Abstract The developing Human Connectome Project (dHCP) aims to create a detailed 4-dimensional connectome of early life spanning 20 to 45 weeks post-menstrual age. This is being achieved through the acquisition of multi-modal MRI data from over 1000 in- and ex-utero subjects combined with the development of optimised pre-processing pipelines. In this paper we present an automated and robust pipeline to minimally pre-process highly confounded neonatal resting-state fMRI data, robustly, with low failure rates and high quality-assurance. The pipeline has been designed to specifically address the challenges that neonatal data presents including low and variable contrast and high levels of head motion. We provide a detailed description and evaluation of the pipeline which includes integrated slice-to-volume motion correction and dynamic susceptibility distortion correction, a robust multimodal registration approach, bespoke ICA-based denoising, and an automated QC framework. We assess these components on a large cohort of dHCP subjects and demonstrate that processing refinements integrated into the pipeline provide substantial reduction in movement related distortions, resulting in significant improvements in SNR, and detection of high quality RSNs from neonates. Highlights An automated and robust pipeline to minimally pre-process highly confounded neonatal fMRI data Includes integrated dynamic distortion and slice-to-volume motion correction A robust multimodal registration approach which includes custom neonatal templates Incorporates an automated and self-reporting QC framework to quantify data quality and identify issues for further inspection Data analysis of 538 infants imaged at 26-45 weeks post-menstrual age

Abstract The somatosensory and motor systems are intricately linked, providing several routes for the sensorimotor interactions necessary for haptic processing. Here, we used electrical and optogenetic stimulation to study the circuits that enable primary motor cortex (M1) to exert top-down modulation of whisker-evoked responses, at the levels of brain stem, thalamus and somatosensory cortex (S1). We find that activation of M1 drives somatosensory responsive cells at all levels, and that this excitation is followed by a period of tactile suppression, which gradually increases in strength along the ascending somatosensory pathway. Using optogenetic stimulation in the layer-specific Cre driver lines, we find that activation of layer VI cortico-thalamic neurons is sufficient to drive spiking in higher order thalamus, and that this is reliably followed by excitation of S1, suggesting a cross-modal cortico-thalamo-cortical pathway. Cortico-thalamic excitation predicts the degree of subsequent tactile suppression, consistent with a strong role for thalamic circuits in the expression of inhibitory sensorimotor interactions. These results provide evidence of a role for M1 in dynamic modulation of S1, largely under cortico-thalamic control.

Abstract Developmental and evolutionary effects on brain organisation are complex, yet linked, as evidenced by the striking correspondence in cortical expansion changes. However, it is still not possible to study concurrently the ontogeny and phylogeny of cortical areal connections, which is arguably more relevant to brain function than allometric changes. Here, we propose a novel framework that allows the integration of connectivity maps from humans (adults and neonates) and non-human primates (macaques) onto a common space. We use white matter bundles to anchor the definition of the common space and employ the uniqueness of the areal connection patterns to these bundles to probe areal specialisation. This enables us to quantitatively study divergences and similarities in cortical connectivity over both evolutionary and developmental scales. It further allows us to map brain maturation trajectories, including the effect of premature birth, and to translate cortical atlases between diverse brains.

