The mammalian brain is composed of an outer layer of gray matter, consisting of cell bodies, dendrites, and unmyelinated axons, and an inner core of white matter, consisting primarily of myelinated axons. Recent evidence suggests that microstructural differences between gray and white matter play an important role during neurodevelopment. While brain tissue as a whole is rheologically well characterized, the individual features of gray and white matter remain poorly understood. Here we quantify the mechanical properties of gray and white matter using a robust, reliable, and repeatable method, flat-punch indentation. To systematically characterize gray and white matter moduli for varying indenter diameters, loading rates, holding times, post-mortem times, and locations we performed a series of n=192 indentation tests. We found that indenting thick, intact coronal slices eliminates the common challenges associated with small specimens: it naturally minimizes boundary effects, dehydration, swelling, and structural degradation. When kept intact and hydrated, brain slices maintained their mechanical characteristics with standard deviations as low as 5% throughout the entire testing period of five days post mortem. White matter, with an average modulus of 1.895 kPa±0.592 kPa, was on average 39% stiffer than gray matter, p<0.01, with an average modulus of 1.389 kPa±0.289 kPa, and displayed larger regional variations. It was also more viscous than gray matter and responded less rapidly to mechanical loading. Understanding the rheological differences between gray and white matter may have direct implications on diagnosing and understanding the mechanical environment in neurodevelopment and neurological disorders.

Mechanics are increasingly recognized to play an important role in modulating brain form and function. Computational simulations are a powerful tool to predict the mechanical behavior of the human brain in health and disease. The success of these simulations depends critically on the underlying constitutive model and on the reliable identification of its material parameters. Thus, there is an urgent need to thoroughly characterize the mechanical behavior of brain tissue and to identify mathematical models that capture the tissue response under arbitrary loading conditions. However, most constitutive models have only been calibrated for a single loading mode. Here, we perform a sequence of multiple loading modes on the same human brain specimen – simple shear in two orthogonal directions, compression, and tension – and characterize the loading-mode specific regional and directional behavior. We complement these three individual tests by combined multiaxial compression/tension-shear tests and discuss effects of conditioning and hysteresis. To explore to which extent the macrostructural response is a result of the underlying microstructural architecture, we supplement our biomechanical tests with diffusion tensor imaging and histology. We show that the heterogeneous microstructure leads to a regional but not directional dependence of the mechanical properties. Our experiments confirm that human brain tissue is nonlinear and viscoelastic, with a pronounced compression-tension asymmetry. Using our measurements, we compare the performance of five common constitutive models, neo-Hookean, Mooney-Rivlin, Demiray, Gent, and Ogden, and show that only the isotropic modified one-term Ogden model is capable of representing the hyperelastic behavior under combined shear, compression, and tension loadings: with a shear modulus of 0.4–1.4 kPa and a negative nonlinearity parameter it captures the compression-tension asymmetry and the increase in shear stress under superimposed compression but not tension. Our results demonstrate that material parameters identified for a single loading mode fail to predict the response under arbitrary loading conditions. Our systematic characterization of human brain tissue will lead to more accurate computational simulations, which will allow us to determine criteria for injury, to develop smart protection systems, and to predict brain development and disease progression. There is a pressing need to characterize the mechanical behavior of human brain tissue under multiple loading conditions, and to identify constitutive models that are able to capture the tissue response under these conditions. We perform a sequence of experimental tests on the same brain specimen to characterize the regional and directional behavior, and we supplement our tests with DTI and histology to explore to which extent the macrostructural response is a result of the underlying microstructure. Results demonstrate that human brain tissue is nonlinear and viscoelastic, with a pronounced compression-tension asymmetry, and we show that the multiaxial data can best be captured by a modified version of the one-term Ogden model.

Convolutions are a classical hallmark of most mammalian brains. Brain surface morphology is often associated with intelligence and closely correlated with neurological dysfunction. Yet, we know surprisingly little about the underlying mechanisms of cortical folding. Here we identify the role of the key anatomic players during the folding process: cortical thickness, stiffness, and growth. To establish estimates for the critical time, pressure, and the wavelength at the onset of folding, we derive an analytical model using the Föppl–von Kármán theory. Analytical modeling provides a quick first insight into the critical conditions at the onset of folding, yet it fails to predict the evolution of complex instability patterns in the post-critical regime. To predict realistic surface morphologies, we establish a computational model using the continuum theory of finite growth. Computational modeling not only confirms our analytical estimates, but is also capable of predicting the formation of complex surface morphologies with asymmetric patterns and secondary folds. Taken together, our analytical and computational models explain why larger mammalian brains tend to be more convoluted than smaller brains. Both models provide mechanistic interpretations of the classical malformations of lissencephaly and polymicrogyria. Understanding the process of cortical folding in the mammalian brain has direct implications on the diagnostics of neurological disorders including severe retardation, epilepsy, schizophrenia, and autism.

