It is a growing concern that outcomes of neuroimaging studies often cannot be replicated. To counteract this, the magnetic resonance (MR) neuroimaging community has promoted acquisition standards and created data sharing platforms, based on a consensus on how to organize and share MR neuroimaging data. Here, we take a similar approach to positron emission tomography (PET) data. To facilitate comparison of findings across studies, we first recommend publication standards for tracer characteristics, image acquisition, image preprocessing, and outcome estimation for PET neuroimaging data. The co-authors of this paper, representing more than 25 PET centers worldwide, voted to classify information as mandatory, recommended, or optional. Second, we describe a framework to facilitate data archiving and data sharing within and across centers. Because of the high cost of PET neuroimaging studies, sample sizes tend to be small and relatively few sites worldwide have the required multidisciplinary expertise to properly conduct and analyze PET studies. Data sharing will make it easier to combine datasets from different centers to achieve larger sample sizes and stronger statistical power to test hypotheses. The combining of datasets from different centers may be enhanced by adoption of a common set of best practices in data acquisition and analysis.

Abstract The spatial relationship between gene expression profiles and neural response patterns known to be altered in neuropsychiatric disorders, e.g. depression, can guide the development of more targeted therapies. Here, we estimated the correlation between human transcriptome data and two different brain activation maps measured with functional magnetic resonance imaging (fMRI) in healthy subjects. Whole-brain activation patterns evoked during an emotional face recognition task were associated with topological mRNA expression of genes involved in cellular transport. In contrast, fMRI activation patterns related to the acceptance of monetary rewards were associated with genes implicated in neuronal development, synapse regulation, and gene transcription. An overlap of these genes with risk genes from major depressive disorder genome-wide associations studies revealed the involvement of the master regulators TCF4 and MEF2C. These results were further validated by means of meta-analytic fMRI data. Overall, the identification of stable relationships between spatial gene expression profiles and fMRI data may reshape the prospects for imaging transcriptomics studies.

: The human brain is characterized by interacting large-scale functional networks fueled by glucose metabolism. Since former studies could not sufficiently clarify how these functional connections shape glucose metabolism, we aimed to provide a neurophysiologically-based approach. : 51 healthy volunteers underwent simultaneous PET/MRI to obtain BOLD functional connectivity and [18F]FDG glucose metabolism. These multimodal imaging proxies of fMRI and PET were combined in a whole-brain extension of metabolic connectivity mapping. Specifically, functional connectivity of all brain regions were used as input to explain glucose metabolism of a given target region. This enabled the modeling of postsynaptic energy demands by incoming signals from distinct brain regions. : Functional connectivity input explained a substantial part of metabolic demands but with pronounced regional variations (34 - 76%). During cognitive task performance this multimodal association revealed a shift to higher network integration compared to resting state. In healthy aging, a dedifferentiation (decreased segregated/modular structure of the brain) of brain networks during rest was observed. Furthermore, by including data from mRNA maps, [11C]UCB-J synaptic density and aerobic glycolysis (oxygen-to-glucose index from PET data), we show that whole-brain functional input reflects non-oxidative, on-demand metabolism of synaptic signaling. The metabolically-derived directionality of functional inputs further marked them as top-down predictions. In addition, the approach uncovered formerly hidden networks with superior efficiency through metabolically informed network partitioning. : Applying multimodal imaging, we decipher a crucial part of the metabolic and neurophysiological basis of functional connections in the brain as interregional on-demand synaptic signaling fueled by anaerobic metabolism. The observed task- and age-related effects indicate promising future applications to characterize human brain function and clinical alterations.

ABSTRACT Positron emission tomography (PET) provides precise molecular information on physiological processes, but its low temporal resolution is a major obstacle. Consequently, we characterized the metabolic response of the human brain to working memory performance using an optimized functional PET framework at a temporal resolution of 3 seconds. Consistent with simulated kinetic modeling, we observed a constant increase in the [ 18 F]FDG signal during task execution, followed by a rapid return to baseline after stimulation ceased. The simultaneous acquisition of BOLD fMRI revealed that the temporal coupling between hemodynamic and metabolic signals in the primary motor cortex was related to individual behavioral performance during working memory. Furthermore, task-induced BOLD deactivations in the posteromedial default mode network were accompanied by distinct temporal patterns in glucose metabolism, which depended on the task-positive network metabolic demands. In sum, the proposed approach enables the advancement from parallel to truly synchronized investigation of metabolic and hemodynamic responses during cognitive processing.

