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.

Linking interindividual differences in psychological phenotype to variations in brain structure is an old dream for psychology and a crucial question for cognitive neurosciences. Yet, replicability of the previously-reported 'structural brain behavior' (SBB)-associations has been questioned, recently. Here, we conducted an empirical investigation, assessing replicability of SBB among heathy adults. For a wide range of psychological measures, the replicability of associations with gray matter volume was assessed. Our results revealed that among healthy individuals 1) finding an association between performance at standard psychological tests and brain morphology is relatively unlikely 2) significant associations, found using an exploratory approach, have overestimated effect sizes and 3) can hardly be replicated in an independent sample. After considering factors such as sample size and comparing our findings with more replicable SBB-associations in a clinical cohort and replicable associations between brain structure and non-psychological phenotype, we discuss the potential causes and consequences of these findings.

ABSTRACT Brain structure scaffolds intrinsic function, supporting cognition and ultimately behavioral flexibility. However, it remains unclear how a static, genetically controlled architecture supports flexible cognition and behavior. Here, we synthesize genetic, phylogenetic and cognitive analyses to understand how the macroscale organization of structure-function coupling across the cortex can inform its role in cognition. In humans, structure-function coupling was highest in regions of unimodal cortex and lowest in transmodal cortex, a pattern that was mirrored by a reduced alignment with heritable connectivity profiles. Structure-function uncoupling in non-human primates had a similar spatial distribution, but we observed an increased coupling between structure and function in association regions in macaques relative to humans. Meta-analysis suggested regions with the least genetic control (low heritable correspondence and different across primates) are linked to social cognition and autobiographical memory. Our findings establish the genetic and evolutionary uncoupling of structure and function in different transmodal systems may support the emergence of complex, culturally embedded forms of cognition.

We organized 10Kin1day, a pop-up scientific event with the goal to bring together neuroimaging groups from around the world to jointly analyze 10,000+ existing MRI connectivity datasets during a 3-day workshop. In this report, we describe the motivation and principles of 10Kin1day, together with a public release of 8,000+ MRI connectome maps of the human brain.

Subcortical brain structures are integral to motion, consciousness, emotions, and learning. We identified common genetic variation related to the volumes of nucleus accumbens, amygdala, brainstem, caudate nucleus, globus pallidus, putamen, and thalamus, using genome-wide association analyses in over 40,000 individuals from CHARGE, ENIGMA and the UK-Biobank. We show that variability in subcortical volumes is heritable, and identify 25 significantly associated loci (20 novel). Annotation of these loci utilizing gene expression, methylation, and neuropathological data identified 62 candidate genes implicated in neurodevelopment, synaptic signaling, axonal transport, apoptosis, 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.

Background: Arterial hypertension (HTN) dramatically increases the risk for stroke and neurodegenerative disease, but signatures of macro- and microangiopathic brain damage are already visible in magnetic resonance imaging (MRI) of asymptomatic HTN patients. Blood pressure (BP) levels that initiate detrimental effects on brain tissue are still undefined. Their identification may be important for successful BP-management and prevention of subsequent cerebrovascular disease. Our objective was to test whether elevated BP relates to lower grey matter volume (GMV) in young adults who had not been diagnosed as hypertensive (≥140/90 mmHg) previously. Methods: We related BP and GMV from structural 3 Tesla T1-weighted MRI of 423 healthy adults between 19-40 years (age=27.7±5.3 years, 177 women, systolic BP (SBP)=123.2±12.2 mmHg, diastolic BP (DBP)=73.4±8.5 mmHg). Data originated from four previously unpublished cross-sectional studies conducted in Leipzig, Germany. We performed voxel-based morphometry on each study separately and combined results in image-based meta-analyses (IBMA) to assess cumulative effects across studies. Resting BP was assigned to one of four categories: (1) SBP<120 mmHg and DBP<80 mmHg, (2) SBP 120-129 mmHg or DBP 80-84 mmHg, (3) SBP 130-139 mmHg or DBP 85-89 mmHg, (4) SBP≥140 mmHg or DBP≥90 mmHg. Findings: IBMA yielded: (a) regional GMV decreased linearly as peripheral BP increased; (b) significantly decreased GMV with higher peripheral BP when comparing individuals in sub-hypertensive categories 3 and 2, respectively, to those in category 1; (c) lower BP-related GMV was found in regions including hippocampus, amygdala, thalamus, frontal and parietal structures (e.g. precuneus). Interpretation: In young adults without previously diagnosed HTN, BP≥120/80 mmHg was associated with lower GMV in regions that have previously been related to GM decline in older individuals with manifest HTN. This suggests that subtle pressure-related brain alterations might occur earlier in adulthood than previously assumed and already at sub-hypertensive BP levels.

Linking interindividual differences in psychological phenotype to variations in brain structure is an old dream for psychology and a crucial question for cognitive neurosciences. Yet, replicability of the previously-reported 'structural brain behavior' (SBB)-associations has been questioned, recently. Here, we conducted an empirical investigation, assessing replicability of SBB among heathy adults. For a wide range of psychological measures, the replicability of associations with gray matter volume was assessed. Our results revealed that among healthy individuals 1) finding an association between performance at standard psychological tests and brain morphology is relatively unlikely 2) significant associations, found using an exploratory approach, have overestimated effect sizes and 3) can hardly be replicated in an independent sample. After considering factors such as sample size and comparing our findings with more replicable SBB-associations in a clinical cohort and replicable associations between brain structure and non-psychological phenotype, we discuss the potential causes and consequences of these findings.

Abstract Affective experience and cognitive abilities are key human traits that are interrelated in behavior and brain. Individual variation of affective and cognitive traits, as well as brain structure, has been shown to partly underlie genetic effects. However, to what extent affect and cognition have a shared genetic relationship with local brain structure is incompletely understood. Here we studied phenotypic and genetic correlations of cognitive and affective traits in behavior and brain structure (cortical thickness, surface area and subcortical volumes) in the twin-based Human Connectome Project sample (N = 1091). Both affective and cognitive trait scores were highly heritable and showed significant phenotypic correlation on the behavioral level. Cortical thickness in the left superior frontal cortex showed a phenotypic association with both affect and cognition, which was driven by shared genetic effects. Quantitative functional decoding of this region yielded associations with cognitive and emotional functioning. This study provides a multi-level approach to study the association between affect and cognition and suggests a convergence of both in superior frontal cortical thickness.

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.

The study of associations between inter-individual differences in brain structure and behaviour has a long history in psychology and neuroscience. Many associations between psychometric data, particularly intelligence and personality measures and local variations of brain cortical thickness (CT) have been reported. While the impact of such findings often go beyond scientific communities, resonating in the public mind, their replicability is rarely evidenced. Here, we empirically investigated the replicability of associations of an extended range of psychometric variables and CT in a large cohort of healthy adults. Our analyses revealed low likelihood of significant associations. Furthermore, significant associations from exploratory analyses showed overestimated effect sizes and were rarely replicable in an independent sample. We discuss the interpretation and implications of these findings within the context of accumulating evidence of the poor replicability of structural-brain-behaviour associations using grey matter volume, and more broadly of the replicability crisis of brain and behaviour sciences.