Abstract An influential hypothesis holds that depression is related to a neural excitation/inhibition imbalance, but its role in the treatment of depression remains unclear. Here, we show that unmedicated patients with severe depression demonstrated reduced inhibition of brain-wide resting-state networks relative to healthy controls. Patients using antidepressants showed inhibition that was higher than unmedicated patients and comparable to controls, but they still suffered from severe depression. Subsequent treatment with electroconvulsive therapy (ECT) reduced depressive symptoms, but its effectiveness did not depend on changes in network inhibition. Concomitant pharmacotherapy increased the effectiveness of ECT, but only when the strength of neural inhibition before ECT was within the normal range and not when inhibition was excessive. These findings suggest that reversing the excitation/inhibition imbalance may not be sufficient nor necessary for the effective treatment of severe depression, and that brain-state informed pharmacotherapy management may enhance the effectiveness of ECT.

Abstract Executive functioning is a higher-order cognitive process that is thought to depend on a brain network organization facilitating network integration across specialized subnetworks. The frontoparietal network (FPN), a subnetwork that has diverse connections to other brain modules, seems pivotal to this integration, and a more central role of regions in the FPN has been related to better executive functioning. Brain networks can be constructed using different modalities: diffusion MRI (dMRI) can be used to reconstruct structural networks, while resting-state fMRI (rsfMRI) and magnetoencephalography (MEG) yield functional networks. These networks are often studied in a unimodal way, which cannot capture potential complementary or synergistic modal information. The multilayer framework is a relatively new approach that allows for the integration of different modalities into one ‘network of networks’. It has already yielded promising results in the field of neuroscience, having been related to e.g. cognitive dysfunction in Alzheimer’s disease. Multilayer analyses thus have the potential to help us better understand the relation between brain network organization and executive functioning. Here, we hypothesized a positive association between centrality of the FPN and executive functioning, and we expected that multimodal multilayer centrality would supersede unilayer centrality in explaining executive functioning. We used dMRI, rsfMRI, MEG, and neuropsychological data obtained from 33 healthy adults (age range 22-70 years) to construct eight modality-specific unilayer networks (dMRI, fMRI, and six MEG frequency bands), as well as a multilayer network comprising all unilayer networks. Interlayer links in the multilayer network were present only between a node’s counterpart across layers. We then computed and averaged eigenvector centrality of the nodes within the FPN for every uni- and multilayer network and used multiple regression models to examine the relation between uni- or multilayer centrality and executive functioning. We found that higher multilayer FPN centrality, but not unilayer FPN centrality, was related to better executive functioning. To further validate multilayer FPN centrality as a relevant measure, we assessed its relation with age. Network organization has been shown to change across the life span, becoming increasingly efficient up to middle age and regressing to a more segregated topology at higher age. Indeed, the relation between age and multilayer centrality followed an inverted-U shape. These results show the importance of FPN integration for executive functioning as well as the value of a multilayer framework in network analyses of the brain. Multilayer network analysis may particularly advance our understanding of the interplay between different brain network aspects in clinical populations, where network alterations differ across modalities. Highlights: Multimodal neuroimaging and neurophysiology data were collected in healthy adults Multilayer frontoparietal centrality was positively associated with executive functioning Unilayer (unimodal) centralities were not associated with executive functioning There was an inverted-U relationship between multilayer centrality and age

Abstract Objective Trauma-focused psychotherapy is the first-line treatment for posttraumatic stress disorder (PTSD) but 30-50% of patients do not benefit sufficiently. We investigated whether structural and resting-state functional magnetic resonance imaging (MRI/rs-fMRI) data could distinguish between treatment responders and non-responders on the group and individual level. Methods Forty-four male veterans with PTSD underwent baseline scanning followed by trauma-focused psychotherapy. Voxel-wise gray matter volumes were extracted from the structural MRI data and resting-state networks (RSNs) were calculated from rs-fMRI data using independent component analysis. Data were used to detect differences between responders and non-responders on the group level using permutation testing, and the single-subject level using Gaussian process classification with cross-validation. Results A RSN centered on the bilateral superior frontal gyrus differed between responders and non-responder groups ( P FWE < 0.05) while a RSN centered on the pre-supplementary motor area distinguished between responders and non-responders on an individual-level with 81.4% accuracy ( P < 0.001, 84.8% sensitivity, 78% specificity and AUC of 0.93). No significant single-subject classification or group differences were observed for gray matter volume. Conclusions This proof-of-concept study demonstrates the feasibility of using rs-fMRI to develop neuroimaging biomarkers for treatment response, which could enable personalized treatment of patients with PTSD.

