BackgroundFrontotemporal dementia is a highly heritable neurodegenerative disorder. In about a third of patients, the disease is caused by autosomal dominant genetic mutations usually in one of three genes: progranulin (GRN), microtubule-associated protein tau (MAPT), or chromosome 9 open reading frame 72 (C9orf72). Findings from studies of other genetic dementias have shown neuroimaging and cognitive changes before symptoms onset, and we aimed to identify whether such changes could be shown in frontotemporal dementia.MethodsWe recruited participants to this multicentre study who either were known carriers of a pathogenic mutation in GRN, MAPT, or C9orf72, or were at risk of carrying a mutation because a first-degree relative was a known symptomatic carrier. We calculated time to expected onset as the difference between age at assessment and mean age at onset within the family. Participants underwent a standardised clinical assessment and neuropsychological battery. We did MRI and generated cortical and subcortical volumes using a parcellation of the volumetric T1-weighted scan. We used linear mixed-effects models to examine whether the association of neuropsychology and imaging measures with time to expected onset of symptoms differed between mutation carriers and non-carriers.FindingsBetween Jan 30, 2012, and Sept 15, 2013, we recruited participants from 11 research sites in the UK, Italy, the Netherlands, Sweden, and Canada. We analysed data from 220 participants: 118 mutation carriers (40 symptomatic and 78 asymptomatic) and 102 non-carriers. For neuropsychology measures, we noted the earliest significant differences between mutation carriers and non-carriers 5 years before expected onset, when differences were significant for all measures except for tests of immediate recall and verbal fluency. We noted the largest Z score differences between carriers and non-carriers 5 years before expected onset in tests of naming (Boston Naming Test −0·7; SE 0·3) and executive function (Trail Making Test Part B, Digit Span backwards, and Digit Symbol Task, all −0·5, SE 0·2). For imaging measures, we noted differences earliest for the insula (at 10 years before expected symptom onset, mean volume as a percentage of total intracranial volume was 0·80% in mutation carriers and 0·84% in non-carriers; difference −0·04, SE 0·02) followed by the temporal lobe (at 10 years before expected symptom onset, mean volume as a percentage of total intracranial volume 8·1% in mutation carriers and 8·3% in non-carriers; difference −0·2, SE 0·1).InterpretationStructural imaging and cognitive changes can be identified 5–10 years before expected onset of symptoms in asymptomatic adults at risk of genetic frontotemporal dementia. These findings could help to define biomarkers that can stage presymptomatic disease and track disease progression, which will be important for future therapeutic trials.FundingCentres of Excellence in Neurodegeneration.

The heterogeneity of neurodegenerative diseases is a key confound to disease understanding and treatment development, as study cohorts typically include multiple phenotypes on distinct disease trajectories. Here we introduce a machine-learning technique-Subtype and Stage Inference (SuStaIn)-able to uncover data-driven disease phenotypes with distinct temporal progression patterns, from widely available cross-sectional patient studies. Results from imaging studies in two neurodegenerative diseases reveal subgroups and their distinct trajectories of regional neurodegeneration. In genetic frontotemporal dementia, SuStaIn identifies genotypes from imaging alone, validating its ability to identify subtypes; further the technique reveals within-genotype heterogeneity. In Alzheimer's disease, SuStaIn uncovers three subtypes, uniquely characterising their temporal complexity. SuStaIn provides fine-grained patient stratification, which substantially enhances the ability to predict conversion between diagnostic categories over standard models that ignore subtype (p = 7.18 × 10-4) or temporal stage (p = 3.96 × 10-5). SuStaIn offers new promise for enabling disease subtype discovery and precision medicine.

