Abstract Multifactorial mechanisms underlying late-onset Alzheimer’s disease (LOAD) are poorly characterized from an integrative perspective. Here spatiotemporal alterations in brain amyloid-β deposition, metabolism, vascular, functional activity at rest, structural properties, cognitive integrity and peripheral proteins levels are characterized in relation to LOAD progression. We analyse over 7,700 brain images and tens of plasma and cerebrospinal fluid biomarkers from the Alzheimer’s Disease Neuroimaging Initiative (ADNI). Through a multifactorial data-driven analysis, we obtain dynamic LOAD–abnormality indices for all biomarkers, and a tentative temporal ordering of disease progression. Imaging results suggest that intra-brain vascular dysregulation is an early pathological event during disease development. Cognitive decline is noticeable from initial LOAD stages, suggesting early memory deficit associated with the primary disease factors. High abnormality levels are also observed for specific proteins associated with the vascular system’s integrity. Although still subjected to the sensitivity of the algorithms and biomarkers employed, our results might contribute to the development of preventive therapeutic interventions.

Our goal is to study the human brain anatomical network. For this, the anatomical connection probabilities (ACP) between 90 cortical and subcortical brain gray matter areas are estimated from diffusion-weighted Magnetic Resonance Imaging (DW-MRI) techniques. The ACP between any two areas gives the probability that those areas are connected at least by a single nervous fiber. Then, the brain is modeled as a non-directed weighted graph with continuous arc weights given by the ACP matrix. Based on this approach, complex networks properties such as small-world attributes, efficiency, degree distribution, vulnerability, betweenness centrality and motifs composition are studied. The analysis was carried out for 20 right-handed healthy subjects (mean age: 31.10, S.D.: 7.43). According to the results, all networks have small-world and broad-scale characteristics. Additionally, human brain anatomical networks present bigger local efficiency and smaller global efficiency than the corresponding random networks. In a vulnerability and betweenness centrality analysis, the most indispensable and critical anatomical areas were identified: putamens, precuneus, insulas, superior parietals and superior frontals. Interestingly, some areas have a negative vulnerability (e.g. superior temporal poles, pallidums, supramarginals and hechls), which suggest that even at the cost of losing in global anatomical efficiency, these structures were maintained through the evolutionary processes due to their important functions. Finally, symmetrical characteristic building blocks (motifs) of size 3 and 4 were calculated, obtaining that motifs of size 4 are the expanded version of motif of size 3. These results are in agreement with previous anatomical studies in the cat and macaque cerebral cortex.

Alzheimer’s disease (AD) is characterized by the spread of tau pathology throughout the cerebral cortex. This spreading pattern was thought to be fairly consistent across individuals, although recent work has demonstrated substantial variability in the population with AD. Using tau-positron emission tomography scans from 1,612 individuals, we identified 4 distinct spatiotemporal trajectories of tau pathology, ranging in prevalence from 18 to 33%. We replicated previously described limbic-predominant and medial temporal lobe-sparing patterns, while also discovering posterior and lateral temporal patterns resembling atypical clinical variants of AD. These ‘subtypes’ were stable during longitudinal follow-up and were replicated in a separate sample using a different radiotracer. The subtypes presented with distinct demographic and cognitive profiles and differing longitudinal outcomes. Additionally, network diffusion models implied that pathology originates and spreads through distinct corticolimbic networks in the different subtypes. Together, our results suggest that variation in tau pathology is common and systematic, perhaps warranting a re-examination of the notion of ‘typical AD’ and a revisiting of tau pathological staging. Systematic characterization of longitudinal tau variability in human Alzheimer’s disease using an unbiased subtyping algorithm reveals four trajectories of tau deposition with distinct clinical features.