ABSTRACT Purpose In the human brain endogenous dopamine release is commonly assessed by the PET competition model. Although thoroughly validated, cognitive processing yields low signal changes and the assessment of several task conditions requires repeated scanning. Using the framework of functional PET imaging we introduce a novel approach which leverages the incorporation of the radioligand 6-[ 18 F]FDOPA into the dynamic fast-acting regulation of the corresponding enzyme activities by neuronal firing and neurotransmitter release. We demonstrate the feasibility of the approach by the assessment of widely described sex differences in dopamine neurotransmission. Methods Reward and punishment processing was behaviorally investigated in 36 healthy participants, where 16 underwent fPET and fMRI while performing the monetary incentive delay task. 6-[ 18 F]FDOPA was applied as bolus+infusion during a single 50 min PET acquisition. Task-specific changes in dopamine synthesis were identified with the general linear model and quantified with the Gjedde-Patlak plot. Results Monetary gain induced 78% increase in nucleus accumbens dopamine synthesis vs. 49% for loss in men. Interestingly, the opposite was discovered in women (gain: 51%, loss: 78%). Behavioral modeling revealed direct associations of task-specific dopamine synthesis with reward sensitivity in men (rho = −0.7) and with punishment sensitivity in women (rho = 0.89). As expected, fMRI showed robust task-specific neuronal activation but no sex difference. Conclusions Our findings provide a dopaminergic basis for well-known behavioral differences in reward and punishment processing between women and men. This has important implications in psychiatric conditions showing sex-specific prevalence rates, altered reward processing and dopamine signaling. The high temporal resolution and pronounced magnitude of task-specific changes make fPET a promising tool to investigate functional neurotransmitter dynamics during cognitive or emotional processing in various brain disorders.

Abstract Learning-induced neuroplastic changes, further modulated by content and setting, are mirrored in brain functional connectivity (FC). In animal models, serotonergic agents were shown to facilitate neuroplasticity. This is especially prominent during emotional relearning, such as fear extinction, which may translate to clinical improvements in human patients. To investigate this assumption, 99 healthy subjects underwent six weeks of emotional or non-emotional learning and subsequent relearning. Resting-state functional magnetic resonance imaging was performed before and after the learning phases to investigate changes in FC. During relearning, subjects received either a daily dose of the selective serotonin reuptake inhibitor (SSRI) escitalopram or placebo. Escitalopram intake modulated FC changes in a network comprising Broca’s area, the medial prefrontal cortex, the right inferior temporal and left lingual gyrus. More specifically, escitalopram increased the bidirectional connectivity between medial prefrontal cortex and lingual gyrus for non-emotional and additionally the connectivity from medial prefrontal cortex to Broca’s area for emotional relearning. The context-dependence of these effects supports the assumption that SSRIs in clinical practice might improve neuroplasticity rather than psychiatric symptoms per se. Correlations with learning behavior further point towards a relationship with extinction processes in relearning. These results demonstrate that escitalopram intake during relearning results in content-dependent network adaptations and support the conclusion that enhanced neuroplasticity might be the major underlying mechanism also in humans. Beyond expanding the complexities of learning, these findings emphasize the influence of external factors on serotonin-facilitated neuroplasticity of the human brain.

Abstract Background The brain-derived neurotrophic factor (BDNF) has been implicated in processes essential for neuroplasticity. Learning and serotonin reuptake inhibitors (SSRI) foster neuronal reorganization, a mechanism potentially related to BDNF. This study aims to assess the effects of associative learning and escitalopram on serum BDNF (sBDNF) levels, to gain further knowledge on their dynamic interplay. Methods For three weeks, 37 participants performed one of two associative learning paradigms with either emotional or semantic content daily. During a subsequent three-week period of reversal learning, subjects either received escitalopram (10mg per day) or placebo. Before and after each learning period sBDNF values were assessed. Citalopram plasma levels were measured at the last time point. Linear mixed effects models (LME) and partial Spearman’s rank and Pearson correlations were used for statistical analyses. Results One-way LME resulted in a significant effect of time during the first learning period over both groups (p<0.01). Two-way LME revealed a significant interaction effect of the emotional content learning group and time (p=0.02). Three-way LME (time x reversal learning group x substance) showed no significant effects (all p> 0.05). Furthermore, correlation between citalopram and sBDNF level after three weeks of escitalopram administration exhibit a negative trend (partial Pearson correlation: r=-0.30, p=0.05; partial Spearman’s rank: r=-0.22, p=0.15). Conclusion The results suggest that three weeks of associative emotional content learning affect sBDNF levels, while subsequently assessed citalopram plasma and sBDNF levels tend to correlate negatively. Key Points Emotional learning may affect serum BDNF levels in healthy human subjects Blood levels of citalopram and serum BDNF exhibit a negative correlation

