Objective: Autism spectrum disorder (ASD) is a lifelong neurodevelopmental condition that is associated with significant difficulties in adaptive behavior and variation in clinical outcomes across the life span. Some individuals with ASD improve, whereas others may not change significantly, or regress. Hence, the development of “personalized medicine” approaches is essential. However, this requires an understanding of the biological processes underpinning differences in clinical outcome, at both the individual and subgroup levels, across the lifespan. Methods: The authors conducted a longitudinal follow-up study of 483 individuals (204 with ASD and 279 neurotypical individuals, ages 6–30 years), with assessment time points separated by ∼12–24 months. Data collected included behavioral data (Vineland Adaptive Behavior Scale–II), neuroanatomical data (structural MRI), and genetic data (DNA). Individuals with ASD were grouped into clinically meaningful “increasers,” “no-changers,” and “decreasers” in adaptive behavior. First, the authors compared neuroanatomy between outcome groups. Next, they examined whether deviations from the neurotypical neuroanatomical profile were associated with outcome at the individual level. Finally, they explored the observed neuroanatomical differences’ potential genetic underpinnings. Results: Outcome groups differed in neuroanatomical features (cortical volume and thickness, surface area), including in “social brain” regions previously implicated in ASD. Also, deviations of neuroanatomical features from the neurotypical profile predicted outcome at the individual level. Moreover, neuroanatomical differences were associated with genetic processes relevant to neuroanatomical phenotypes (e.g., synaptic development). Conclusions: This study demonstrates, for the first time, that variation in clinical (adaptive) outcome is associated with both group- and individual-level variation in anatomy of brain regions enriched for genes relevant to ASD. This may facilitate the move toward better targeted/precision medicine approaches.

Abstract Autism spectrum disorder (ASD) is a highly complex neurodevelopmental condition that is accompanied by neuroanatomical differences on the macroscopic and microscopic level. Findings from histological, genetic, and more recently in vivo neuroimaging studies converge in suggesting that neuroanatomical abnormalities, specifically around the gray‐white matter (GWM) boundary, represent a crucial feature of ASD. However, no research has yet characterized the GWM boundary in ASD based on measures of diffusion. Here, we registered diffusion tensor imaging data to the structural T1‐weighted images of 92 adults with ASD and 92 matched neurotypical controls in order to examine between‐group differences and group‐by‐sex interactions in fractional anisotropy and mean diffusivity sampled at the GWM boundary, and at different sampling depths within the superficial white and into the gray matter. As hypothesized, we observed atypical diffusion at and around the GWM boundary in ASD, with between‐group differences and group‐by‐sex interactions depending on tissue class and sampling depth. Furthermore, we identified that altered diffusion at the GWM boundary partially (i.e., ~50%) overlapped with atypical gray‐white matter tissue contrast in ASD. Our study thus replicates and extends previous work highlighting the GWM boundary as a crucial target of neuropathology in ASD, and guides future work elucidating etiological mechanisms.

Abstract Autism spectrum disorder (ASD) is a complex neurodevelopmental disorder that is accompanied by neurodevelopmental differences in regional cortical volume (CV), and a potential layer‐specific pathology. Conventional measures of CV, however, do not indicate how volume is distributed across cortical layers. In a sample of 92 typically developing (TD) controls and 92 adult individuals with ASD (aged 18–52 years), we examined volumetric gradients by quantifying the degree to which CV is weighted from the pial to the white surface of the brain. Overall, the spatial distribution of Frustum Surface Ratio (FSR) followed the gyral and sulcal pattern of the cortex and approximated a bimodal Gaussian distribution caused by a linear mixture of vertices on gyri and sulci. Measures of FSR were highly correlated with vertex‐wise estimates of mean curvature, sulcal depth, and pial surface area, although none of these features explained more than 76% variability in FSR on their own. Moreover, in ASD, we observed a pattern of predominant increases in the degree of FSR relative to TD controls, with an atypical neurodevelopmental trajectory. Our findings suggest a more outward‐weighted gradient of CV in ASD, which may indicate a larger contribution of supragranular layers to regional differences in CV.