A new methodology based on Diffusion Weighted Magnetic Resonance Imaging (DW-MRI) and Graph Theory is presented for characterizing the anatomical connections between brain gray matter areas. In a first step, brain voxels are modeled as nodes of a non-directed graph in which the weight of an arc linking two neighbor nodes is assumed to be proportional to the probability of being connected by nervous fibers. This probability is estimated by means of probabilistic tissue segmentation and intravoxel white matter orientational distribution function, obtained from anatomical MRI and DW-MRI, respectively. A new tractography algorithm for finding white matter routes is also introduced. This algorithm solves the most probable path problem between any two nodes, leading to the assessment of probabilistic brain anatomical connection maps. In a second step, for assessing anatomical connectivity between K gray matter structures, the previous graph is redefined as a K + 1 partite graph by partitioning the initial nodes set in K non-overlapped gray matter subsets and one subset clustering the remaining nodes. Three different measures are proposed for quantifying anatomical connections between any pair of gray matter subsets: Anatomical Connection Strength (ACS), Anatomical Connection Density (ACD) and Anatomical Connection Probability (ACP). This methodology was applied to both artificial and actual human data. Results show that nervous fiber pathways between some regions of interest were reconstructed correctly. Additionally, mean connectivity maps of ACS, ACD and ACP between 71 gray matter structures for five healthy subjects are presented.

Abstract Tau is a hallmark pathology of Alzheimer’s disease, and animal models have suggested that tau spreads from cell to cell through neuronal connections, facilitated by β -amyloid (A β ). We test this hypothesis in humans using an epidemic spreading model (ESM) to simulate tau spread, and compare these simulations to observed patterns measured using tau-PET in 312 individuals along Alzheimer’s disease continuum. Up to 70% of the variance in the overall spatial pattern of tau can be explained by our model. Surprisingly, the ESM predicts the spatial patterns of tau irrespective of whether brain A β is present, but regions with greater A β burden show greater tau than predicted by connectivity patterns, suggesting a role of A β in accelerating tau spread. Altogether, our results provide evidence in humans that tau spreads through neuronal communication pathways even in normal aging, and that this process is accelerated by the presence of brain A β .

Over the last decade, several papers have focused on the construction of highly detailed mouse high field magnetic resonance image (MRI) templates via non-linear registration to unbiased reference spaces, allowing for a variety of neuroimaging applications such as robust morphometric analyses. However, work in rats has only provided medium field MRI averages based on linear registration to biased spaces with the sole purpose of approximate functional MRI (fMRI) localization. This precludes any morphometric analysis in spite of the need of exploring in detail the neuroanatomical substrates of diseases in a recent advent of rat models. In this paper we present a new in vivo rat T2 MRI template set, comprising average images of both intensity and shape, obtained via non-linear registration. Also, unlike previous rat template sets, we include white and gray matter probabilistic segmentations, expanding its use to those applications demanding prior-based tissue segmentation, e.g., statistical parametric mapping (SPM) voxel-based morphometry. We also provide a preliminary digitalization of latest Paxinos and Watson atlas for anatomical and functional interpretations within the cerebral cortex. We confirmed that, like with previous templates, forepaw and hindpaw fMRI activations can be correctly localized in the expected atlas structure. To exemplify the use of our new MRI template set, were reported the volumes of brain tissues and cortical structures and probed their relationships with ontogenetic development. Other in vivo applications in the near future can be tensor-, deformation-, or voxel-based morphometry, morphological connectivity, and diffusion tensor-based anatomical connectivity. Our template set, freely available through the SPM extension website, could be an important tool for future longitudinal and/or functional extensive preclinical studies.

We mapped the distribution of atrophy in Parkinson's disease (PD) using magnetic resonance imaging (MRI) and clinical data from 232 PD patients and 117 controls from the Parkinson's Progression Markers Initiative. Deformation-based morphometry and independent component analysis identified PD-specific atrophy in the midbrain, basal ganglia, basal forebrain, medial temporal lobe, and discrete cortical regions. The degree of atrophy reflected clinical measures of disease severity. The spatial pattern of atrophy demonstrated overlap with intrinsic networks present in healthy brain, as derived from functional MRI. Moreover, the degree of atrophy in each brain region reflected its functional and anatomical proximity to a presumed disease epicenter in the substantia nigra, compatible with a trans-neuronal spread of the disease. These results support a network-spread mechanism in PD. Finally, the atrophy pattern in PD was also seen in healthy aging, where it also correlated with the loss of striatal dopaminergic innervation.

