The protracted development of structural and functional brain connectivity within distributed association networks coincides with improvements in higher-order cognitive processes such as executive function. However, it remains unclear how white-matter architecture develops during youth to directly support coordinated neural activity. Here, we characterize the development of structure–function coupling using diffusion-weighted imaging and n -back functional MRI data in a sample of 727 individuals (ages 8 to 23 y). We found that spatial variability in structure–function coupling aligned with cortical hierarchies of functional specialization and evolutionary expansion. Furthermore, hierarchy-dependent age effects on structure–function coupling localized to transmodal cortex in both cross-sectional data and a subset of participants with longitudinal data ( n = 294). Moreover, structure–function coupling in rostrolateral prefrontal cortex was associated with executive performance and partially mediated age-related improvements in executive function. Together, these findings delineate a critical dimension of adolescent brain development, whereby the coupling between structural and functional connectivity remodels to support functional specialization and cognition.

Neurobiological abnormalities associated with psychiatric disorders do not map well to existing diagnostic categories. High co-morbidity suggests dimensional circuit-level abnormalities that cross diagnoses. Here we seek to identify brain-based dimensions of psychopathology using sparse canonical correlation analysis in a sample of 663 youths. This analysis reveals correlated patterns of functional connectivity and psychiatric symptoms. We find that four dimensions of psychopathology - mood, psychosis, fear, and externalizing behavior - are associated (r = 0.68-0.71) with distinct patterns of connectivity. Loss of network segregation between the default mode network and executive networks emerges as a common feature across all dimensions. Connectivity linked to mood and psychosis becomes more prominent with development, and sex differences are present for connectivity related to mood and fear. Critically, findings largely replicate in an independent dataset (n = 336). These results delineate connectivity-guided dimensions of psychopathology that cross clinical diagnostic categories, which could serve as a foundation for developing network-based biomarkers in psychiatry.

ABSTRACT OBJECTIVE Depression is a common psychiatric illness that often begins in youth, and is associated with cognitive symptoms. However, there is significant variability in the cognitive burden, likely reflecting biological heterogeneity. This study sought to identify neurocognitive subtypes in a large sample of depressed youth, and evaluated the neural signatures of these subtypes. METHODS Participants were drawn from the Philadelphia Neurodevelopmental Cohort, including 712 youth with a lifetime history of a major depressive episode and 712 typically developing (TD) youth matched on age and sex. A subset (n=368, TD=200) also completed neuroimaging. Cognition was assessed with the Penn Computerized Neurocognitive Battery. A semi-supervised machine-learning algorithm, HYDRA (Heterogeneity through Discriminative Analysis), was used to delineate neurocognitive subtypes. Subtypes were evaluated for differences in both clinical psychopathology and brain activation during an n -back working memory fMRI task. RESULTS HYDRA identified three neurocognitive subtypes in the depressed group. Overall, Subtype 1 had better performance than TD comparators across many cognitive tasks (high accuracy, moderate speed), Subtype 2 was cognitively impaired (low accuracy, slow speed), whereas Subtype 3 was impulsive (low accuracy, fast speed). While subtypes did not differ in clinical psychopathology, they diverged in their activation profiles in regions critical for executive function, which mirrored differences in cognition. CONCLUSIONS Using a data-driven approach, three neurocognitive subtypes of depression were identified that differed in neural signatures despite similar clinical psychopathology. These data suggest disparate mechanisms of cognitive vulnerability and resilience in depression, which may inform the identification of biomarkers for prognosis and treatment response.

ABSTRACT To support brain development during youth, the brain must balance energy delivery and consumption. Previous studies in adults have demonstrated high coupling between cerebral blood flow and brain function as measured using functional neuroimaging, but how this relationship evolves over adolescence is unknown. To address this gap, we studied a sample of 831 children and adolescents (478 females, ages 8-22) from the Philadelphia Neurodevelopmental Cohort who were scanned at 3T with both arterial spin labeled (ASL) MRI and resting-state functional MRI (fMRI). Local coupling between cerebral blood flow (CBF, from ASL) and the amplitude of low frequency fluctuations (ALFF, from fMRI) was first quantified using locally weighted regressions on the cortical surface. We then used generalized additive models to evaluate how CBF-ALFF coupling was associated with age, sex, and executive function. Enrichment of effects within canonical functional networks was evaluated using spin-based permutation tests. Our analyses revealed tight CBF-ALFF coupling across the brain. Whole-brain CBF-ALFF coupling decreased with age, largely driven by coupling decreases in the inferior frontal cortex, precuneus, visual cortex, and temporoparietal cortex ( p fdr <0.05). Females had stronger coupling in the frontoparietal network than males ( p fdr <0.05). Better executive function was associated with decreased coupling in the somatomotor network ( p fdr <0.05). Overall, we found that CBF-ALFF coupling evolves in development, differs by sex, and is associated with individual differences in executive function. Future studies will investigate relationships between maturational changes in CBF-ALFF coupling and the presence of psychiatric symptoms in youth. SIGNIFICANCE The functions of the human brain are metabolically expensive and reliant on coupling between cerebral blood flow and neural activity. Previous neuroimaging studies in adults demonstrate tight physiology-function coupling, but how this coupling evolves over development is unknown. Here, we examine the relationship between blood flow as measured by arterial spin labeling and the amplitude of low frequency fluctuations from resting-state magnetic resonance imaging across a large sample of youth. We demonstrate regionally specific changes in coupling over age and show that variations in coupling are related to biological sex and executive function. Our results highlight the importance of CBF-ALFF coupling throughout development; we discuss its potential as a future target for the study of neuropsychiatric diseases.

