Abstract Sleep deprivation influences several critical functions, yet how it affects human brain white matter (WM) is not well understood. The aim of the present work was to investigate the effect of 32 hours of sleep deprivation on WM microstructure compared to changes observed in a normal sleep-wake cycle (SWC). To this end, we utilised diffusion weighted imaging (DWI) including the diffusion tensor model, diffusion kurtosis imaging and the spherical mean technique, a novel biophysical diffusion model. 46 healthy adults (23 sleep deprived vs 23 with normal SWC) underwent DWI across 4 time points (morning, evening, next day morning and next day afternoon, after a total of 32 hours). Linear mixed models revealed significant group × time interaction effects, indicating that sleep deprivation and normal SWC differentially affect WM microstructure. Voxel-wise comparisons showed that these effects spanned large, bilateral WM regions. These findings provide important insight into how sleep deprivation affects the human brain.

Across healthy adult life our brains undergo gradual structural change in a pattern of atrophy that resembles accelerated brain changes in Alzheimer9s disease (AD). Here, using four polygenic risk scores for AD (PRS-AD) in a longitudinal adult lifespan sample aged 30 to 89 years (2-7 timepoints), we show that healthy individuals who lose brain volume faster than expected for their age, have a higher genetic AD risk. We first demonstrate PRS-AD associations with change in early Braak regions, namely hippocampus, entorhinal cortex, and amygdala, and find evidence these extend beyond that predicted by APOE genotype. Next, following the hypothesis that brain changes in ageing and AD are largely shared, we performed machine learning classification on brain change trajectories conditional on age in longitudinal AD patient-control data, to obtain a list of AD-accelerated features and model change in these in adult lifespan data. We found PRS-AD was associated with a multivariate marker of accelerated change in many of these features in healthy adults, and that most individuals above ~50 years of age are on an accelerated change trajectory in AD-accelerated brain regions. Finally, high PRS-AD individuals also high on a multivariate marker of change showed more adult lifespan memory decline, compared to high PRS-AD individuals with less brain change. Our results support a dimensional account linking normal brain ageing with AD, suggesting AD risk genes speed up the shared pattern of ageing- and AD-related neurodegeneration that starts early, occurs along a continuum, and tracks memory change in healthy adults.

Structural brain changes underly cognitive changes in older age and contribute to inter-individual variability in cognition. Here, we assessed how changes in cortical thickness, surface area, and subcortical volume, are related to cognitive change in cognitively unimpaired older adults using structural magnetic resonance imaging (MRI) data-driven clustering. Specifically, we tested (1) which brain structural changes over time predict cognitive change in older age (2) whether these are associated with core cerebrospinal fluid (CSF) Alzheimer's disease (AD) biomarkers phosphorylated tau (p-tau) and amyloid-β (Aβ42), and (3) the degree of overlap between clusters derived from different structural features. In total 1899 cognitively healthy older adults (50 - 93 years) were followed up to 16 years with neuropsychological and structural MRI assessments, a subsample of which (n = 612) had CSF p-tau and Aβ42 measurements. We applied Monte-Carlo Reference-based Consensus clustering to identify subgroups of older adults based on structural brain change patterns over time. Four clusters for each brain feature were identified, representing the degree of longitudinal brain decline. Each brain feature provided a unique contribution to brain aging as clusters were largely independent across modalities. Cognitive change and baseline cognition were best predicted by cortical area change, whereas higher levels of p-tau and Aβ42 were associated with changes in subcortical volume. These results provide insights into the link between changes in brain morphology and cognition, which may translate to a better understanding of different aging trajectories.

Abstract In neuroimaging research, tracking individuals over time is key to understanding the interplay between brain changes and genetic, environmental, or cognitive factors across the lifespan. Yet, the extent to which we can estimate the individual trajectories of brain change over time with precision remains uncertain. In this study, we estimated the reliability of structural brain change in cognitively healthy adults from multiple samples and assessed the influence of follow-up time and number of observations. Estimates of cross-sectional measurement error and brain change variance were obtained using the longitudinal FreeSurfer processing stream. Our findings showed, on average, modest longitudinal reliability with two years of follow-up. Increasing the follow-up time was associated with a substantial increase in longitudinal reliability while the impact of increasing the number of observations was comparatively minor. On average, 2-year follow-up studies require ≈2.7 and ≈4.0 times more individuals than designs with follow-ups of 4 and 6 years to achieve comparable statistical power. Subcortical volume exhibited higher longitudinal reliability compared to cortical area, thickness, and volume. The reliability estimates were comparable to those estimated from empirical data. The reliability estimates were affected by both the cohort’s age where younger adults had lower reliability of change, and the preprocessing pipeline where the FreeSurfer’s longitudinal stream was notably superior than the cross-sectional. Suboptimal reliability inflated sample size requirements and compromised the ability to distinguish individual trajectories of brain aging. This study underscores the importance of long-term follow-ups and the need to consider reliability in longitudinal neuroimaging research.

Abstract Cortical microstructure is influenced by circadian rhythm and sleep deprivation, yet the precise underpinnings of these effects remain unclear. The ratio between T 1 -weighted and T 2 -weighted magnetic resonance images (T 1 w/T 2 w ratio) has been linked to myelin levels and dendrite density and may offer novel insight into the intracortical microstructure of the sleep deprived brain. Here, we examined intracortical T 1 w/T 2 w ratio in 41 healthy young adults (26 women) before and after 32 hours of either sleep deprivation ( n = 18) or a normal sleep-wake cycle ( n = 23). Linear models revealed significant group differences in T 1 w/T 2 w ratio change after 32 hours in four clusters, including bilateral effects in the insular, cingulate, and superior temporal cortices, comprising regions involved in attentional, auditory and pain processing. Across clusters, the sleep deprived group showed an increased T 1 w/T 2 w ratio, while the normal sleep-wake group exhibited a reduced ratio. These changes were not explained by in-scanner head movement, and 95% of the effects across clusters remained significant after adjusting for cortical thickness and hydration. Compared with a normal sleep-wake cycle, 32 hours of sleep deprivation yields intracortical T 1 w/T 2 w ratio increases. While the intracortical changes detected by this study could reflect alterations in myelin or dendritic density, or both, histological analyses are needed to clarify the precise underlying cortical processes.