Several recent reports in large, independent samples have demonstrated the influence of motion artifact on resting-state functional connectivity MRI (rsfc-MRI). Standard rsfc-MRI preprocessing typically includes regression of confounding signals and band-pass filtering. However, substantial heterogeneity exists in how these techniques are implemented across studies, and no prior study has examined the effect of differing approaches for the control of motion-induced artifacts. To better understand how in-scanner head motion affects rsfc-MRI data, we describe the spatial, temporal, and spectral characteristics of motion artifacts in a sample of 348 adolescents. Analyses utilize a novel approach for describing head motion on a voxelwise basis. Next, we systematically evaluate the efficacy of a range of confound regression and filtering techniques for the control of motion-induced artifacts. Results reveal that the effectiveness of preprocessing procedures on the control of motion is heterogeneous, and that improved preprocessing provides a substantial benefit beyond typical procedures. These results demonstrate that the effect of motion on rsfc-MRI can be substantially attenuated through improved preprocessing procedures, but not completely removed.

Schizophrenia has a heritability of 60–80%1, much of which is attributable to common risk alleles. Here, in a two-stage genome-wide association study of up to 76,755 individuals with schizophrenia and 243,649 control individuals, we report common variant associations at 287 distinct genomic loci. Associations were concentrated in genes that are expressed in excitatory and inhibitory neurons of the central nervous system, but not in other tissues or cell types. Using fine-mapping and functional genomic data, we identify 120 genes (106 protein-coding) that are likely to underpin associations at some of these loci, including 16 genes with credible causal non-synonymous or untranslated region variation. We also implicate fundamental processes related to neuronal function, including synaptic organization, differentiation and transmission. Fine-mapped candidates were enriched for genes associated with rare disruptive coding variants in people with schizophrenia, including the glutamate receptor subunit GRIN2A and transcription factor SP4, and were also enriched for genes implicated by such variants in neurodevelopmental disorders. We identify biological processes relevant to schizophrenia pathophysiology; show convergence of common and rare variant associations in schizophrenia and neurodevelopmental disorders; and provide a resource of prioritized genes and variants to advance mechanistic studies. A genome-wide association study including over 76,000 individuals with schizophrenia and over 243,000 control individuals identifies common variant associations at 287 genomic loci, and further fine-mapping analyses highlight the importance of genes involved in synaptic processes.

Genes disrupted in schizophrenia may be revealed by de novo mutations in affected persons from otherwise healthy families. Furthermore, during normal brain development, genes are expressed in patterns specific to developmental stage and neuroanatomical structure. We identified de novo mutations in persons with schizophrenia and then mapped the responsible genes onto transcriptome profiles of normal human brain tissues from age 13 weeks gestation to adulthood. In the dorsolateral and ventrolateral prefrontal cortex during fetal development, genes harboring damaging de novo mutations in schizophrenia formed a network significantly enriched for transcriptional coexpression and protein interaction. The 50 genes in the network function in neuronal migration, synaptic transmission, signaling, transcriptional regulation, and transport. These results suggest that disruptions of fetal prefrontal cortical neurogenesis are critical to the pathophysiology of schizophrenia. These results also support the feasibility of integrating genomic and transcriptome analyses to map critical neurodevelopmental processes in time and space in the brain.

There is increased need for efficient computerized methods to collect reliable data on a range of cognitive domains that can be linked to specific brain systems. Such need arises in functional neuroimaging studies, where individual differences in cognitive performance are variables of interest or serve as confounds. In genetic studies of complex behavior, which require particularly large samples, such trait measures can serve as endophenotypes. Traditional neuropsychological tests, based on clinical pathological correlations, are protracted, require extensive training in administration and scoring, and leave lengthy paper trails (double-entry for analysis). We present a computerized battery that takes an average of 1 h and provides measures of accuracy and speed on 9 neurocognitive domains. They are cognitive neuroscience-based in that they have been linked experimentally to specific brain systems with functional neuroimaging studies. We describe the process of translating tasks used in functional neuroimaging to tests for assessing individual differences. Data are presented on each test with samples ranging from 139 (81 female) to 536 (311 female) of carefully screened healthy individuals ranging in age from 18 to 84. Item consistency was established with acceptable to high Cronbach alpha coefficients. Inter-item correlations were moderate to high within domain and low to nil across domains, indicating construct validity. Initial criterion validity was demonstrated by sensitivity to sex differences and the effects of age, education and parental education. These results encourage the use of this battery in studies needing an efficient assessment of major neurocognitive domains such as multi-site genetic studies and clinical trials.

Examine age group effects and sex differences by applying a comprehensive computerized battery of identical behavioral measures linked to brain systems in youths that were already genotyped. Such information is needed to incorporate behavioral data as neuropsychological "biomarkers" in large-scale genomic studies.

Exploration of the genetic architecture of specific endophenotypes may be a powerful strategy for understanding the genetic basis of schizophrenia.To characterize the genetic architecture of some key endophenotypic measures selected for their reported heritabilities in schizophrenia.Family-based heritability study.Seven sites across the United States.At the time of these initial data analyses, the members of 183 nuclear families ascertained through probands with schizophrenia had been assessed for these endophenotypes.Variance component models were used to assess the heritability of and the environmental and genetic correlations among the endophenotypes. The Consortium on the Genetics of Schizophrenia assesses the neurophysiologic measures of prepulse inhibition of acoustic startle, P50 event-related potential suppression, and the antisaccade task for eye movements and the neurocognitive measures of the Continuous Performance Test (Degraded Stimulus version), the California Verbal Learning Test, the Letter-Number Sequencing test, and 6 measures from the University of Pennsylvania Computerized Neurocognitive Battery. The heritabilities of these 12 measures are the focus of this article.All of the endophenotypes and the University of Pennsylvania Computerized Neurocognitive Battery measures were found to be significantly heritable (P < or = .005), with heritabilities ranging from 24% to 55%. Significant environmental and genetic correlations were also observed between many of the endophenotypic measures.This is the first large-scale, multisite, family-based heritability study of a collection of endophenotypes for schizophrenia and suggests that endophenotypes are important measures to consider in characterizing the genetic basis of schizophrenia.

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.

The Philadelphia Neurodevelopmental Cohort (PNC) is a large-scale study of child development that combines neuroimaging, diverse clinical and cognitive phenotypes, and genomics. Data from this rich resource is now publicly available through the Database of Genotypes and Phenotypes (dbGaP). Here we focus on the data from the PNC that is available through dbGaP and describe how users can access this data, which is evolving to be a significant resource for the broader neuroscience community for studies of normal and abnormal neurodevelopment.

Adolescence is characterized by rapid development of executive function. Working memory (WM) is a key element of executive function, but it is not known what brain changes during adolescence allow improved WM performance. Using a fractal n-back fMRI paradigm, we investigated brain responses to WM load in 951 human youths aged 8-22 years. Compared with more limited associations with age, WM performance was robustly associated with both executive network activation and deactivation of the default mode network. Multivariate patterns of brain activation predicted task performance with a high degree of accuracy, and also mediated the observed age-related improvements in WM performance. These results delineate a process of functional maturation of the executive system, and suggest that this process allows for the improvement of cognitive capability seen during adolescence.

The authors used a custom array of 1,536 single-nucleotide polymorphisms (SNPs) to interrogate 94 functionally relevant candidate genes for schizophrenia and identify associations with 12 heritable neurophysiological and neurocognitive endophenotypes in data collected by the Consortium on the Genetics of Schizophrenia.