Abstract Individuals with autism spectrum disorder (henceforth referred to as autism) display significant variation in clinical outcome. For instance, across age, some individuals’ adaptive skills naturally improve or remain stable, while others’ decrease. To pave the way for ‘precision-medicine’ approaches, it is crucial to identify the cross-sectional and, given the developmental nature of autism, longitudinal neurobiological (including neuroanatomical and linked genetic) correlates of this variation. We conducted a longitudinal follow-up study of 333 individuals (161 autistic and 172 neurotypical individuals, aged 6–30 years), with two assessment time points separated by ~12–24 months. We collected behavioural (Vineland Adaptive Behaviour Scale-II, VABS-II) and neuroanatomical (structural magnetic resonance imaging) data. Autistic participants were grouped into clinically meaningful “Increasers”, “No-changers”, and “Decreasers” in adaptive behaviour (based on VABS-II scores). We compared each clinical subgroup’s neuroanatomy (surface area and cortical thickness at T1, ∆T (intra-individual change) and T2) to that of the neurotypicals. Next, we explored the neuroanatomical differences’ potential genomic associates using the Allen Human Brain Atlas. Clinical subgroups had distinct neuroanatomical profiles in surface area and cortical thickness at baseline, neuroanatomical development, and follow-up. These profiles were enriched for genes previously associated with autism and for genes previously linked to neurobiological pathways implicated in autism (e.g. excitation-inhibition systems). Our findings suggest that distinct clinical outcomes (i.e. intra-individual change in clinical profiles) linked to autism core symptoms are associated with atypical cross-sectional and longitudinal, i.e. developmental, neurobiological profiles. If validated, our findings may advance the development of interventions, e.g. targeting mechanisms linked to relatively poorer outcomes.

We introduce an open-source Python package for the analysis of large-scale electrophysiological data, named SyNCoPy, which stands for Systems Neuroscience Computing in Python. The package includes signal processing analyses across time (e.g., time-lock analysis), frequency (e.g., power spectrum), and connectivity (e.g., coherence) domains. It enables user-friendly data analysis on both laptop-based and high-performance computing systems. SyNCoPy is designed to facilitate trial-parallel workflows (parallel processing of trials), making it an ideal tool for large-scale analysis of electrophysiological data. Based on parallel processing of trials, the software can support very large-scale datasets via innovative out-of-core computation techniques. It also provides seamless interoperability with other standard software packages through a range of file format importers and exporters and open file formats. The naming of the user functions closely follows the well-established FieldTrip framework, which is an open-source MATLAB toolbox for advanced analysis of electrophysiological data.

Summary Digital Rock Physics (DRP) serves as a versatile tool for modeling various rock types. However, the complexity of modeling heterogeneous rock samples presents a significant challenge because of their complex structures. Striking a balance between high-resolution (HR) images and a wide field of view (FoV) is crucial for accurate pore-scale modeling, yet the trade-off between resolution and FoV complicates this task. Moslemipour et al. (2023) introduced the Cross-Correlation-based Simulation (CCSIM) with Watershed-based Algorithm (CWMR) for multiscale image reconstruction, although computational costs still remain a concern. This study introduces an innovative approach addressing computational limitations while maintaining reconstruction accuracy. Unlike CWMR, the proposed approach utilizes the Octree structure for µCT image reconstruction of a Berea sandstone. The process involves converting low-resolution (LR) images into an Octree structure, with calculations performed on resampled LR images. This streamlined approach reduces time-consuming computations and minimizes memory consumption. Comparative analysis against new approach and HR images demonstrates the new approach's efficacy, showing close agreement with HR image. The introduced approach completes reconstructions 1.8 times faster (68 hours vs. 120 hours) and requires significantly less memory (2.4 GB vs. 65 GB) than CWMR, highlighting its practical advantages in the realm of DRP.