Chronic pain has a profound societal burden, affecting 20% to 30% of the world population,10,13,14,47 and is associated with high rates of comorbid mental health conditions, especially depression and anxiety.15 Women and people of increasing age are disproportionately affected by chronic pain,14,32 and while there are pharmacological and nonpharmacological treatments available, many individuals still do not benefit from these treatments.11,16,19,31,35,45 One significant challenge in providing effective pain-relieving treatments arises from our incomplete understanding of the mechanisms underlying the development and maintenance of chronic pain. Some of these mechanisms include changes in brain morphology and function.2,8,12,18,25,28,37 One approach to better understand these mechanisms is to combine neuroimaging studies of diverse populations with the purpose of identifying common phenotypes and neuroimaging correlates. Phenotyping to explore both similarities and heterogeneity across pain conditions is necessary to inform disease prognosis and elucidate common treatment targets. To this endeavor, the Enhancing Neuroimaging and Genetics through Meta-Analysis (ENIGMA)-Chronic Pain working group was formed in November 2022. ENIGMA-Chronic Pain has since welcomed over 70 pain investigators from all over the world, to pool and integrate existing neuroimaging and clinical data from approximately 2000 chronic pain and 4000 pain-free healthy individuals, from over 30 international and independently collected datasets. 1. What is ENIGMA? What are the aims of the ENIGMA-Chronic Pain Working Group? Founded in 2009, the aim of the ENIGMA Consortium is to address the growing replication problems in neuroimaging research. ENIGMA is a global collaboration of more than 2000 scientists from over 45 countries studying the human brain, in health and over 30 neurological, mental, and neurogenetic diseases.42 ENIGMA coordinates large-scale neuroimaging analyses, pooling existing datasets from around the world,6,34,39 actively coordinating the reuse of data, while accommodating data privacy safeguards, bringing rich resources and expertise to answer fundamental questions related to major brain disorders. By integrating available existing datasets and building on the growing infrastructure of the ENIGMA consortium, ENIGMA-Chronic Pain provides a platform and a resource to the chronic pain community allowing for data findability, accessibility, interoperability, and44 reusability—all vital aspects of reproducible research. Using a cost-effective and innovative global approach by merging the resources and data of leading chronic pain neuroimaging centers, ENIGMA-Chronic Pain offers a unique opportunity to obtain detailed, reproducible, and reliable data on brain mechanisms associated with chronic pain. ENIGMA-Chronic Pain integrates single studies of specific chronic pain conditions, including precursor data repositories (eg, OpenPain), and larger population-based biobanks with recorded indices of chronic pain (eg, UK Biobank).8 Recent advances in machine learning and artificial intelligence technologies also offer new and powerful ways to analyze these existing neuroimaging data. Through a worldwide collaboration of pain researchers and clinicians, ENIGMA-Chronic Pain will aim to (1) determine common and pain condition-specific brain correlates of chronic pain through multimodal neuroimaging (relative to pain-free healthy controls); (2) examine the interactions between chronic pain and comorbid mental health conditions on brain morphology and function; and (3) identify the roles of key sociodemographic factors and medication on brain morphology and function. 2. Determine common and pain condition-specific brain correlates of chronic pain through multimodal neuroimaging ENIGMA-Chronic Pain combines smaller datasets from heterogeneous chronic pain conditions. This approach maximizes the power of planned analyses and is necessary to identify brain correlates shared across chronic pain conditions. Through planned follow-up analyses on pooled datasets of similar pain types, pain locations across the body, or specific diagnoses, ENIGMA-Chronic Pain will identify correlates specific to the studied conditions at a larger scale than has previously been possible. ENIGMA-Chronic Pain will begin with examining brain topography of chronic pain by using common processing pipelines and software such as FreeSurfer for T1-weighted structural magnetic resonance imaging scans (sMRI)17,20,21 or Functional MRI of the Brain Software Library (FSL) for diffusion MRI (dMRI).23,38 Further to brain-wide region-of-interest analyses, investigation of multimodal correlates and brain networks of chronic pain will be conducted using whole-brain analyses, including standardized indices of functional connectivity from resting-state functional MRI (rs-fMRI) processed with ENIGMA's HALFpipe,43 voxel-based morphometry, and machine learning approaches to fuse multimodal features from sMRI, dMRI, and rs-fMRI to make diagnostic classification or prediction of a future clinical state. 