Abstract Aims Several factors are known to increase risk for cerebrovascular disease and dementia, but there is limited evidence on associations between multiple vascular risk factors (VRFs) and detailed aspects of brain macrostructure and microstructure in large community-dwelling populations across middle and older age. Methods and results Associations between VRFs (smoking, hypertension, pulse pressure, diabetes, hypercholesterolaemia, body mass index, and waist–hip ratio) and brain structural and diffusion MRI markers were examined in UK Biobank (N = 9722, age range 44–79 years). A larger number of VRFs was associated with greater brain atrophy, lower grey matter volume, and poorer white matter health. Effect sizes were small (brain structural R 2 ≤1.8%). Higher aggregate vascular risk was related to multiple regional MRI hallmarks associated with dementia risk: lower frontal and temporal cortical volumes, lower subcortical volumes, higher white matter hyperintensity volumes, and poorer white matter microstructure in association and thalamic pathways. Smoking pack years, hypertension and diabetes showed the most consistent associations across all brain measures. Hypercholesterolaemia was not uniquely associated with any MRI marker. Conclusion Higher levels of VRFs were associated with poorer brain health across grey and white matter macrostructure and microstructure. Effects are mainly additive, converging upon frontal and temporal cortex, subcortical structures, and specific classes of white matter fibres. Though effect sizes were small, these results emphasize the vulnerability of brain health to vascular factors even in relatively healthy middle and older age, and the potential to partly ameliorate cognitive decline by addressing these malleable risk factors.

Abstract Whole-brain structural networks can be constructed using diffusion MRI and probabilistic tractography. However, measurement noise and the probabilistic nature of the tracking procedure result in an unknown proportion of spurious white matter connections. Faithful disentanglement of spurious and genuine connections is hindered by a lack of comprehensive anatomical information at the network-level. Therefore, network thresholding methods are widely used to remove ostensibly false connections, but it is not yet clear how different thresholding strategies affect basic network properties and their associations with meaningful demographic variables, such as age. In a sample of 3,153 generally healthy volunteers from the UK Biobank Imaging Study (aged 44—77 years), we constructed 85 × 85 node whole-brain structural networks and applied two principled network thresholding approaches (consistency and proportional thresholding). These were applied over a broad range of threshold levels across six alternative network weightings (streamline count, fractional anisotropy, mean diffusivity and three novel weightings from neurite orientation dispersion and density imaging) and for four common network measures (mean edge weight, characteristic path length, network efficiency and network clustering coefficient). We compared network measures against age associations and found that the most commonly-used level of proportional-thresholding from the literature (retaining 68.7% of all possible connections) yielded significantly weaker age-associations (0.070 ≤ |β| ≤ 0.406) than the consistency-based approach which retained only 30% of connections (0.140 ≤ |β| ≤ 0.409). However, we determined that the stringency of the threshold was a stronger determinant of the network-age association than the choice of threshold method and the two thresholding approaches identified a highly overlapping set of connections (ICC = 0.84) when matched at a plausible level of network sparsity (70%). Generally, more stringent thresholding resulted in more age-sensitive network measures in five of the six network weightings, except at the highest levels of sparsity (>90%), where crucial connections were then removed. At two commonly-used threshold levels, the age-associations of the connections that were discarded (mean β ≤ |0.068|) were significantly smaller in magnitude than the corresponding age-associations of the connections that were retained (mean β ≤ |0.219|, p < 0.001, uncorrected). Given histological evidence of widespread degeneration of structural brain connectivity with increasing age, these results indicate that stringent thresholding methods may be most accurate in identifying true white matter connections.

