Abstract The human brain shows higher variability in functional connectivity in the heteromodal association cortex but lower variability in the unimodal cortex. As the anatomical substrate of functional connectivity, the temporal-spatial pattern of individual variability in structural connectivity remains largely unknown. In the present study, we depicted the temporal-spatial pattern of individual variability in structural connectivity, which is highest in the limbic regions and lowest in the unimodal sensorimotor regions. With increasing age, the variability in structural connectivity increased. Our results demonstrated that this specific spatial distribution relates to the plasticity of synapses and white matter. We proposed a modified ridge regression model to predict cognition individually and generate idiographic brain mapping. Individual variability in structural connectivity is significantly correlated with idiographic brain mapping. Overall, our study has potential implications for understanding biological and genetic mechanisms of variability in structural connectivity, guiding interventions to promote successful cognitive ageing and interpreting statistical maps in the human connectome.

Brain structural circuitry shapes a richly patterned functional synchronization, supporting for complex cognitive and behavioural abilities. However, how coupling of structural connectome (SC) and functional connectome (FC) develops and its relationships with cognitive functions and transcriptomic architecture remain unclear. We used multimodal magnetic resonance imaging data from 439 participants aged 5.67 to 21.92 years to predict functional connectivity by incorporating intracortical and extracortical structural connectivity, characterizing SC-FC coupling. Our findings revealed that SC-FC coupling was strongest in the visual and somatomotor networks, consistent with evolutionary expansion, myelin content, and functional principal gradient. As development progressed, SC-FC coupling exhibited heterogeneous alterations dominated by an increase in cortical regions, broadly distributed across the somatomotor, frontoparietal, dorsal attention, and default mode networks. Moreover, we discovered that SC-FC coupling significantly predicted individual variability in general intelligence, mainly influencing frontoparietal and default mode networks. Finally, our results demonstrated that the heterogeneous development of SC-FC coupling is positively associated with genes in oligodendrocyte-related pathways and negatively associated with astrocyte-related genes. This study offers insight into the maturational principles of SC-FC coupling in typical development and developmental disorders.

Eukaryotic gene transcription is regulated by a large cohort of chromatin associated proteins, and inferring their differential binding sites between cellular contexts requires a rigorous comparison of the corresponding ChIP-seq data. We present MAnorm2, a new computational tool for quantitatively comparing groups of ChIP-seq samples. MAnorm2 uses a hierarchical strategy to normalize ChIP-seq data and then performs differential analysis by assessing within-group variability of ChIP-seq signals under an empirical Bayes framework. In this framework, MAnorm2 considers the abundance of differential ChIP-seq signals between groups of samples and the possibility of different within-group variability between groups. When samples in each group are biological replicates, MAnorm2 can reliably identify differential binding events even between highly similar cellular contexts. Using a number of real ChIP-seq data sets, we observed that MAnorm2 clearly outperformed existing tools for differential ChIP-seq analysis, with the improvement in performance being most dramatic when the groups of samples being compared had distinct global within-group variability.