Abstract Alzheimer’s disease and related dementias is a major public health burden – compounding over upcoming years due to longevity. Recently, clinical evidence hinted at the experience of social isolation in expediting dementia onset. In 502,506 UK Biobank participants and 30,097 participants from the Canadian Longitudinal Study of Aging, we revisited traditional risk factors for developing dementia in the context of loneliness and lacking social support. Across these measures of subjective and objective social deprivation, we have identified strong links between individuals’ social capital and various indicators of Alzheimer’s disease and related dementias risk, which replicated across both population cohorts. The quality and quantity of daily social encounters had deep connections with key aetiopathological factors, which represent 1) personal habits and lifestyle factors, 2) physical health, 3) mental health, and 4) societal and external factors. Our population-scale assessment suggest that social lifestyle determinants are linked to most neurodegeneration risk factors, highlighting them promising targets for preventive clinical action.

Abstract Neuronal dysfunction and cognitive deterioration in Alzheimer’s disease (AD) are likely caused by multiple pathophysiological factors. However, evidence in humans remains scarce, necessitating improved non-invasive techniques and integrative mechanistic models. Here, we introduce personalized brain activity models incorporating functional MRI, amyloid-β (Aβ) and tau-PET from AD-related participants (N=132). Within the model assumptions, electrophysiological activity is mediated by toxic protein deposition. Our integrative subject-specific approach uncovers key patho-mechanistic interactions, including synergistic Aβ and tau effects on cognitive impairment and neuronal excitability increases with disease progression. The data-derived neuronal excitability values strongly predict clinically relevant AD plasma biomarker concentrations (p-tau217, p-tau231, p-tau181, GFAP). Furthermore, our results reproduce hallmark AD electrophysiological alterations (theta band activity enhancement and alpha reductions) which occur with Aβ-positivity and after limbic tau involvement. Microglial activation influences on neuronal activity are less definitive, potentially due to neuroimaging limitations in mapping neuroprotective vs detrimental phenotypes. Mechanistic brain activity models can further clarify intricate neurodegenerative processes and accelerate preventive/treatment interventions.

Abstract Fronto-temporal dementia (FTD) is a neurodegenerative disease characterized by focal atrophy of the gray matter (GM), especially in the frontal and temporal regions. Recent studies suggest a framework where white matter (WM) atrophy plays an important role in FTD pathophysiology. However, these studies often overlook the fact that WM tracts bridging different brain regions may have different vulnerabilities to the disease and the relative contribution of GM atrophy to this WM model, resulting in a less comprehensive understanding of the relationship between clinical symptoms and pathology. Here, by leveraging the sensitivity of advanced diffusion MRI modelling and metrics to precise white matter microstructural properties, we aim to clarify the relative contributions of WM fibers and GM atrophy to the cognitive symptoms typically found in FTD. A total of 155 participant from the Frontotemporal Lobar Degeneration Neuroimaging Initiative (FTLDNI) were analysed, including 68 normal elderly controls (CN), 28 behavioral variants (BV), 26 sematic variants (SV) and 30 progressive non fluent aphasia variants (PNFA) of FTD. Diffusion MRI analysis was performed using two complementary techniques: whole brain fixel-based analysis (FBA) and structural connectivity based on probabilistic tractography. Whole brain GM atrophy was assessed using voxel-based morphometry (VBM). Using a common factor analysis to extract a semantic and an executive factor, we aim to test the relative contribution of WM and GM of specific tracts in predicting cognition. We found that semantic symptoms were mainly dependent on short-range WM fiber disruption, while damage to long-range WM fibers was preferentially associated to executive dysfunction with the GM contribution to cognition being predominant for local processing. Our results support the importance of the disruption of specific WM tracts to the core cognitive symptoms associated with FTD. As large-scale WM tracts, which are particularly vulnerable to vascular disease, were highly associated with executive dysfunction, our findings highlight the importance of controlling for risk factors associated with deep white matter disease, such as vascular risk factors, in patients with FTD in order not to potentiate underlying executive dysfunction.