Examining underlying neurostructural correlates of specific cognitive abilities is practically and theoretically complicated by the existence of the positive manifold (all cognitive tests positively correlate): if a brain structure is associated with a cognitive task, how much of this is uniquely related to the cognitive domain, and how much is due to covariance with all other tests across domains (captured by general cognitive functioning, also known as general intelligence, or 'g')? We quantitatively address this question by examining associations between brain structural and diffusion MRI measures (global tissue volumes, white matter hyperintensities, global white matter diffusion fractional anisotropy and mean diffusivity, and FreeSurfer processed vertex-wise cortical volumes, smoothed at 20mm fwhm) with g and cognitive domains (processing speed, crystallised ability, memory, visuospatial ability). The cognitive domains were modelled using confirmatory factor analysis to derive both hierarchical and bifactor solutions using 13 cognitive tests in 697 participants from the Lothian Birth Cohort 1936 study (mean age 72.5 years; SD = .7). Associations between the extracted cognitive factor scores for each domain and g were computed for each brain measure covarying for age, sex and intracranial volume, and corrected for false discovery rate. There were a range of significant associations between cognitive domains and global MRI brain structural measures (r range .008 to .269, p < .05). Regions implicated by vertex-wise regional cortical volume included a widespread number of medial and lateral areas of the frontal, temporal and parietal lobes. However, at both global and regional level, much of the domain-MRI associations were shared (statistically accounted for by g). Removing g-related variance from cognitive domains attenuated association magnitudes with global brain MRI measures by 27.9–59.7% (M = 46.2%), with only processing speed retaining all significant associations. At the regional cortical level, g appeared to account for the majority (range 22.1–88.4%; M = 52.8% across cognitive domains) of regional domain-specific associations. Crystallised and memory domains had almost no unique cortical correlates, whereas processing speed and visuospatial ability retained limited cortical volumetric associations. The greatest spatial overlaps across cognitive domains (as denoted by g) were present in the medial and lateral temporal, lateral parietal and lateral frontal areas.

Using raw structural and diffusion brain MRI data from the UK Biobank (UKB; N = 3,155, ages 45-75 years) and the Lothian Birth Cohort 1936 (LBC1936; N = 534, all age 73 years), we examine aging of regional grey matter volumes (nodes) and white matter structural connectivity (edges) within networks-of-interest in the human brain connectome. In UKB, the magnitude of age-differences in individual node volumes and edge weights corresponds closely with their loadings on their respective principal components of connectome-wide integrity (| r nodes| = 0.459; | r edges| = 0.595). In LBC1936, connectome-wide and subnetwork-specific composite indices of node integrity were predictive of processing speed, visuospatial ability, and memory, whereas composite indices of edge integrity were associated specifically with processing speed. Childhood IQ was associated with greater node integrity at age 73. However, node and edge integrity remained associated with age 73 cognitive function after controlling for childhood IQ. Adult connectome integrity is therefore both a marker of early-life cognitive function and a substrate of late-life cognitive aging.

Different brain regions can be grouped together, based on cross-sectional correlations among their cortical characteristics; this patterning has been used to make inferences about ageing processes. However, cross-sectional brain data conflates information on ageing with patterns that are present throughout life. We characterised brain cortical ageing across the 8th decade of life in a longitudinal ageing cohort, at ages ∼73, ∼76, and ∼79 years, with a total of 1,376 MRI scans. Volumetric changes among cortical regions of interest (ROIs) were more strongly correlated (average r = 0.805, SD = 0.252) than were cross-sectional volumes of the same ROIs (average r = 0.350, SD = 0.178). We identified a broad, cortex-wide, dimension of atrophy that explained 66% of the variance in longitudinal changes across the cortex. Our modelling also discovered more specific fronto-temporal and occipito-parietal dimensions, that were orthogonal to the general factor and together explained an additional 20% of the variance. The general factor was associated with declines in general cognitive ability ( r = 0.431, p < 0.001) and in the domains of visuospatial ability ( r = 0.415, p = 0.002), processing speed ( r = 0.383, p < 0.001) and memory ( r = 0.372, p < 0.001). Individual differences in brain cortical atrophy with ageing are manifest across three broad dimensions of the cerebral cortex, the most general of which is linked with declines in both processing speed and memory. Longitudinal approaches will prove invaluable for distinguishing lifelong patterns of brain-behaviour associations from patterns that are specific to aging.