Abstract Connections among brain regions allow pathological perturbations to spread from a single source region to multiple regions. Patterns of neurodegeneration in multiple diseases, including behavioral variant of frontotemporal dementia (bvFTD), resemble the large-scale functional systems, but how bvFTD-related atrophy patterns relate to structural network organization remains unknown. Here we investigate whether neurodegeneration patterns in sporadic and genetic bvFTD are conditioned by connectome architecture. Regional atrophy patterns were estimated in both genetic bvFTD (75 patients, 247 controls) and sporadic bvFTD (70 patients, 123 controls). We first identify distributed atrophy patterns in bvFTD, mainly targeting areas associated with the limbic intrinsic network and insular cytoarchitectonic class. Regional atrophy was significantly correlated with atrophy of structurally- and functionally-connected neighbors, demonstrating that network structure shapes atrophy patterns. The anterior insula was identified as the predominant group epicenter of brain atrophy using data-driven and simulation-based methods, with some secondary regions in frontal ventromedial and anteromedial temporal areas. Finally, we find that FTD-related genes, namely C9orf72 and TARDBP, confer local transcriptomic vulnerability to the disease, effectively modulating the propagation of pathology through the connectome. Collectively, our results demonstrate that atrophy patterns in sporadic and genetic bvFTD are jointly shaped by global connectome architecture and local transcriptomic vulnerability.

INTRODUCTION: Brain structural imaging is paramount for the diagnosis of behavioral variant of frontotemporal dementia (bvFTD), but it has low sensitivity leading to erroneous or late diagnosis. METHODS: A total of 515 subjects from two different bvFTD databases (training and validation cohorts) were included to perform voxel-wise deformation-based morphometry analysis to identify regions with significant differences between bvFTD and controls. A random forest classifier was used to individually predict bvFTD from morphometric differences in isolation and together with bedside cognitive scores. RESULTS: Average ten-fold cross-validation accuracy was 89% (82% sensitivity, 93% specificity) using only MRI and 94% (89% sensitivity, 98% specificity) with the addition of semantic fluency. In a separate validation cohort of genetically confirmed bvFTD, accuracy was 88% (81% sensitivity, 92% specificity) with MRI and 91% (79% sensitivity, 96% specificity) with added cognitive scores. DISCUSSION: The random forest classifier developed can accurately predict bvFTD at the individual subject level.

Abstract Complement overactivation mediates microglial synapse elimination in neurological diseases like Alzheimer’s disease and frontotemporal dementia (FTD), but how complement activity is regulated in the brain remains largely unknown. We identified that the secreted neuronal pentraxin Nptx2 binds complement C1q and thereby regulates its activity in the brain. Nptx2-deficient mice show increased complement activity and C1q-dependent microglial synapse engulfment and loss of excitatory synapses. In a neuroinflammation culture model and in aged TauP301S mice, AAV-mediated neuronal overexpression of Nptx2 was sufficient to restrain complement activity and ameliorate microglia-mediated synapse loss. Analysis of human CSF samples from a genetic FTD cohort revealed significantly reduced levels of Nptx2 and Nptx2-C1q protein complexes in symptomatic patients, which correlated with elevated C1q and activated C3. Together, these results show that Nptx2 regulates complement activity and microglial synapse elimination in the healthy and diseased brain and that diminished Nptx2 levels might exacerbate complement-mediated neurodegeneration in FTD patients.

Frontotemporal dementia (FTD) is a heterogeneous neurodegenerative disorder characterized by neuronal loss in the frontal and temporal lobes. Despite progress in understanding which genes are associated with the aetiology of FTD (C9orf72, GRN and MAPT), the biological basis of how mutations in these genes lead to cell loss in specific cortical regions remains unclear. In this work we combined gene expression data for 16,912 genes from the Allen Institute for Brain Science atlas with brain maps of gray matter atrophy in symptomatic C9orf72, GRN and MAPT carriers obtained from the Genetic FTD Initiative study. A set of 405 and 250 genes showed significant positive and negative correlation, respectively, with atrophy patterns in all three maps. The gene set with increased expression in spared cortical regions, i.e., signaling regional resilience to atrophy, is enriched for neuronal genes, while the gene set with increased expression in atrophied regions, i.e., signaling regional vulnerability, is enriched for astrocyte genes. Notably, these results extend earlier findings from proteomic analyses in the same cortical regions of interest comparing healthy controls and patients with FTD. Thus, our analysis indicates that cortical regions showing the most severe atrophy in genetic FTD are those with the highest astrocyte density in healthy subjects. Therefore, astrocytes may play a more active role in the onset of neurodegeneration in FTD than previously assumed, e.g., through emergence of neurotoxic (A1) astrocytes.