Abstract Background Accurate quantification of in vivo proton magnetic resonance spectra involves modeling with a linear combination of known metabolite basis functions. Basis sets can be generated by numerical simulation using the quantum mechanical density-matrix formalism. Accurate simulations for a basis set require correct sequence timings, and pulse shapes and durations. Purpose To present a cloud-based spectral simulation tool ‘MRSCloud’. It allows community users of MRS to simulate a vendor- and sequence-specific basis set online in a convenient and timeefficient manner. This tool can simulate basis sets for 3 major MR scanner vendors (GE, Philips, Siemens), including conventional acquisitions and spectral editing schemes (MEGA, HERMES, HERCULES) with PRESS and semi-LASER localization. Study Type Prospective. Specimen N/A Field Strength/Sequence Simulations of 3T basis sets for conventional and spectral-editing sequences (MEGA, HERMES, HERCULES) with PRESS and sLASER localizations. Assessment Simulated metabolite basis functions generated by MRSCloud are compared to those generated by FID-A and MARSS, and a phantom-acquired basis-set from LCModel. Statistical Tests Intraclass correlation coefficients (ICC) were calculated to measure the agreement between individual metabolite basis functions generated using different packages. Statistical analysis was performed using R in RStudio. Results Simulation time for a full basis set is approximately 1 hour. ICCs between MRSCloud and FID-A were at least 0.98 and ICCs between MRSCloud and MARSS were at least 0.96. ICCs between simulated MRSCloud basis spectra and acquired LCModel basis spectra were lowest for Gln at 0.68 and highest for NAA at 0.96. Data Conclusion Substantial reductions in runtime have been achieved by implementing the 1D projection method, coherence-order filtering, and pre-calculation of propagators. High ICC values indicated that the accelerating features are running correctly and produce comparable and accurate basis sets. The generated basis set has been successfully used with LCModel.

Abstract Sensorimotor information processing that underlies normal cognitive and behavioral traits is dysregulated across a subset of neurological and psychiatric disorders. The cross-disease deficit in sensorimotor gating poses a unique opportunity to integrate hierarchical findings at molecular, cellular, through circuitry levels to obtain an in-depth mechanistic understanding of this process that contributes to brain physiology and pathophysiology beyond categorical segmentation of brain disorders. Based on circuitry recording with wild-type mice, we demonstrated that the cortico-striatal projection mediates sensorimotor gating responses during prepulse inhibition (PPI) task. We also found that these circuitry responses were disrupted in Disc1 locus-impairment (LI) mice, a model representing neuropsychiatric conditions. Thus, we hypothesized that Disc1-mediated molecular and cellular machinery along the cortico-striatal circuit may regulate sensorimotor gating. Anatomical and biochemical analyses of Disc1- LI mice revealed attenuated Bdnf transport along the cortico-striatal circuit. Pharmacologically augmenting Bdnf transport by chronic lithium administration, in part via Ser-421 phosphorylation of Huntingtin (Htt) and its integration into the motor machinery, restored the striatal Bdnf levels and PPI deficits in Disc1 -LI mice, suggesting that the Bdnf transport attenuation mechanistically underlies the circuitry and behavioral deficits. These results also shed light on a novel mechanism and utility of lithium that is currently used as a major mood stabilizer in clinical settings. Collectively, the present study illustrates integrative biological mechanisms for sensorimotor gating, underscoring the cross-disease nature of this behavioral dimension and translational utility of the findings under the era of precision medicine in brain disorders.

Abstract A comparison of neuroanatomical features of the brain between humans and our evolutionary relatives, nonhuman primates, is key to understanding the human brain system and the neural basis of mental and neurological disorders. Although most comparative MRI studies of human and nonhuman primate brains have been based on brains of primates that had been used as subjects in experiments, it is essential to investigate various species of nonhuman primates in order to elucidate and interpret the diversity of neuroanatomy features among humans and nonhuman primates. To develop a research platform for this purpose, it is necessary to harmonize the scientific contributions of studies with the standards of animal ethics, animal welfare, and the conservation of brain information for long-term continuation of the field. In previous research, we first developed an open-resource repository of anatomical images obtained using 9.4-T ex vivo MRI of postmortem brain samples from 12 nonhuman primate species, and which are stored at the Japan Monkey Centre. In the present study, as a second phase, we released a collection of T2-weighted images and diffusion tensor images obtained in nine species: white-throated capuchin, Bolivian squirrel monkey, stump-tailed macaque, Tibet monkey, Sykes’ monkey, Assamese macaque, pig-tailed macaque, crested macaque, and chimpanzee. Our image repository should facilitate scientific discoveries in the field of comparative neuroscience. This repository can also promote animal ethics and animal welfare in experiments with nonhuman primate models by optimizing methods for in vivo and ex vivo MRI scanning of brains and supporting veterinary neuroradiological education. In addition, the repository is expected to contribute to conservation, preserving information about the brains of various primates, including endangered species, in a permanent digital form.