ABSTRACT Precisely how the anatomical structure of the brain supports a wide range of complex functions remains a question of marked importance in both basic and clinical neuroscience. Progress has been hampered by the lack of theoretical frameworks explaining how a structural network of relatively rigid inter-areal connections can produce a diverse repertoire of functional neural dynamics. Here, we address this gap by positing that the brain’s structural network architecture determines the set of accessible functional connectivity patterns according to predictions of network control theory. In a large developmental cohort of 823 youths aged 8 to 23 years, we found that the flexibility of a brain region’s functional connectivity was positively correlated with the proportion of its structural links extending to different cognitive systems. Notably, this relationship was mediated by nodes’ boundary controllability, suggesting that a region’s strategic location on the boundaries of modules may underpin the capacity to integrate information across different cognitive processes. Broadly, our study provides a mechanistic framework that illustrates how temporal flexibility observed in functional networks may be mediated by the controllability of the underlying structural connectivity. AUTHOR SUMMARY Precisely how the relatively rigid white matter wiring of the human brain gives rise to a diverse repertoire of functional neural dynamics is not well understood. In this work, we combined tools from network science and control theory to address this question. Capitalizing on a large developmental cohort, we demonstrated that the ability of a brain region to flexibly change its functional module allegiance over time (i.e., its modular flexibility), was positively correlated with its proportion of anatomical edges projecting to multiple cognitive networks (i.e., its structural participation coefficient). Moreover, this relationship was strongly mediated by the region’s boundary controllability, a metric capturing its capacity to integrate information across multiple cognitive domains.

ABSTRACT Mapping individual differences in behavior is fundamental to personalized neuroscience. Here, we establish that statistical patterns of smartphone-based mobility features represent unique “footprints” that allow individual identification. Critically, mobility footprints exhibit varying levels of person-specific distinctiveness and are associated with individual differences in affective instability, circadian irregularity, and brain functional connectivity. Together, this work suggests that real-world mobility patterns may provide an individual-specific signature linking brain, behavior, and mood.

Neurobiological abnormalities associated with psychiatric disorders do not map well to existing diagnostic categories. High co-morbidity and overlapping symptom domains suggest dimensional circuit-level abnormalities that cut across clinical diagnoses. Here we sought to identify brain-based dimensions of psychopathology using multivariate sparse canonical correlation analysis (sCCA) in a sample of 663 youths imaged as part of the Philadelphia Neurodevelopmental Cohort. This analysis revealed highly correlated patterns of functional connectivity and psychiatric symptoms. We found that four dimensions of psychopathology -- mood, psychosis, fear, and externalizing behavior -- were highly associated (r=0.68-0.71) with distinct patterns of functional dysconnectivity. Loss of network segregation between the default mode network and executive networks (e.g. fronto-parietal and salience) emerged as a common feature across all dimensions. Connectivity patterns linked to mood and psychosis became more prominent with development, and significant sex differences were present for connectivity patterns related to mood and fear. Critically, findings replicated in an independent dataset (n=336). These results delineate connectivity-guided dimensions of psychopathology that cut across traditional diagnostic categories, which could serve as a foundation for developing network-based biomarkers in psychiatry.

Complex brain networks are increasingly characterized at different scales, including global summary statistics, community connectivity, and individual edges. While research relating brain networks to demographic and behavioral measurements has yielded many insights into brain-phenotype relationships, common analytical approaches only consider network information at a single scale, thus failing to incorporate rich information present at other scales. Here, we designed, implemented, and deployed Multi-Scale Network Regression (MSNR), a penalized multivariate approach for modeling brain networks that explicitly respects both edge- and community-level information by assuming a low rank and sparse structure, both encouraging less complex and more interpretable modeling. Capitalizing on a large neuroimaging cohort (n=1,051), we demonstrate that MSNR recapitulates interpretable and statistically significant association between functional connectivity patterns with brain development, sex differences, and motion-related artifacts. Notably, compared to single-scale methods, MSNR achieves a balance between prediction performance and model complexity, with improved interpretability. Together, by jointly exploiting both edge- and community-level information, MSNR has the potential to yield novel insights into brain-behavior relationships.

The spatial distribution of large-scale functional networks on the anatomic cortex differs between individuals, and is particularly variable in networks responsible for executive function. However, it remains unknown how this functional topography evolves in development and supports cognition. Capitalizing upon advances in machine learning and a large sample of youth (n=693, ages 8-23y) imaged with 27 minutes of high-quality fMRI data, we delineate how functional topography evolves during youth. We found that the functional topography of association networks is refined with age, allowing accurate prediction of an unseen individual's brain maturity. Furthermore, the cortical representation of executive networks predicts individual differences in executive function. Finally, variability of functional topography is associated with fundamental properties of brain organization including evolutionary expansion, cortical myelination, and cerebral blood flow. Our results emphasize the importance of considering both the plasticity and diversity of functional neuroanatomy during development, and suggest advances in personalized therapeutics.

The protracted development of structural and functional brain connectivity within distributed association networks coincides with improvements in higher-order cognitive processes such as working memory. However, it remains unclear how white matter architecture develops during youth to directly support coordinated neural activity. Here, we characterize the development of structure-function coupling using diffusion-weighted imaging and n-back fMRI data in a sample of 727 individuals (ages 8-23 years). We found that spatial variability in structure-function coupling aligned with cortical hierarchies of functional specialization and evolutionary expansion. Furthermore, hierarchy-dependent age effects on structure-function coupling localized to transmodal cortex in both cross-sectional data and a subset of participants with longitudinal data (n=294). Moreover, structure-function coupling in rostrolateral prefrontal cortex was associated with executive performance, and partially mediated age-related improvements in executive function. Together, these findings delineate a critical dimension of adolescent brain development, whereby the coupling between structural and functional connectivity remodels to support functional specialization and cognition.