Structural MRI allows unparalleled in vivo study of the anatomy of the developing human brain. For more than two decades [1Jernigan T.L. Trauner D.A. Hesselink J.R. Tallal P.A. Maturation of human cerebrum observed in vivo during adolescence.Brain. 1991; 114: 2037-2049Crossref PubMed Scopus (368) Google Scholar], MRI research has revealed many new aspects of this multifaceted maturation process, significantly augmenting scientific knowledge gathered from postmortem studies. Postnatal brain development is notably protracted and involves considerable changes in cerebral cortical [2Giedd J.N. Blumenthal J. Jeffries N.O. Castellanos F.X. Liu H. Zijdenbos A. Paus T. Evans A.C. Rapoport J.L. Brain development during childhood and adolescence: a longitudinal MRI study.Nat. Neurosci. 1999; 2: 861-863Crossref PubMed Scopus (3996) Google Scholar, 3Shaw P. Kabani N.J. Lerch J.P. Eckstrand K. Lenroot R. Gogtay N. Greenstein D. Clasen L. Evans A. Rapoport J.L. et al.Neurodevelopmental trajectories of the human cerebral cortex.J. Neurosci. 2008; 28: 3586-3594Crossref PubMed Scopus (1208) Google Scholar, 4Sowell E.R. Peterson B.S. Thompson P.M. Welcome S.E. Henkenius A.L. Toga A.W. Mapping cortical change across the human life span.Nat. Neurosci. 2003; 6: 309-315Crossref PubMed Scopus (1738) Google Scholar], subcortical [5Ostby Y. Tamnes C.K. Fjell A.M. Westlye L.T. Due-Tønnessen P. Walhovd K.B. Heterogeneity in subcortical brain development: A structural magnetic resonance imaging study of brain maturation from 8 to 30 years.J. Neurosci. 2009; 29: 11772-11782Crossref PubMed Scopus (357) Google Scholar], and cerebellar [6Caviness Jr., V.S. Kennedy D.N. Richelme C. Rademacher J. Filipek P.A. The human brain age 7-11 years: a volumetric analysis based on magnetic resonance images.Cereb. Cortex. 1996; 6: 726-736Crossref PubMed Scopus (424) Google Scholar, 7Tiemeier H. Lenroot R.K. Greenstein D.K. Tran L. Pierson R. Giedd J.N. Cerebellum development during childhood and adolescence: a longitudinal morphometric MRI study.Neuroimage. 2010; 49: 63-70Crossref PubMed Scopus (286) Google Scholar] structures, as well as significant architectural changes in white matter fiber tracts [8Lebel C. Beaulieu C. Longitudinal development of human brain wiring continues from childhood into adulthood.J. Neurosci. 2011; 31: 10937-10947Crossref PubMed Scopus (795) Google Scholar, 9Paus T. Zijdenbos A. Worsley K. Collins D.L. Blumenthal J. Giedd J.N. Rapoport J.L. Evans A.C. Structural maturation of neural pathways in children and adolescents: in vivo study.Science. 1999; 283: 1908-1911Crossref PubMed Scopus (1069) Google Scholar, 10Westlye L.T. Walhovd K.B. Dale A.M. Bjørnerud A. Due-Tønnessen P. Engvig A. Grydeland H. Tamnes C.K. Ostby Y. Fjell A.M. Life-span changes of the human brain white matter: diffusion tensor imaging (DTI) and volumetry.Cereb. Cortex. 2010; 20: 2055-2068Crossref PubMed Scopus (534) Google Scholar, 11Mukherjee P. Miller J.H. Shimony J.S. Conturo T.E. Lee B.C. Almli C.R. McKinstry R.C. Normal brain maturation during childhood: developmental trends characterized with diffusion-tensor MR imaging.Radiology. 2001; 221: 349-358Crossref PubMed Scopus (356) Google Scholar] (see [12Giedd J.N. Rapoport J.L. Structural MRI of pediatric brain development: what have we learned and where are we going?.Neuron. 2010; 67: 728-734Abstract Full Text Full Text PDF PubMed Scopus (607) Google Scholar]). Although much work has described isolated features of neuroanatomical development, it remains a critical challenge to characterize the multidimensional nature of brain anatomy, capturing different phases of development among individuals. Capitalizing on key advances in multisite, multimodal MRI, and using cross-validated nonlinear modeling, we demonstrate that developmental brain phase can be assessed with much greater precision than has been possible using other biological measures, accounting for more than 92% of the variance in age. Further, our composite metric of morphology, diffusivity, and signal intensity shows that the average difference in phase among children of the same age is only about 1 year, revealing for the first time a latent phenotype in the human brain for which maturation timing is tightly controlled.Video AbstracteyJraWQiOiI4ZjUxYWNhY2IzYjhiNjNlNzFlYmIzYWFmYTU5NmZmYyIsImFsZyI6IlJTMjU2In0.eyJzdWIiOiJkNzBmZDc3M2QyMzYyNGZkYmM0MzYwMjRkZjUwMTdkOSIsImtpZCI6IjhmNTFhY2FjYjNiOGI2M2U3MWViYjNhYWZhNTk2ZmZjIiwiZXhwIjoxNjc3OTA5MTYxfQ.E3LHqo9lELLV50n84FwuTJbzpMGulwkVF2YxgejqxIzppuVJN0aJiSrT0tuNUKpnLatteEc0xTd7P-QO-WX_vckA6rTNoyQ13iFEPBwaGXiuwjsR0LM3PaOabJnGx6WhgW4KRwe8f4CErXm1szSUESI3URvsWYYOAVkHssdmw5HPgy4tPn5dJ50cRBqPJNd4W4SkY5kq58N37t7YUpMH-cFUlG9FEFon2bd6Hoh2LiEPozw_yY_Gb84YR6GZ8ibKZKWKsF1YeOTV6dsN--Dp3hGudEPWcIslaZU2nJJpFpcoS0m96VjYsJdgCq_OKxXhJI4pux3oLVQOaZIfEqtMDw(mp4, (15.04 MB) Download video