The developing human brain remains one of the few unsolved mysteries of science. Advancements in developmental biology, neuroscience and medical imaging have brought us closer than ever to understand brain development in health and disease. However, the precise role of mechanics throughout this process remains underestimated and poorly understood. Here we show that mechanical stretch plays a crucial role in brain development. Using the nonlinear field theories of mechanics supplemented by the theory of finite growth, we model the human brain as a living system with a morphogenetically growing outer surface and a stretch-driven growing inner core. This approach seamlessly integrates the two popular but competing hypotheses for cortical folding: axonal tension and differential growth. We calibrate our model using magnetic resonance images from very preterm neonates. Our model predicts that deviations in cortical growth and thickness induce morphological abnormalities. Using the gyrification index, the ratio between the total and exposed surface area, we demonstrate that these abnormalities agree with the classical pathologies of lissencephaly and polymicrogyria. Understanding the mechanisms of cortical folding in the developing human brain has direct implications in the diagnostics and treatment of neurological disorders, including epilepsy, schizophrenia and autism.

Immune cells such as natural killer (NK) cells migrate with high speeds of several µm/min through dense tissue, but the traction forces are unknown. We present a method to measure dynamic traction forces of fast migrating cells in non-linear biopolymer matrices. The method accounts for the mechanical non-linearity of the 3D tissue matrix and can be applied to time series of confocal or bright-field image stacks. The method is highly sensitive over a large range of forces and object sizes, from ∼1 nN for axon growth cones up to ∼10 µN for mouse intestinal organoids. We find that NK cells display bursts of large traction forces that increase with matrix stiffness and facilitate migration through tight constrictions.

The identification of material parameters accurately describing the region-dependent mechanical behavior of human brain tissue is crucial for computational models used to assist, e.g., the development of safety equipment like helmets or the planning and execution of brain surgery. While the division of the human brain into different anatomical regions is well established, knowledge about regions with distinct mechanical properties remains limited. Here, we establish an inverse parameter identification scheme using a hyperelastic Ogden model and experimental data from multi-modal testing of tissue from 19 anatomical human brain regions to identify mechanically distinct regions and provide the corresponding material parameters. We assign the 19 anatomical regions to nine governing regions based on similar parameters and microstructures. Statistical analyses confirm differences between the regions and indicate that at least the corpus callosum and the corona radiata should be assigned different material parameters in computational models of the human brain. We provide a total of four parameter sets based on the two initial Poisson’s ratios of 0.45 and 0.49 as well as the pre- and unconditioned experimental responses, respectively. Our results highlight the close interrelation between the Poisson’s ratio and the remaining model parameters. The identified parameters will contribute to more precise computational models enabling spatially resolved predictions of the stress and strain states in human brains under complex mechanical loading conditions.

The brain is arguably the most complex human organ and modelling its mechanical behaviour has challenged researchers for decades. There is still a lack of understanding on how this multiphase tissue responds to mechanical loading and how material parameters can be reliably calibrated. While previous viscoelastic models with two relaxation times have successfully captured the response of brain tissue, the Theory of Porous Media provides a continuum mechanical framework to explore the underlying physical mechanisms, including interactions between solid matrix and free-flowing interstitial fluid. Following our previously published experimental testing protocol, here we perform finite element simulations of cyclic compression–tension loading and compression–relaxation experiments on human brain white and gray matter specimens. The solid volumetric stress proves to be a crucial factor for the overall biphasic tissue behaviour as it strongly interferes with porous effects controlled by the permeability. An inverse parameter identification reveals that poroelasticity alone is insufficient to capture the time-dependent material behaviour, but a poro-viscoelastic formulation captures the response of brain tissue well. We provide valuable insights into the individual contributions of viscous and porous effects. However, due to the strong coupling between porous, viscous, and volumetric effects, additional experiments are required to reliably determine all material parameters.

Abstract The human brain has a highly complex structure both on the microscopic and macroscopic scales. Increasing evidence has emphasized the role of mechanical forces for cortical folding – a classical hallmark of the human brain. However, the link between cellular processes at the microscale and mechanical forces at the macroscale remains insufficiently understood. Recent findings suggest that an additional proliferating zone, the outer subventricular zone (OSVZ), is decisive for the particular size and complexity of the human cortex. To better understand how the OSVZ affects cortical folding, we establish a multifield computational model that couples cell proliferation and migration at the cell scale with growth and cortical folding at the organ scale by combining an advection-diffusion model with the theory of finite growth. We validate our model based on data from histologically stained sections of the human fetal brain. Finally, we address open questions regarding the role of the OSVZ for the formation of cortical folds. The presented framework not only improves our understanding of human brain development, but could eventually help diagnose and treat neuronal disorders arising from disruptions in cellular development and associated malformations of cortical development.