Investigators in neuroscience have turned to Big Data to address replication and reliability issues by increasing sample sizes, statistical power, and representativeness of data. These efforts unveil new questions about integrating data arising from distinct sources and instruments. We focus on the most frequently assessed cognitive domain - memory testing - and demonstrate a process for reliable data harmonization across three common measures. We aggregated global raw data from 53 studies totaling N = 10,505 individuals. A mega-analysis was conducted using empirical bayes harmonization to remove site effects, followed by linear models adjusting for common covariates. A continuous item response theory (IRT) model estimated each individual's latent verbal learning ability while accounting for item difficulties. Harmonization significantly reduced inter-site variance while preserving covariate effects, and our conversion tool is freely available online. This demonstrates that large-scale data sharing and harmonization initiatives can address reproducibility and integration challenges across the behavioral sciences.

BackgroundChronic low-grade inflammation is observed across mental disorders and is associated with difficult-to-treat-symptoms of anhedonia and functional brain changes – reflecting a potential transdiagnostic dimension. Previous investigations have focused on distinct illness categories in those with enduring illness, with few exploring inflammatory changes. We sought to identify an inflammatory signal and associated brain function underlying anhedonia among young people with recent onset psychosis (ROP) and recent onset depression (ROD).MethodResting-state functional magnetic resonance imaging, inflammatory markers, and anhedonia symptoms were collected from N=108 (M age=26.2[SD 6.2]years; Female =50) participants with ROP (n=53) and ROD (n=55) from the EU-FP7-funded PRONIA study. Time-series were extracted using the Schaefer atlas, defining 100 cortical regions of interest. Using advanced multimodal machine learning, an inflammatory marker model and functional connectivity model were developed to classify an anhedonic group, compared to a normal hedonic group.ResultsA repeated nested cross-validation model using inflammatory markers classified normal hedonic and anhedonic ROP/ROD groups with a balanced accuracy (BAC) of 63.9%, and an area under the curve (AUC) of 0.61. The functional connectivity model produced a BAC of 55.2% and an AUC of 0.57. Anhedonic group assignment was driven by higher levels of Interleukin-6, S100B, and Interleukin-1 receptor antagonist, and lower levels of Interferon gamma, in addition to connectivity within the precuneus and posterior cingulate.ConclusionWe identified a potential transdiagnostic anhedonic subtype that was accounted for by an inflammatory profile and functional connectivity. Results have implications for anhedonia as an emerging transdiagnostic target across emerging mental disorders.

The auditory mismatch negativity (MMN) is significantly reduced in schizophrenia. Notably, a similar MMN reduction can be achieved with NMDA receptor (NMDAR) antagonists. Both phenomena have been interpreted as reflecting an impairment of predictive coding or, more generally, the “Bayesian brain” notion that the brain continuously updates a hierarchical model to infer the causes of its sensory inputs. Specifically, predictive coding views perceptual inference as an NMDAR-dependent process of minimizing hierarchical precision-weighted prediction errors (PEs). Disturbances of this putative process play a key role in hierarchical Bayesian theories of schizophrenia. Here, we provide empirical evidence for this clinical theory, demonstrating the existence of multiple, hierarchically related PEs in a “roving MMN” paradigm.We applied a computational model (Hierarchical Gaussian Filter, HGF), to single-trial EEG data from healthy volunteers that received the NMDAR antagonist S-ketamine in a placebo-controlled, double-blind, within-subject fashion. Using an unrestricted analysis of the entire time-sensor space, our computational trial-by-trial analysis indicated that low-level PEs (about stimulus transitions) are expressed early (102-207ms post-stimulus), while high-level PEs (about transition probability) are reflected by later components (152-199ms, 215-277ms) of single-trial responses. Furthermore, we find that ketamine significantly diminished the expression of high-level PE responses, implying that NMDAR antagonism disrupts inference on abstract statistical regularities.Our findings suggest that NMDAR dysfunction impairs hierarchical Bayesian inference about the world’s statistical structure. Beyond the relevance of this finding for schizophrenia, our results illustrate the potential of computational single-trial analyses for assessing potential disease mechanisms.

