Animal studies suggest that diets low in calories and rich in unsaturated fatty acids (UFA) are beneficial for cognitive function in age. Here, we tested in a prospective interventional design whether the same effects can be induced in humans. Fifty healthy, normal- to overweight elderly subjects (29 females, mean age 60.5 years, mean body mass index 28 kg/m 2 ) were stratified into 3 groups: ( i ) caloric restriction (30% reduction), ( ii ) relative increased intake of UFAs (20% increase, unchanged total fat), and ( iii ) control. Before and after 3 months of intervention, memory performance was assessed under standardized conditions. We found a significant increase in verbal memory scores after caloric restriction (mean increase 20%; P < 0.001), which was correlated with decreases in fasting plasma levels of insulin and high sensitive C-reactive protein, most pronounced in subjects with best adherence to the diet (all r values < −0.8; all P values <0.05). Levels of brain-derived neurotrophic factor remained unchanged. No significant memory changes were observed in the other 2 groups. This interventional trial demonstrates beneficial effects of caloric restriction on memory performance in healthy elderly subjects. Mechanisms underlying this improvement might include higher synaptic plasticity and stimulation of neurofacilitatory pathways in the brain because of improved insulin sensitivity and reduced inflammatory activity. Our study may help to generate novel prevention strategies to maintain cognitive functions into old age.

The disparity between the chronological age of an individual and their brain-age measured based on biological information has the potential to offer clinically relevant biomarkers of neurological syndromes that emerge late in the lifespan. While prior brain-age prediction studies have relied exclusively on either structural or functional brain data, here we investigate how multimodal brain-imaging data improves age prediction. Using cortical anatomy and whole-brain functional connectivity on a large adult lifespan sample (N=2354, age 19–82), we found that multimodal data improves brain-based age prediction, resulting in a mean absolute prediction error of 4.29 years. Furthermore, we found that the discrepancy between predicted age and chronological age captures cognitive impairment. Importantly, the brain-age measure was robust to confounding effects: head motion did not drive brain-based age prediction and our models generalized reasonably to an independent dataset acquired at a different site (N=475). Generalization performance was increased by training models on a larger and more heterogeneous dataset. The robustness of multimodal brain-age prediction to confounds, generalizability across sites, and sensitivity to clinically-relevant impairments, suggests promising future application to the early prediction of neurocognitive disorders.

Dietary habits such as caloric restriction or nutrients that mimic these effects may exert beneficial effects on brain aging. The plant-derived polyphenol resveratrol has been shown to increase memory performance in primates; however, interventional studies in older humans are lacking. Here, we tested whether supplementation of resveratrol would enhance memory performance in older adults and addressed potential mechanisms underlying this effect. Twenty-three healthy overweight older individuals that successfully completed 26 weeks of resveratrol intake (200 mg/d) were pairwise matched to 23 participants that received placebo (total n = 46, 18 females, 50–75 years). Before and after the intervention/control period, subjects underwent memory tasks and neuroimaging to assess volume, microstructure, and functional connectivity (FC) of the hippocampus, a key region implicated in memory functions. In addition, anthropometry, glucose and lipid metabolism, inflammation, neurotrophic factors, and vascular parameters were assayed. We observed a significant effect of resveratrol on retention of words over 30 min compared with placebo (p = 0.038). In addition, resveratrol led to significant increases in hippocampal FC, decreases in glycated hemoglobin (HbA1c) and body fat, and increases in leptin compared with placebo (all p < 0.05). Increases in FC between the left posterior hippocampus and the medial prefrontal cortex correlated with increases in retention scores and with decreases in HbA1c (all p < 0.05). This study provides initial evidence that supplementary resveratrol improves memory performance in association with improved glucose metabolism and increased hippocampal FC in older adults. Our findings offer the basis for novel strategies to maintain brain health during aging.

