most fiber tracts with small to medium effect sizes, especially in the corpus callosum, cingulum and external capsule. Less robust effects were seen with mean diffusivity. Syndrome-specific fractional anisotropy and mean diffusivity differences were most pronounced in patients with hippocampal sclerosis in the ipsilateral parahippocampal cingulum and external capsule, with smaller effects across most other tracts. Those with temporal lobe epilepsy and normal MRI showed a similar pattern of greater ipsilateral than contralateral abnormalities, but less marked than those in patients with hippocampal sclerosis. Patients with generalized and extratemporal epilepsies had pronounced differences in fractional anisotropy in the corpus callosum, corona radiata and external capsule, and in mean diffusivity of the anterior corona radiata. Earlier age of seizure onset and longer disease duration were associated with a greater extent of microstructural abnormalities in patients with hippocampal sclerosis. We demonstrate microstructural abnormalities across major association, commissural, and projection fibers in a large multicentre study of epilepsy. Overall, epilepsy patients showed white matter abnormalities in the corpus callosum, cingulum and external capsule, with differing severity across epilepsy syndromes. These data further define the spectrum of white matter abnormalities in common epilepsy syndromes, yielding new insights into pathological substrates that may be used to guide future therapeutic and genetic studies.

Abstract Investigators in neuroscience have turned to Big Data to address replication and reliability issues by increasing sample sizes, statistical power, and representativeness of data. These efforts unveil new questions about integrating data arising from distinct sources and instruments. We focus on the most frequently assessed cognitive domain - memory testing - and demonstrate a process for reliable data harmonization across three common measures. We aggregated global raw data from 53 studies totaling N = 10,505 individuals. A mega-analysis was conducted using empirical bayes harmonization to remove site effects, followed by linear models adjusting for common covariates. A continuous item response theory (IRT) model estimated each individual’s latent verbal learning ability while accounting for item difficulties. Harmonization significantly reduced inter-site variance while preserving covariate effects, and our conversion tool is freely available online. This demonstrates that large-scale data sharing and harmonization initiatives can address reproducibility and integration challenges across the behavioral sciences. Teaser We present a global effort to devise harmonization procedures necessary to meaningfully leverage big data.

Abstract Valproic acid (VPA) is an effective and widely used anti-seizure medication but is teratogenic when used during pregnancy, affecting brain and spinal cord development for reasons that remain largely unclear. Here we designed a genetic recombinase-based SOX10 reporter system in human pluripotent stem cells that enables tracking and lineage tracing of Neural Crest cells (NCCs) in a human organoid model of the developing neural tube. We found that VPA induces extensive cellular senescence and promotes mesenchymal differentiation of human NCCs at the expense of neural lineages. We next show that the clinically-approved drug, Rapamycin, inhibits AP1-mediated senescence and restores aberrant NCC differentiation trajectory in human organoids exposed to VPA. Notably, in vivo validation in developing zebrafish highlighted the therapeutic promise of this approach. Collectively our data identifies a novel mechanism for VPA-associated neurodevelopmental teratogenicity and a potential pharmacological preventative strategy. The results exemplify the power of genetically modified human stem cell-derived organoid models for drug discovery and safety testing.

Sequencing-based studies have identified novel risk genes for rare, severe epilepsies and revealed a role of rare deleterious variation in common epilepsies. To identify the shared and distinct ultra-rare genetic risk factors for rare and common epilepsies, we performed a whole-exome sequencing (WES) analysis of 9,170 epilepsy-affected individuals and 8,364 controls of European ancestry. We focused on three phenotypic groups; the rare but severe developmental and epileptic encephalopathies (DEE), and the commoner phenotypes of genetic generalized epilepsy (GGE) and non-acquired focal epilepsy (NAFE). We observed that compared to controls, individuals with any type of epilepsy carried an excess of ultra-rare, deleterious variants in constrained genes and in genes previously associated with epilepsy, with the strongest enrichment seen in DEE and the least in NAFE. Moreover, we found that inhibitory GABAA receptor genes were enriched for missense variants across all three classes of epilepsy, while no enrichment was seen in excitatory receptor genes. The larger gene groups for the GABAergic pathway or cation channels also showed a significant mutational burden in DEE and GGE. Although no single gene surpassed exome-wide significance among individuals with GGE or NAFE, highly constrained genes and genes encoding ion channels were among the top associations, including CACNA1G, EEF1A2, and GABRG2 for GGE and LGI1, TRIM3, and GABRG2 for NAFE. Our study confirms a convergence in the genetics of common and rare epilepsies associated with ultra-rare coding variation and highlights a ubiquitous role for GABAergic inhibition in epilepsy etiology in the largest epilepsy WES study to date.

Abstract There are no pharmacological disease-modifying treatments that can mitigate the seizures and comorbidities associated with established chronic temporal lobe epilepsy (TLE). This study evaluated the effect of sodium selenate in the post-status epilepticus (SE) rat model of chronic drug resistant TLE. Wistar rats underwent kainic acid-induced SE or sham. Ten-weeks post-SE, rats were randomly assigned to receive either sodium selenate, levetiracetam, or vehicle treatments continuously for 4 weeks. To evaluate the effects of the treatments, 1 week of continuous video-EEG was acquired before, during, and 4, 8 weeks post-treatment, followed by behavioral tests. Targeted and untargeted proteomics and metabolomics were performed on post-mortem brain tissue to identify potential pathways associated with modified disease outcomes. Telomere length was investigated as a novel surrogate marker of disease severity. Sodium selenate treatment was able to mitigate disease severity, reducing the number of spontaneous seizures (p< 0.05), cognitive dysfunction (p< 0.05 in both novel object placement and recognition tasks), and sensorimotor deficits (p< 0.01) 8 weeks post-treatment cessation. Moreover, increased protein phosphatase 2A (PP2A) expression, reduced hyperphosphorylated tau, and reversed telomere length shortening caused by SE (p< 0.05). Network medicine integration of multi-omics/ pre-clinical outcomes identified protein-metabolite modules positively correlated with the TLE phenotype. Our results provide evidence that treatment with sodium selenate results in a sustained disease modifying effect in chronically epileptic rats in the post-KA SE model of TLE, including improved comorbid learning and memory deficits.