Abstract Recent developments in network neuroscience suggest reconsidering what we thought we knew about the Default Mode Network (DMN). Although this network has always been seen as unitary and associated with the resting state, a new deconstructive line of research is pointing out that the DMN could be divided into multiple subsystems supporting different functions. By now, it is well known that the DMN is not only deactivated by tasks, but also involved in affective, mnestic, and social paradigms, among others. Nonetheless, it is starting to become clear that the array of activities in which it is involved, might also be extended to more extrinsic functions. The present meta-analytic study is meant to push this boundary a bit further. The BrainMap database was searched for all experimental paradigms activating the DMN, and their activation maps were then computed. An additional map of task-induced deactivations was also created. A Multidimensional Scaling indicated that such maps could be arranged along an anatomo-psychological gradient, which goes from midline core activations, associated with the most internal functions, to the involvement of lateral cortices in more external tasks. Further investigations suggested that such extrinsic mode is especially related to reward, semantic, and emotional functions. However, an important finding was that the variability of task-induced DMN anatomic redistribution was hard to recapitulate, as none of the maps, or any linear combination of them, could represent the whole space of its dynamical reconfiguration. Altogether, our findings suggest that the DMN may be characterized by a richer functional diversity and a more spatial complexity than previously suggested.

The exact mechanisms at the root of pathologic anatomical covariances are still unknown. It is nonetheless becoming clearer that the impact of brain diseases is more convincingly represented in terms of co- alterations rather than in terms of localization of alterations. According to this view, neurological and psychiatric conditions might be seen as whole-brain patterns of modifications. In this context, the physical distance between two co-altered areas may provide insightful information about how pathology develops across the brain, assuming that long-range co-alterations might be relevant features of pathological networks. To demonstrate this hypothesis, we calculated the probability of co-alteration between brain areas across a large database of voxel-based morphometry studies of psychiatric and neurological disorders, and we investigated the physical (Euclidean) distance of the edges of the resulting network. Such analysis produced a series of observations relevant for the understanding of pathology, which range from unanticipated results to the recognition of regions of well-known functional and clinical relevance. For instance, it emphasizes the importance of the anterior and dorsal prefrontal cortices in the distribution of the disease-related alterations, as well as a specular asymmetry of gray matter decreases and increases between the hemispheres. Also, the analyses of schizophrenia and Alzheimer’s disease show that long-distance co-alterations are able to identify areas involved in pathology and symptomatology. Moreover, the good concordance between the measure of the mean physical distance and that of functional degree centrality suggests that co-alterations and connectivity are intimately related. These findings highlight the importance of analyzing the physical distance in pathology, as the areas characterized by a long mean distance may be considered as hubs with a crucial role in the systems of alterations induced by brain diseases.

Abstract: Over the past two decades, functional magnetic resonance imaging (fMRI) has become the primary tool for exploring neural correlates of emotion. To enhance the reliability of results in understanding the complex nature of emotional experiences, researchers combine findings from multiple fMRI studies using coordinate-based meta-analysis (CBMA). As one of the most widely employed CBMA methods worldwide, activation likelihood estimation (ALE) is of great importance in affective neuroscience and neuropsychology. This comprehensive review provides an introductory guide for implementing the ALE method in emotion research, outlining the experimental steps involved. By presenting a case study about the emotion of disgust, with regard to both its core and social processing, we offer insightful commentary as to how ALE can enable researchers to produce consistent results and, consequently, fruitfully investigate the neural mechanisms underpinning emotions, facilitating further progress in this field. Keywords: affective mapping, BrainMap, quantitative synthesis, coordinate-based meta-analysis, fMRI, affective neuroscience

Abstract Numerous studies have investigated gray matter (GM) volume changes in diverse patient groups. Reports of disorder-related GM reductions are common in such work, but many studies also report evidence for GM volume increases in patients. It is unclear whether these GM increases and decreases independent or related in some way. Here, we address this question using a novel meta-analytic network mapping approach. We used a coordinate-based meta-analysis of 64 voxel-based morphometry studies of psychiatric disorders to calculate the probability of finding a GM increase or decrease in one region given an observed change in the opposite direction in another region. Estimating this co-occurrence probability for every pair of brain regions allowed us to build a network of concurrent GM changes of opposing polarity. Our analysis revealed that disorder-related GM increases and decreases are not independent; instead, a GM change in one area is often statistically related to a change of opposite polarity in other areas, highlighting distributed yet coordinated changes in GM volume as a function of brain pathology. Most regions showing GM changes linked to an opposite change in a distal area were located in salience, executive-control and default mode networks, as well as the thalamus and basal ganglia. Moreover, pairs of regions showing coupled changes of opposite polarity were more likely to belong to different canonical networks than to the same one. Our results suggest that regional GM alterations in psychiatric disorders are often accompanied by opposing changes in distal regions that belong to distinct functional networks.

Abstract Autism Spectrum Disorder (ASD) is a set of developmental pathologies with a strong genetic basis and high heritability. Although neuroimaging studies have indicated anatomical changes in grey matter (GM) morphometry, their associations with gene expression remain elusive. In the present study, we aim to understand how gene expression correlates with structural brain aberration in ASD and how it distributes in a functional network perspective. First, we performed an activation likelihood estimation (ALE) meta-analysis to determine GM alteration in the brain, then we selected genes from the SHANK, NRXN, NLGN family and MECP2, which have been implicated with ASD, particularly in regards to altered synaptic transmission. Gene expression maps were built. We then assessed the correlation between the gene expression maps and the GM alteration maps. We found that the default mode network regions were the most significantly correlated with gene expression of selected genes in both areas of GM decrease and increase. The dorsal attention and the cerebellar network regions are significantly correlated with ASD genes. Different networks, namely somatomotor, limbic and basal ganglia/thalamus network - were found in the increase; for each of these networks, however, only a few genes were significant. Our approach allowed to combine the well beaten path of genetic and brain imaging in a novel way, to specifically investigate the relation between gene expression and brain with structural damage, and individuate genes of interest for further investigation in specific functional networks.