3. Examine the interactions between chronic pain and comorbid mental health conditions on brain morphology and function Chronic pain is often accompanied by comorbid mental health conditions that can prevent treatment success.46 For example, 5% to 85% of individuals with chronic pain (depending on the study populations and settings) experience depression.1,9 The ENIGMA Consortium has extensively investigated the detailed brain and genetic markers of most common mental health conditions and reported alterations in brain regions similar to those commonly reported in smaller chronic pain studies.4,36 Evidence for shared or specific brain mechanisms between chronic pain and depression and anxiety is now growing,33,40,49,50 but no definite conclusion can be drawn from these smaller studies. Using advanced statistical models, our unique sample size, and availability of indices of comorbid mental health conditions, the pooled dataset from ENIGMA-Chronic Pain will aim to disentangle the fine morphological and functional brain alterations across all pain conditions, but also within specific pain types. This approach will contribute to identify plausible targets for more effective treatments for people living with both chronic pain and these comorbid conditions. 4. Examine the roles of key sociodemographic factors and medication on brain morphology and function Sex and age are key factors that can influence the transition to chronic pain.48 Women have greater prevalence rates for chronic pain conditions compared with men and experience more frequent, intense, and longer-lasting pain across the lifespan.14,24,30 These sex-specific differences can affect treatment choice, side effect profiles, and therapeutic responses.3 Although incompletely understood, many processes including genetic,29 neuroendocrine/neuroimmune,26 or brain-based differences,22 contribute to sex differences observed in chronic pain. Chronic pain is also highly prevalent in people of increasing age,14 along with other age-related pathologies, but the relationship between increasing age and chronic pain on brain morphology and function is still to be clearly determined. The inclusion of studies with comorbidity information that may inform causal modeling (eg, traumatic injuries, repetitive stress injuries, osteoporosis, metabolic disorders like diabetes, etc.) will clarify some of the brain–body connections at play. Existing preliminary evidence for the influence of these key sociodemographic factors needs further replication and refinement using large datasets. Another critical factor impacting brain morphology and function in chronic pain is the use of various types of pharmacological treatments,27 including tricyclic antidepressants, serotonin–norepinephrine reuptake inhibitors, antiepileptics, nonsteroidal anti-inflammatory drugs, and benzodiazepines.11,35 Using the available and detailed medication information recorded within ENIGMA-Chronic Pain, the aim of this study is to determine the variations in brain morphology and function associated with specific pharmacological treatment categories or combinations of thereof. 5. ENIGMA-Chronic Pain: expanding to other imaging modalities ENIGMA-Chronic Pain builds on the experience of the Consortium to host the largest and most comprehensive dataset for neuroimaging studies of chronic pain. In addition to sMRI, dMRI, and rs-fMRI data, ENIGMA-Chronic Pain will leverage the contribution of chronic pain researchers and clinicians with data and expertise in other neuroimaging modalities, including resting-state electroencephalography (EEG), task-based fMRI and EEG, event-related potentials, magnetoencephalography, functional near-infrared spectroscopy, and magnetic resonance spectroscopy. In addition, the aim of ENIGMA-Chronic Pain is to include neuromodulation studies, such as repetitive transcranial magnetic resonance stimulation, TMS-EEG, transcranial direct current stimulation, or transcranial alternating current stimulation studies, to examine potential causal associations.7 Finally, following work from the ENIGMA-Clinical Endpoint working group,41 a long-term goal includes building a framework of standardized questionnaires and tools for future research, to be applied to most, if not all, chronic pain conditions and to integrate genetics data to better understand the relationship between genetic and environmental risks on brain phenotypes of chronic pain overall and for available subtypes. 6. Conclusions ENIGMA-Chronic Pain will establish the largest worldwide platform for neuroimaging data dedicated to chronic pain research. This approach enables large-scale collaborative opportunities to identify the common and specific brain correlates of chronic pain conditions, as well as the role of mental health comorbidities, key sociodemographic factors, and pharmacological treatment on these alterations. This initiative will provide invaluable new knowledge based on adequately powered neuroimaging datasets. Future aims of the working group could include extending the scope to the earliest periods of the human lifespan, leveraging neonatal MRI and EEG datasets with pain-relevant paradigms,5 to investigate the potential developmental origins of chronic pain susceptibility in later years. Last, we extend the call to additional groups to join, contribute their expertise, and share their neuroimaging, genetic, psychological, and clinical data from healthy controls and individuals with chronic pain (see information and contact details on https://enigma.ini.usc.edu/ongoing/enigma-chronic-pain/). Through the inclusion of most, if not all, chronic pain neuroimaging research groups, we hope to grow the working group and thereby fulfill its goals. Conflict of interest statement None of the authors declare any conflicts of interest. The views expressed in this article are those of the authors and do not necessarily reflect the position or policy of the Department of Veterans Affairs or the United States government, or those of the NHS, the NIHR, or the Department of Health from the United Kingdom.