Abstract The antidepressant effect of selective serotonin reuptake inhibitors (SSRI) is related to increased neuroplasticity during relearning. Stress-induced dendritic atrophy in key brain areas for learning and memory such as the hippocampus and prefrontal cortex is reversed by SSRI treatment. This finding is accompanied by behavioral stabilization. The aim of this study was to investigated serotonergic modulation effects on structural neuroplasticity (cortical thickness, subcortical volumes) during relearning in healthy subjects. Participants performed daily associative learning tasks over 3 weeks followed by a 3-week relearning phase combined with intake of the SSRI escitalopram or placebo. Evidence suggests that SSRIs promote the brains susceptibility to change on the basis of environment factors. We found no effect of SSRI on grey matter measures during relearning. Here, non-findings might be a consequence of the implemented intensity and duration of study interventions. With sparse literature on healthy participants in this field, future studies will have to further elucidate SSRIs properties on relearning and structural neuroplasticity.

Abstract Background Neuroplastic processes are influenced by selective serotonergic reuptake inhibitors, while learning in conjunction with the administration of serotonergic agents alters white matter microstructure in humans. The goal of this double-blind, placebo-controlled imaging study was to investigate the influence of escitalopram on white matter plasticity during (re)learning. Methods Seventy-one healthy individuals (age = 25.6±5.0, 43 females) underwent 3 diffusion magnetic resonance imaging sessions: at baseline, after 3-weeks of associative learning (emotional/non-emotional content) and after relearning shuffled associations for an additional 3 weeks. During the relearning phase, subjects received daily escitalopram 10 mg or placebo orally. Statistical analysis was performed with statistical parametric mapping (SPM) and using sandwich estimator. Results A three-way and two-way rmANOVA was conducted to analyze the effects of escitalopram on AD, FA, MD and RD during the learning and relearning period. We found no significant three-way or two-way interactions for each DTI metrics (p FDR > 0.05), thus neither after 3 nor after 6 weeks we found significant changes in white matter microstructure. Conclusion We examined neither an effect of escitalopram nor learning (or relearning) interventions on different DTI metrics. The duration and intensity of study interventions (i.e. administration of escitalopram and learning as the relearning task) might have been chosen insufficiently to induce detectable alterations. Previous studies examining the effects of SSRIs on white matter tracts in humans are underrepresented, but do mainly yield towards non-significant findings. The results implicate that escitalopram does not impact white matter microstructures in healthy subjects.

Abstract Changes in distribution of associated molecular targets have been reported across several neuropsychiatric disorders. However, the high-resolution topology of most proteins is unknown and simultaneous in vivo measurement in multi-receptor systems is complicated. To account for the missing proteomic information, mRNA transcripts are typically used as a surrogate. Nonetheless, post-transcriptional and post-translational processes might cause the discrepancy between the final distribution of proteins and gene expression patterns. Therefore, this study aims to investigate ex vivo links between mRNA expression and corresponding receptor density in the human cerebral cortex. To this end, autoradiography data on the density of 15 different receptors in 38 brain regions were correlated with the expression patterns of 50 associated genes derived from microarray data (mA), RNA sequencing data (RNA-Seq) provided by the Allen Human Brain Atlas and predicted mRNA expression patterns (pred-mRNA). Spearman’s rank correlation was used to evaluate the possible links between proteomic data and mRNA expression patterns. Correlations between mRNA and protein density varied greatly between targets: Positive associations were found for e.g. the serotonin 1A (pred-mRNA: r s = 0.708; mA: r s = 0.601) or kainate receptor (pred-mRNA: r s = 0.655; mA: r s = 0.601; RNA-Seq: r s = 0.575), while most of the investigated target receptors showed low or negative correlations. The high variability in the correspondence of mRNA expression and receptor warrants caution when inferring the topology of molecular targets in the brain from transcriptome data. This highlights the longstanding value of molecular imaging data and the need for comprehensive proteomic data.