Higher intake of seafish or oil rich in long-chain omega-3 polyunsaturated fatty acids (LC-n3-FA) may be beneficial for the aging brain. We tested in a prospective interventional design whether high levels of supplementary LC-n3-FA would improve cognition, and addressed potential mechanisms underlying the effects. Sixty-five healthy subjects (50–75 years, 30 females) successfully completed 26 weeks of either fish oil (2.2 g/day LC-n3-FA) or placebo intake. Before and after the intervention period, cognitive performance, structural neuroimaging, vascular markers, and blood parameters were assayed. We found a significant increase in executive functions after LC-n3-FA compared with placebo (P = 0.023). In parallel, LC-n3-FA exerted beneficial effects on white matter microstructural integrity and gray matter volume in frontal, temporal, parietal, and limbic areas primarily of the left hemisphere, and on carotid intima media thickness and diastolic blood pressure. Improvements in executive functions correlated positively with changes in omega-3-index and peripheral brain-derived neurotrophic factor, and negatively with changes in peripheral fasting insulin. This double-blind randomized interventional study provides first-time evidence that LC-n3-FA exert positive effects on brain functions in healthy older adults, and elucidates underlying mechanisms. Our findings suggest novel strategies to maintain cognitive functions into old age.

Subcortical brain structures are integral to motion, consciousness, emotions and learning. We identified common genetic variation related to the volumes of the nucleus accumbens, amygdala, brainstem, caudate nucleus, globus pallidus, putamen and thalamus, using genome-wide association analyses in almost 40,000 individuals from CHARGE, ENIGMA and UK Biobank. We show that variability in subcortical volumes is heritable, and identify 48 significantly associated loci (40 novel at the time of analysis). Annotation of these loci by utilizing gene expression, methylation and neuropathological data identified 199 genes putatively implicated in neurodevelopment, synaptic signaling, axonal transport, apoptosis, inflammation/infection and susceptibility to neurological disorders. This set of genes is significantly enriched for Drosophila orthologs associated with neurodevelopmental phenotypes, suggesting evolutionarily conserved mechanisms. Our findings uncover novel biology and potential drug targets underlying brain development and disease. Genome-wide analysis identifies variants associated with the volume of seven different subcortical brain regions defined by magnetic resonance imaging. Implicated genes are involved in neurodevelopmental and synaptic signaling pathways.

Abstract Cortical thickness, surface area and volumes (MRI cortical measures) vary with age and cognitive function, and in neurological and psychiatric diseases. We examined heritability, genetic correlations and genome-wide associations of cortical measures across the whole cortex, and in 34 anatomically predefined regions. Our discovery sample comprised 22,822 individuals from 20 cohorts within the Cohorts for Heart and Aging Research in Genomic Epidemiology (CHARGE) consortium and the United Kingdom Biobank. Significant associations were replicated in the Enhancing Neuroimaging Genetics through Meta-analysis (ENIGMA) consortium, and their biological implications explored using bioinformatic annotation and pathway analyses. We identified genetic heterogeneity between cortical measures and brain regions, and 161 genome-wide significant associations pointing to wnt/β-catenin, TGF-β and sonic hedgehog pathways. There was enrichment for genes involved in anthropometric traits, hindbrain development, vascular and neurodegenerative disease and psychiatric conditions. These data are a rich resource for studies of the biological mechanisms behind cortical development and aging.

Abstract While many structural and biochemical changes in the brain have been previously associated with aging, the findings concerning electrophysiological signatures, reflecting functional properties of neuronal networks, remain rather controversial. To try resolve this issue, we took advantage of a large population study (N=1703) and comprehensively investigated the association of multiple EEG biomarkers (power of alpha and theta oscillations, individual alpha peak frequency (IAF), the slope of 1/f power spectral decay), aging, and aging and cognitive performance. Cognitive performance was captured with three factors representing processing speed, episodic memory, and interference resolution. Our results show that not only did IAF decline with age but it was also associated with interference resolution over multiple cortical areas. To a weaker extent, 1/f slope of the PSD showed age-related reductions, mostly in frontal brain regions. Finally, alpha power was negatively associated with the speed of processing in the right frontal lobe, despite the absence of age-related alterations. Our results thus demonstrate that multiple electrophysiological features, as well as their interplay, should be considered when investigating the association between age, neuronal activity, and cognitive performance.