Abstract Diffusion MRI of the neonatal brain allows investigation of the organisational structure of maturing fibres during brain development. Post-mortem imaging has the potential to achieve high resolution by using long scan times, enabling precise assessment of small structures. The Forget-Me-Not study, part of the Developing Human Connectome Project (dHCP), aims to acquire and publicly distribute high-resolution diffusion MRI data for unfixed post-mortem neonatal brain at 7T with a custom-built head coil. This paper describes how the study addressed logistical, technical and ethical challenges relating to recruitment pipeline, care pathway, tissue preservation, scan setup and protocol optimisation. Results from the first subject recruited to the study demonstrate high-quality diffusion MRI data. Preliminary voxel-wise and tractography-based analyses are presented for the cortical plate, subplate and white matter pathways, with comparison to age-matched in vivo dHCP data. These results demonstrate that high quality post-mortem data can be acquired and provide a sensitive means to explore the developing human brain, as well as altered diffusion properties consistent with post-mortem changes, at high resolution.

Summary Globally, consumers continue to seek out novel foods and ingredients from different cultures and regions. Shio‐koji is a fermented seasoning that is usually made by fermenting rice with koji ( Aspergillus oryzae ). It has been proposed that shio‐koji can be used as a flavour enhancer of foods. This study investigated consumers' ( n = 96; generally unfamiliar with koji) liking (hedonic scales), emotional response (using the EsSense25 profile in check‐all‐that‐apply format), as well as their sensory perception (generalised Labelled Magnitude Scales and free comment) of shio‐koji additions to food items. Participants evaluated three different soups (chicken, vegetable and tomato), a familiar food product, with and without the addition of shio‐koji. The shio‐koji increased the consumers' liking of the vegetable soup and increased their perception of saltiness in the vegetable and tomato soups. The bitterness and sourness intensity of the chicken soup decreased with the addition of shio‐koji, while the sweetness increased. However, the umami taste of all soups was not impacted. The soups with shio‐koji were also associated with positive emotions. During the free comment task, shio‐koji led to an increased mention of meaty attributes to describe the vegetable soup, but the inverse occurred when the participants evaluated the chicken soup. The results indicate that shio‐koji impacted consumer perceptions of both animal‐ and plant‐based soups. Future studies should continue to investigate the use of shio‐koji to enhance the flavour of different food products.

An infant's lack of verbal communication makes it challenging to infer their sensory and emotional experiences. Improving our interpretation of their perceptions will enhance our understanding of human brain development and improve the clinical care of infants. Multivariate neuroimaging signatures have been validated and developed in adults, which capture aspects of the human pain experience. Here we translate these fMRI signatures to infants in order to draw inferences about their experience of nociceptive events. We find that the Neurologic Pain Signature (NPS), which reflects the nociceptive and intensity encoding aspects of pain experience, is consistently activated in a cohort of adults (n=10) and in two cohorts of infants (n=15 & n=22). However, evidence of higher-level cognitive modulation of the nociceptive input, characterised by the Stimulus Intensity Independent Pain Signature (SIIPS1), is observed in adults but not observed in infants. This study expands the use of brain signatures to infer and deconstruct the experience of pain in non-verbal populations and provides a framework to better understand the early development of human sensory and emotional experience.### Competing Interest StatementThe authors have declared no competing interest.