Abstract Previous research has emphasized the unique impact of Alzheimer’s Disease (AD) pathology on the medial temporal lobe (MTL), a reflection that tau pathology is particularly striking in the entorhinal and transentorhinal cortex (ERC, TEC) early in the course of disease. However, other brain regions are affected by AD pathology during its early phases. Here, we use longitudinal diffeomorphometry to measure the atrophy rate from MRI of the amygdala compared with that in the ERC and TEC in controls, individuals who progressed from normal cognition to mild cognitive impairment (MCI), and individuals with MCI who progressed to AD dementia, using a dataset from the Alzheimer’s Disease Neuroimaging Initiative (ADNI). Our results show significantly higher atrophy rates of the amygdala in both preclinical and MCI ‘converters’ compared to controls, with rates of volume loss comparable to rates of thickness loss in the ERC and TEC. Using our recently developed method, referred to as Projective LDDMM, we map measures of neurofibrillary tau tangles (NFTs) from digital pathology to MRI atlases and reconstruct, for the first time, dense 3D spatial distributions of NFT density within regions of the MTL. The distribution of NFTs is consistent with the MR atrophy rates, revealing high densities not only in ERC, but in the amygdala and rostral third of the MTL. The similarity of the location of NFTs and shape changes in a well-defined clinical population suggests that amygdalar atrophy rate, as measured through MRI may be a viable biomarker for AD. PACS 0000, 1111 2000 MSC 0000, 1111 Highlights Amygdala atrophy rate estimated from MRIs in preclinical Alzheimer’s disease (AD) 3D distributions of neurofibrillary tau tangles (NFTs) reconstructed from 2D histology NFTs highest in the rostral medial temporal lobe, including amygdala and ERC Amygdala atrophy rate is comparable to ERC atrophy rate in preclinical AD Amygdala and ERC atrophy rates as potential biomarkers rooted in NFT pathology

Abstract Since Braak’s initial histological observations, it has been recognized that Alzheimer’s disease (AD) neurofibrillary tangles (NFTs) appear in the medial temporal lobe (MTL) of the brain very early in the disease course. MRI-based shape diffeomorphometry markers have demonstrated pre-clinical AD changes in the MTL but it has not been possible to confirm that these MRI changes correspond to the presence of NFTs. Here, we present a method termed Projective LDDMM for aligning sparse measurement profiles of AD pathology (i.e., 2D digital histology images) with 3D MRI. We reconstruct measures of 2D NFT density in the dense metric of 3D MRI, using the Mai Paxinos Atlas coordinates for two cases of advanced AD. Analyses reveal the highest levels of NFT density in the rostral third (10-15 mm) of the hippocampus and the adjoining regions of the entorhinal cortex and amygdala. These findings emphasize the selective vulnerability of MTL subregions in AD, and suggest that high resolution MRI methods might benefit from focusing on the rostral MTL to more closely link these MRI images to AD neuropathology.

Abstract Here we report the generation and characterization of a novel Huntington’s disease (HD) mouse model BAC226Q by using a bacterial artificial chromosome (BAC) system, expressing full-length human HTT with ∼226 CAG-CAA repeats and containing endogenous human HTT promoter and regulatory elements. BAC226Q recapitulated a full-spectrum of age-dependent and progressive HD-like phenotypes without unwanted and erroneous phenotypes. BAC226Q mice developed normally, and gradually exhibited HD-like mood and cognitive phenotypes at 2 months. From 3-4 months, BAC226Q mice showed robust progressive motor deficits. At 11 months, BAC226Q mice showed significant reduced life span, gradual weight loss and exhibit neuropathology including significant brain atrophy specific to striatum and cortex, striatal neuronal death, widespread huntingtin inclusions and reactive pathology. Therefore, the novel BAC226Q mouse accurately recapitulating robust, age-dependent, progressive HD-like phenotypes will be a valuable tool for studying disease mechanisms, identifying biomarkers and testing gene-targeting therapeutic approaches for HD.

Although the relationship between schizophrenia spectrum disorder (SSD) and autism spectrum disorder (ASD) has long been debated, it has not yet been fully elucidated. To address this issue, we took advantage of dual (ASD and SSD) classifiers that discriminate patients from their controls based on resting state brain functional connectivity. An SSD classifier using sophisticated machine-learning algorithms that automatically selected SSD-specific functional connections was applied to Japanese datasets including adult patients with SSD in a chronic stage. We demonstrated good performance of the SSD classification for independent validation cohorts. The generalizability was tested by USA and European cohorts in a chronic stage, and one USA cohort including first episode schizophrenia. The specificity was tested by two adult Japanese cohorts of ASD and major depressive disorder, and one European cohort of attention-deficit hyperactivity disorder. The weighted linear summation of the functional connections of the classifier constituted the biological dimensions representing neural liability to the disorders. Our previously developed robust ASD classifier constituted the ASD dimension. Distributions of individuals with SSD, ASD and healthy controls were examined on the SSD and ASD biological dimensions. The SSD and ASD populations exhibited overlapping but asymmetrical patterns on the two biological dimensions. That is, the SSD population showed increased liability on the ASD dimension, but not vice versa. Furthermore, the two dimensions were correlated within the ASD population but not the SSD population. Using the two biological dimensions based on resting-state functional connectivity enabled us to quantify and visualize the relationships between SSD and ASD.

This paper examines the problem of diffeomorphic image mapping in the presence of differing image intensity profiles and missing data. Our motivation comes from the problem of aligning 3D brain MRI with 100 micron isotropic resolution, to histology sections with 1 micron in plane resolution. Multiple stains, as well as damaged, folded, or missing tissue are common in this situation. We overcome these challenges by introducing two new concepts. Cross modality image matching is achieved by jointly estimating polynomial transformations of the atlas intensity, together with pose and deformation parameters. Missing data is accommodated via a multiple atlas selection procedure where several atlases may be of homogeneous intensity and correspond to ''background'' or ''artifact''. The two concepts are combined within an Expectation Maximization algorithm, where atlas selection posteriors and deformation parameters are updated iteratively, and polynomial coefficients are computed in closed form. We show results for 3D reconstruction of digital pathology and MRI in standard atlas coordinates. In conjunction with convolutional neural networks, we quantify the 3D density distribution of tauopathy throughout the medial temporal lobe of an Alzheimer's disease postmortem specimen.