Abstract The size of the human head is determined by growth in the first years of life, while the rest of the body typically grows until early adulthood 1 . Such complex developmental processes are regulated by various genes and growth pathways 2 . Rare genetic syndromes have revealed genes that affect head size 3 , but the genetic drivers of variation in head size within the general population remain largely unknown. To elucidate biological pathways underlying the growth of the human head, we performed the largest genome-wide association study on human head size to date (N = 79,107). We identified 67 genetic loci, 50 of which are novel, and found that these loci are preferentially associated with head size and mostly independent from height. In subsequent neuroimaging analyses, the majority of genetic variants demonstrated widespread effects on the brain, whereas the effects of 17 variants could be localized to one or two specific brain regions. Through hypothesis-free approaches, we find a strong overlap of head size variants with both cancer pathways and cancer genes. Gene set analyses showed enrichment for different types of cancer and the p53, Wnt and ErbB signalling pathway. Genes overlapping or close to lead variants – such as TP53 , PTEN and APC – were enriched for genes involved in macrocephaly syndromes (up to 37-fold) and high-fidelity cancer genes (up to 9-fold), whereas this enrichment was not seen for human height variants. This indicates that genes regulating early brain and cranial growth are associated with a propensity to neoplasia later in life, irrespective of height. Our results warrant further investigations of the link between head size and cancer, as well as its clinical implications in the general population.

Abstract Brain-age (BA) estimates based on deep learning are increasingly used as neuroimaging biomarker for brain health; however, the underlying neural features have remained unclear. We combined ensembles of convolutional neural networks with Layer-wise Relevance Propagation (LRP) to detect which brain features contribute to BA. Trained on magnetic resonance imaging (MRI) data of a population-based study (n=2637, 18-82 years), our models estimated age accurately based on single and multiple modalities, regionally restricted and whole-brain images (mean absolute errors 3.37-3.86 years). We find that BA estimates capture aging at both small and large-scale changes, revealing gross enlargements of ventricles and subarachnoid spaces, as well as white matter lesions, and atrophies that appear throughout the brain. Divergence from expected aging reflected cardiovascular risk factors and accelerated aging was more pronounced in the frontal lobe. Applying LRP, our study demonstrates how superior deep learning models detect brain-aging in healthy and at-risk individuals throughout adulthood.

1 Abstract Longitudinal imaging studies are crucial for advancing the understanding of brain development over the lifespan. Thus, more and more studies acquire imaging data at multiple time points or with long follow-up intervals. In these studies changes to magnetic resonance imaging (MRI) scanners often become inevitable which may decrease the reliability of the MRI assessments and introduce biases. We therefore investigated the difference between MRI scanners with subsequent versions (3 Tesla Siemens Verio vs. Skyra fit) on the cortical and subcortical measures of grey matter in 116 healthy, young adults using the well-established longitudinal FreeSurfer stream for T1-weighted brain images. We found excellent between-scanner reliability for cortical and subcortical measures of grey matter structure (intra-class correlation coefficient > 0.8). Yet, paired t-tests revealed statistically significant differences in at least 75% of the regions, with percent differences up to 5%, depending on the outcome measure. Offline correction for gradient distortions only slightly reduced these biases. Further, T1-imaging based quality measures systematically differed between scanners. We conclude that scanner upgrades during a longitudinal study introduce bias in measures of cortical and subcortical grey matter structure. Therefore, before upgrading a MRI scanner during an ongoing study, researchers should prepare to implement an appropriate correction method for these effects.