Abstract Many mental health problems are neurodevelopmental in nature and have an onset during childhood. Mental health disorders are associated with neural abnormalities, but it is unclear when those emerge and how this relates to the development of different mental health problems. We used data from the largest longitudinal neurodevelopmental study to identify the structural and functional brain changes that co-occur with the onset of six mental health problems. The results showed premorbid brain-wide abnormalities that were comparable between internalizing and different from externalizing problems, and differential neurodevelopmental trajectories for specific brain regions in 11- to 12-year-old adolescents who developed ADHD, conduct, depressive and oppositional defiant problems. These results reveal that the onset of different mental health problems co-occur with common as well as problem-specific brain abnormalities.

Abstract The ability to individually predict disease course of major depressive disorder (MDD) is essential for optimal treatment planning. Here, we use a data-driven machine learning approach to assess the predictive value of different sets of biological data (whole-blood proteomics, lipid-metabolomics, transcriptomics, genetics), both separately and added to clinical baseline variables, for the longitudinal prediction of 2-year MDD chronicity (defined as presence of MDD diagnosis after 2 years) at the individual subject level. Prediction models were trained and cross-validated in a sample of 643 patients with current MDD (2-year chronicity n = 318) and subsequently tested for performance in 161 MDD individuals (2-year chronicity n = 79). Proteomics data showed best unimodal data predictions (AUROC = 0.68). Adding proteomic to clinical data at baseline significantly improved 2-year MDD chronicity predictions (AUROC = 0.63 vs AUROC = 0.78, p = 0.013), while the addition of other -omics data to clinical data did not yield significantly increased model performance. SHAP and enrichment analysis revealed proteomic analytes involved in inflammatory response and lipid metabolism, with fibrinogen levels showing the highest variable importance, followed by symptom severity. Machine learning models outperformed psychiatrists’ ability to predict two-year chronicity (balanced accuracy = 71% vs 55%). This study showed the added predictive value of combining proteomic, but not other -omic data, with clinical data. Adding other -omic data to proteomics did not further improve predictions. Our results reveal a novel multimodal signature of MDD chronicity that shows clinical potential for individual MDD disease course predictions from baseline measurements.

Abstract Hypersensitivity, stereotyped behaviors and attentional problems in autism spectrum disorder (ASD) are compatible with inefficient filtering of undesired or irrelevant sensory information at early stages of neural processing. This could stem from delays in the neurotypical development of the functional segregation between cortical and subcortical brain processes, as suggested by previous findings of overconnectivity between primary sensory regions and deep brain nuclei in ASD. To test this hypothesis, we used dynamic causal modelling to quantify the effect of age on the development of (1) cortical functional segregation from subcortical activity and (2) directional influence of subcortical activity on cortical processing in 166 participants with ASD and 193 typically developing controls (TD) from the Autism Brain Imaging Data Exchange (ABIDE). We found that in TD participants age was significantly associated with increased functional segregation of cortical sensory processing from subcortical activity, paralleled by a decreased influence of subcortical activity on cortical processing. Instead these effects were highly reduced and mostly absent in ASD participants, suggesting a delayed or arrested development of the segregation between subcortical and cortical sensory processing in ASD. This atypical configuration of subcortico-cortical connectivity in ASD can result in an excessive amount of unprocessed sensory information relayed to the cortex, which is likely to impact cognitive functioning in everyday situations where it is beneficial to limit the influence of basic sensory information on cognitive processing, such as activities requiring focused attention or social interactions.

Objective: Attention-deficit/hyperactivity disorder (ADHD), autism spectrum disorder (ASD), and obsessive-compulsive disorder (OCD) are common neurodevelopmental disorders that frequently co-occur. We aimed to directly compare all three disorders. The ENIGMA consortium is ideally positioned to investigate structural brain alterations across these disorders. Methods: Structural T1-weighted whole-brain MRI of controls (n=5,827) and patients with ADHD (n=2,271), ASD (n=1,777), and OCD (n=2,323) from 151 cohorts worldwide were analyzed using standardized processing protocols. We examined subcortical volume, cortical thickness and surface area differences within a mega-analytical framework, pooling measures extracted from each cohort. Analyses were performed separately for children, adolescents, and adults using linear mixed-effects models adjusting for age, sex and site (and ICV for subcortical and surface area measures). Results: We found no shared alterations among all three disorders, while shared alterations between any two disorders did not survive multiple comparisons correction. Children with ADHD compared to those with OCD had smaller hippocampal volumes, possibly influenced by IQ. Children and adolescents with ADHD also had smaller ICV than controls and those with OCD or ASD. Adults with ASD showed thicker frontal cortices compared to adult controls and other clinical groups. No OCD-specific alterations across different age-groups and surface area alterations among all disorders in childhood and adulthood were observed. Conclusion: Our findings suggest robust but subtle alterations across different age-groups among ADHD, ASD, and OCD. ADHD-specific ICV and hippocampal alterations in children and adolescents, and ASD-specific cortical thickness alterations in the frontal cortex in adults support previous work emphasizing neurodevelopmental alterations in these disorders.