Brainstem regions support critical bodily functions, yet their genetic architectures and involvement in brain disorders remain understudied. Here, we examined volumes of brainstem structures using magnetic resonance imaging in 43,353 individuals. In 27,034 genotyped healthy participants, we identified 16 genetic loci associated with whole brainstem volume and 10, 23, 3, and 9 loci associated with volumes of the midbrain, pons, superior cerebellar peduncle, and medulla oblongata, respectively. These loci were mapped to 305 genes, including genes linked to brainstem development and common brain disorders. We detected genetic overlap between the brainstem volumes and eight psychiatric and neurological disorders. Using imaging data from 16,319 additional individuals, we observed differential volume alterations in schizophrenia, bipolar disorder, multiple sclerosis, mild cognitive impairment, dementia, and Parkinson's disease. Together, our results provide new insights into the genetic underpinnings of brainstem structures and support their involvement in common brain disorders.

Abstract We recently indicated that four-week probiotic supplementation significantly reduced depression along with microbial and neural changes in people with depression. Here we further elucidated the biological modes of action underlying the beneficial clinical effects of probiotics by focusing on immune-inflammatory processes. The analysis included a total of N = 43 participants with depression, from which N = 19 received the probiotic supplement and N = 24 received a placebo over four weeks, in addition to treatment as usual. Blood and saliva were collected at baseline, at post-intervention (week 4) and follow-up (week 8) to assess immune-inflammatory markers (IL-1β, IL-6, CRP, MIF), gut-related hormones (ghrelin, leptin), and a stress marker (cortisol). Furthermore, transcriptomic analyses were conducted to identify differentially expressed genes. Finally, we analyzed the associations between probiotic-induced clinical and immune-inflammatory changes. We observed a significant group x time interaction for the gut hormone ghrelin, indicative of an increase in the probiotics group. Additionally, the increase in ghrelin was correlated with the decrease in depressive symptoms in the probiotics group. Transcriptomic analyses identified 51 up- and 57 down-regulated genes, which were involved in functional pathways related to enhanced immune activity. We identified a probiotic-dependent upregulation of the genes ELANE, DEFA4 and OLFM4 associated to immune activation and ghrelin concentration. These results underscore the potential of probiotic supplementation to produce biological meaningful changes in immune activation in patients with depression. Further large-scale mechanistic trials are warranted to validate and extend our understanding of immune-inflammatory measures as potential biomarkers for stratification and treatment response in depression. Trial Registration: www.clinicaltrials.gov , identifier: NCT02957591.

Abstract While schizophrenia is considered a prototypical network disorder characterized by widespread brain-morphological alterations, it still remains unclear whether distributed structural alterations robustly reflect underlying network layout. Here, we tested whether large-scale structural alterations in schizophrenia relate to normative structural and functional connectome architecture, and systematically evaluated robustness and generalizability of these network-level alterations. Leveraging anatomical MRI scans from 2,439 adults with schizophrenia and 2,867 healthy controls from 26 ENIGMA sites and normative data from the Human Connectome Project (n=207), we evaluated structural alterations of schizophrenia against two network susceptibility models: i) hub vulnerability, which examines associations between regional network centrality and magnitude of disease-related alterations; ii) epicenter mapping, which identify regions whose typical connectivity profile most closely resembles the disease-related morphological alterations. To assess generalizability and specificity, we contextualized the influence of site, disease stages, and individual clinical factors and compared network associations of schizophrenia with that found in affective disorders. Schizophrenia-related structural alterations co-localized with interconnected functional and structural hubs and harbored temporo-paralimbic and frontal epicenters. Findings were robust across sites and related to individual symptom profiles. We observed localized unique epicenters for first-episode psychosis and early stages, and transmodal epicenters that were shared across first-episode to chronic stages. Moreover, transdiagnostic comparisons revealed overlapping epicenters in schizophrenia and bipolar, but not major depressive disorder, yielding insights in pathophysiological continuity within the schizophrenia-bipolar-spectrum. In sum, cortical alterations over the course of schizophrenia robustly follow brain network architecture, emphasizing marked hub susceptibility and temporo-frontal epicenters at both the level of the group and the individual. Subtle variations of epicenters across disease stages suggest interacting pathological processes, while associations with patient-specific symptoms support additional inter-individual variability of hub vulnerability and epicenters in schizophrenia. Our work contributes to recognizing potentially common pathways to better understand macroscale structural alterations, and inter-individual variability in schizophrenia.