The choice of preprocessing pipeline introduces variability in neuroimaging analyses that affects the reproducibility of scientific findings. Features derived from structural and functional MR imaging data are sensitive to the algorithmic or parametric differences of preprocessing tasks, such as image normalization, registration, and segmentation to name a few. Therefore it is critical to understand and potentially mitigate the cumulative biases of pipelines in order to distinguish biological effects from methodological variance. Here we use an open structural MR imaging dataset (ABIDE), supplemented with the Human Connectome Project (HCP), to highlight the impact of pipeline selection on cortical thickness measures. Specifically, we investigate the effect of 1) software tool (e.g. ANTs, CIVET, FreeSurfer), 2) cortical parcellation (DKT, Destrieux, Glasser), and 3) quality control procedure (manual, automatic). We divide our statistical analyses by 1) method type, i.e. task-free (unsupervised) versus task-driven (supervised), and 2) inference objective, i.e. neurobiological group differences versus individual prediction. Results show that software, parcellation, and quality control significantly impact task-driven neurobiological inference. Additionally, software selection strongly impacts neurobiological and individual task-free analyses, and quality control alters the performance for the individual-centric prediction tasks. This comparative performance evaluation partially explains the source of inconsistencies in neuroimaging findings. Furthermore, it underscores the need for more rigorous scientific workflows and accessible informatics resources to replicate and compare preprocessing pipelines to address the compounding problem of reproducibility in the age of large-scale, data-driven computational neuroscience.

Abstract Prenatal maternal immune activation (MIA) is a risk factor for neurodevelopmental disorders. How gestational timing of MIA-exposure differentially impacts downstream development remains unclear. Here, we characterize neurodevelopmental trajectories of mice exposed to MIA induced by poly I:C either early (gestational day [GD]9) or late (GD17) in gestation using longitudinal structural magnetic resonance imaging from weaning to adulthood. Early MIA-exposure associated with accelerated brain volume increases in adolescence/early-adulthood that normalized in later adulthood, in regions including the striatum, hippocampus, and cingulate cortex. Similarly, alterations in anxiety, stereotypic, and sensorimotor gating behaviours observed in adolescence normalized in adulthood. In contrast, MIA-exposure in late gestation had less impact on anatomical and behavioural profiles. Using a multivariate technique to relate imaging and behavioural variables for the time of greatest alteration, i.e. adolescence/early adulthood, we demonstrate that variation in anxiety, social, and sensorimotor gating associates significantly with volume of regions including the dorsal and ventral hippocampus, and anterior cingulate cortex. Using RNA sequencing to explore the molecular underpinnings of region-specific alterations in early MIA-exposed mice in adolescence, we observed the most transcriptional changes in the dorsal hippocampus, with regulated genes enriched for fibroblast growth factor regulation, autistic behaviours, inflammatory pathways, and microRNA regulation. This indicates that MIA in early gestation perturbs brain development mechanisms implicated in neurodevelopmental disorders. Our findings demonstrate the inherent strength of an integrated hypothesis- and data-driven approach in linking brain-behavioural alterations to the transcriptome to understand how MIA confers risk for major mental illness.