Schizophrenia is a highly heritable disorder with considerable phenotypic heterogeneity. Hallmark psychotic symptoms can be considered as existing on a continuum from non-clinical to clinical populations. Assessing genetic risk and psychotic-like experiences (PLEs) in non-clinical populations and their associated neurobiological underpinnings can offer valuable insights into symptom-associated brain mechanisms without the potential confounds of the effects of schizophrenia and its treatment. We leveraged a large population-based cohort (UKBiobank) including information on PLEs, polygenic risk scores for schizophrenia (PRSSZ) and multi-modal brain imaging in combination with network neuroscience. Morphometric (cortical thickness, volume) and water diffusion (fractional anisotropy) properties of the regions and pathways belonging to the salience, default-mode and central-executive networks were computed. We hypothesized that these anatomical concomitants of functional dysconnectivity would be negatively associated with PRSSZ and PLEs. PRSSZ was significantly associated with a latent measure of cortical thickness across the salience network (r = −0.069, p = 0.010) and PLEs showed a number of significant associations with properties of the salience and default mode networks (involving the insular cortex, supramarginal gyrus and pars orbitalis, pFDR < 0.050); with the cortical thickness of the insula largely mediating the relationship between PRSSZ and auditory hallucinations. These results are consistent with the hypothesis that higher genetic liability for schizophrenia is related to subtle disruptions in brain structure and predisposes to PLEs even among healthy participants. In addition, our study suggests that networks engaged during auditory hallucinations show structural associations with PLEs in the general population.

Gene expression varies across the brain. This spatial patterning denotes specialised support for particular brain functions. However, the way that a given gene9s expression fluctuates across the brain may be governed by general rules that apply to many other genes, too. Quantifying those patterns of spatial covariation would offer insights into the molecular characteristics of brain areas supporting, for example, complex cognitive functions. Here, we use principal component analysis to separate general and unique gene regulatory associations with cortical substrates of cognition. We find that the region-to-region variation in cortical expression profiles of 8235 genes covaries across two major principal components : gene ontology analysis suggests these dimensions are characterised by downregulation and upregulation of cell-signalling/modification and transcription factors. We validate these patterns out-of-sample and across different data processing choices. Brain regions more strongly implicated in general cognitive functioning (g; 3 cohorts, total meta-analytic N = 39,519) tend to be more balanced between downregulation and upregulation of both major components (indicated by regional component scores). We then identify a further 41 genes as candidate cortical spatial correlates of g, beyond the patterning of the two major components (absolute standardized beta range = 0.15 to 0.53). Many of the genes have been previously associated with clinical neurodegenerative and psychiatric disorders, or with other health-related phenotypes. The results provide insights into the cortical organisation of gene expression and its association with individual differences in cognitive functioning.

Aims: Several factors are known to increase risk for cerebrovascular disease and dementia, but there is limited evidence on associations between multiple vascular risk factors (VRFs) and detailed aspects of brain macro- and microstructure in large community-dwelling populations across middle- and older age. Methods and Results: Associations between VRFs (smoking, hypertension, pulse pressure, diabetes, hypercholersterolaemia, BMI, and waist-hip ratio) and both global and regional brain structural and diffusion MRI markers were examined in UK Biobank (N = 9722, age range 44-77 years). A larger number of VRFs was associated with greater brain atrophy, lower grey matter volume, and poorer white matter health. Effect sizes were small (brain structural R2 ≤ 1.8%). Higher aggregate vascular risk was related to multiple regional MRI hallmarks associated with dementia risk: lower frontal and temporal cortical volumes, lower subcortical volumes, higher white matter hyperintensity volumes, and poorer white matter microstructure in association and thalamic pathways. Smoking pack years, hypertension and diabetes showed the most consistent associations across all brain measures. Hypercholesterolaemia was not uniquely associated with any MRI marker. Conclusion: Higher levels of VRFs were associated with poorer brain health across grey and white matter macro- and microstructure. Effects are mainly additive, converging upon frontal and temporal cortex, subcortical structures, and specific classes of white matter fibres. Though effect sizes were small, these results emphasise the vulnerability of brain health to vascular factors even in relatively healthy middle and older age, and the potential to partly ameliorate cognitive decline by addressing these malleable risk factors.