Abstract Understanding the neurophysiology underlying pain perception in infants is central to improving early life pain management. In this multimodal MRI study, we use resting-state functional and white matter diffusion MRI to investigate individual variability in infants’ noxious-evoked brain activity. In an 18-infant nociception-paradigm dataset, we show it is possible to predict infants’ cerebral haemodynamic responses to experimental noxious stimulation using their resting-state activity across nine networks from a separate stimulus-free scan. In an independent 215-infant Developing Human Connectome Project dataset, we use this resting-state-based prediction model to generate noxious responses. We identify a significant correlation between these predicted noxious responses and infants’ white matter mean diffusivity, and this relationship is subsequently confirmed within our nociception-paradigm dataset. These findings reveal that a newborn infant’s pain-related brain activity is tightly coupled to both their spontaneous resting-state activity and underlying white matter microstructure. This work provides proof-of-concept that knowledge of an infant’s functional and structural brain architecture could be used to predict pain responses, informing infant pain management strategies and facilitating evidence-based personalisation of care.

Abstract Preterm infants undergo substantial neurosensory development in the first weeks after birth. Infants born prematurely are more likely to have long-term adverse neurological outcomes and early detection of abnormal brain development is essential for timely interventions. We investigated whether sensory-evoked cortical potentials could be used to accurately estimate the age of an infant. Such a model could be used to identify infants who deviate from normal neurodevelopment by comparing the brain age to the infant’s postmenstrual age (PMA). Infants aged between 28- and 40-weeks PMA from a training and test sample (consisting of 101 and 65 recording sessions in 82 and 14 infants, respectively) received trains of approximately 10 visual and 10 tactile stimuli (interstimulus interval approximately 10 seconds). PMA could be predicted accurately from the magnitude of the evoked responses (training set mean absolute error (MAE and 95% confidence intervals): 1.41 [1.14; 1.74] weeks, p = 0.0001; test set MAE: 1.55 [1.21; 1.95] weeks, p = 0.0002. Moreover, we show with two examples that brain age, and the deviations between brain age and PMA, may be biologically and clinically meaningful. By firstly demonstrating that brain age is correlated with a measure known to relate to maturity of the nervous system (based on animal and human literature, the magnitude of reflex withdrawal is used) and secondly by linking brain age to long-term neurological outcomes, we show that brain age deviations are related to biologically meaningful individual differences in the rate of functional nervous system maturation rather than noise generated by the model. In summary, we demonstrate that sensory-evoked potentials are predictive of age in premature infants. It takes less than 5 minutes to collect the stimulus electroencephalographic data required for our model, hence, increasing its potential utility in the busy neonatal care unit. This model could be used to detect abnormal development of infant’s response to sensory stimuli in their environment and may be predictive of later life abnormal neurodevelopmental outcome.

Background: The recreational use of LSD, a synthetic psychedelic drug, has surged in recent years, coinciding with a renewed research focus on its potential psychotherapeutic properties. Aim: This study aims to describe the experiences and perceptions of individuals engaging in LSD use for the first time, derived from a large international sample. Methods: This study utilised 2018 Global Drug Survey data collected from 6 November 2017 to 10 January 2018. Participants who initiated LSD use in the preceding 12 months answered questions on their experiences, social settings, harm-reduction behaviours, and demographics. Descriptive statistics were employed, and characteristics of those seeking emergency medical treatment (EMT) and those not planning further LSD use were compared with other respondents. Results: Among 3340 respondents who used LSD in the past year, their first-time experiences generally exceeded expectations, with 97.7% expressing excitement. Adverse and unwanted side effects were rarely reported, and only 17 individuals needed EMT. Feelings of fear were reported by most (64.1%), but only very mildly and not enough to put them off from wanting to use LSD again. Discussion: Although the occurrence of unwanted side effects seems low and the LSD experience is generally pleasurable, vigilance amid the rising illicit use of LSD through harm-reduction education is still important in preventing possible risks.