Self-regulation refers to the ability to control behavior, cognition, and emotions, and self-regulation failure is related to a range of neuropsychiatric problems. It is poorly understood how structural maturation of the brain brings about the gradual improvement in self-regulation during childhood. In a large-scale multicenter effort, 735 children (4–21 y) underwent structural MRI for quantification of cortical thickness and surface area and diffusion tensor imaging for quantification of the quality of major fiber connections. Brain development was related to a standardized measure of cognitive control (the flanker task from the National Institutes of Health Toolbox), a critical component of self-regulation. Ability to inhibit responses and impose cognitive control increased rapidly during preteen years. Surface area of the anterior cingulate cortex accounted for a significant proportion of the variance in cognitive performance. This finding is intriguing, because characteristics of the anterior cingulum are shown to be related to impulse, attention, and executive problems in neurodevelopmental disorders, indicating a neural foundation for self-regulation abilities along a continuum from normality to pathology. The relationship was strongest in the younger children. Properties of large-fiber connections added to the picture by explaining additional variance in cognitive control. Although cognitive control was related to surface area of the anterior cingulate independently of basic processes of mental speed, the relationship between white matter quality and cognitive control could be fully accounted for by speed. The results underscore the need for integration of different aspects of brain maturation to understand the foundations of cognitive development.

Interaction plots are used frequently in psychology research to make inferences about moderation hypotheses. A common method of analyzing and displaying interactions is to create simple-slopes or marginal-effects plots using standard software programs. However, these plots omit features that are essential to both graphic integrity and statistical inference. For example, they often do not display all quantities of interest, omit information about uncertainty, or do not show the observed data underlying an interaction, and failure to include these features undermines the strength of the inferences that may be drawn from such displays. Here, we review the strengths and limitations of present practices in analyzing and visualizing interaction effects in psychology. We provide simulated examples of the conditions under which visual displays may lead to inappropriate inferences and introduce open-source software that provides optimized utilities for analyzing and visualizing interactions.

Brain genetics is an active research area. The degree to which genetic variants impact variations in brain structure and function remains largely unknown. We examined the heritability of regional brain volumes (p ~ 100) captured by single-nucleotide polymorphisms (SNPs) in UK Biobank (n ~ 9000). We found that regional brain volumes are highly heritable in this study population. We observed omni-genic impact across the genome as well as enrichment of SNPs in active chromatin regions. Principal components derived from regional volume data are also highly heritable, but the amount of variance in brain volume explained by the component did not seem to be related to its heritability. Heritability estimates vary substantially across large-scale functional networks and brain regions. The variation in heritability across regions was not related to measurement reliability. Heritability estimates exhibit a symmetric pattern across left and right hemispheres and are consistent in females and males. Our main findings in UK Biobank are consistent with those in Alzheimers Disease Neuroimaging Initiative (n ~ 1100), Philadelphia Neurodevelopmental Cohort (n ~ 600), and Pediatric Imaging, Neurocognition, and Genetics (n ~ 500) datasets, with more stable estimates in UK Biobank.

An aim of quantitative intersectional research is to model the joint impact of multiple social positions on health risk behaviors. Although moderated multiple regression is frequently used to pursue intersectional research hypotheses, such parametric approaches may produce unreliable effect estimates due to data sparsity and high dimensionality. Machine learning provides viable alternatives, offering greater flexibility in evaluating many candidate interactions amid sparse data conditions, yet remains rarely employed. This study introduces group-lasso interaction network (glinternet), a novel machine learning approach involving hierarchical regularization, to assess intersectional differences in substance use prevalence.