Abstract The Adolescent Brain Cognitive Development Study (ABCD), a 10 year longitudinal neuroimaging study of the largest population based and demographically distributed cohort of 9-10 year olds (N=11,877), was designed to overcome reproducibility limitations of prior child mental health studies. Besides the fantastic wealth of research opportunities, the extremely large size of the ABCD data set also creates enormous data storage, processing, and analysis challenges for researchers. To ensure data privacy and safety, researchers are not currently able to share neuroimaging data derivatives through the central repository at the National Data Archive (NDA). However, sharing derived data amongst researchers laterally can powerfully accelerate scientific progress, to ensure the maximum public benefit is derived from the ABCD study. To simultaneously promote collaboration and data safety, we developed the ABCD-BIDS Community Collection (ABCC), which includes both curated processed data and software utilities for further analyses. The ABCC also enables researchers to upload their own custom-processed versions of ABCD data and derivatives for sharing with the research community. This NeuroResource is meant to serve as the companion guide for the ABCC. In section we describe the ABCC. Section II highlights ABCC utilities that help researchers access, share, and analyze ABCD data, while section III provides two exemplar reproducibility analyses using ABCC utilities. We hope that adoption of the ABCC’s data-safe, open-science framework will boost access and reproducibility, thus facilitating progress in child and adolescent mental health research.

ABSTRACT Diffusion-weighted magnetic resonance imaging (dMRI) has become the primary method for non-invasively studying the organization of white matter in the human brain. While many dMRI acquisition sequences have been developed, they all sample q-space in order to characterize water diffusion. Numerous software platforms have been developed for processing dMRI data, but most work on only a subset of sampling schemes or implement only parts of the processing workflow. Reproducible research and comparisons across dMRI methods are hindered by incompatible software, diverse file formats, and inconsistent naming conventions. Here we introduce QSIPrep, an integrative software platform for the processing of diffusion images that is compatible with nearly all dMRI sampling schemes. Drawing upon a diverse set of software suites to capitalize upon their complementary strengths, QSIPrep automatically applies best practices for dMRI preprocessing, including denoising, distortion correction, head motion correction, coregistration, and spatial normalization. Throughout, QSIPrep provides both visual and quantitative measures of data quality as well as “glass-box” methods reporting. Taken together, these features facilitate easy implementation of best practices for processing of diffusion images while simultaneously ensuring reproducibility.

SUMMARY Primary motor cortex (M1) has been thought to form a continuous somatotopic homunculus extending down precentral gyrus from foot to face representations 1,2 . The motor homunculus has remained a textbook pillar of functional neuroanatomy, despite evidence for concentric functional zones 3 and maps of complex actions 4 . Using our highest precision functional magnetic resonance imaging (fMRI) data and methods, we discovered that the classic homunculus is interrupted by regions with sharpy distinct connectivity, structure, and function, alternating with effector-specific (foot, hand, mouth) areas. These inter-effector regions exhibit decreased cortical thickness and strong functional connectivity to each other, and to prefrontal, insular, and subcortical regions of the Cingulo-opercular network (CON), critical for executive action 5 and physiological control 6 , arousal 7 , and processing of errors 8 and pain 9 . This interdigitation of action control-linked and motor effector regions was independently verified in the three largest fMRI datasets. Macaque and pediatric (newborn, infant, child) precision fMRI revealed potential cross-species analogues and developmental precursors of the inter-effector system. An extensive battery of motor and action fMRI tasks documented concentric somatotopies for each effector, separated by the CON-linked inter-effector regions. The inter-effector regions lacked movement specificity and co-activated during action planning (coordination of hands and feet), and axial body movement (e.g., abdomen, eyebrows). These results, together with prior work demonstrating stimulation-evoked complex actions 4 and connectivity to internal organs (e.g., adrenal medulla) 10 , suggest that M1 is punctuated by an integrative system for implementing whole-body action plans. Thus, two parallel systems intertwine in motor cortex to form an integrate-isolate pattern: effector-specific regions (foot, hand, mouth) for isolating fine motor control, and a mind-body interface (MBI) for the integrative whole-organism coordination of goals, physiology, and body movement.

SUMMARY The brain is organized into a broad set of functional neural networks. These networks and their various characteristics have been described and scrutinized through in vivo resting state functional magnetic resonance imaging (rs-fMRI). While the basic properties of networks are generally similar between healthy individuals, there is vast variability in the precise topography across the population. These individual differences are often lost in population studies due to population averaging which assumes topographical uniformity. We leveraged precision brain mapping methods to establish a new open-source, method-flexible set of precision functional network atlases: the Masonic Institute for the Developing Brain (MIDB) Precision Brain Atlas. Using participants from the Adolescent Brain Cognitive Development (ABCD) study, single subject precision network maps were generated with two supervised network-matching procedures (template matching and non-negative matrix factorization), an overlapping template matching method for identifying integration zones, as well as an unsupervised community detection algorithm (Infomap). From these individualized maps we also generated probabilistic network maps and integration zones for two demographically-matched groups of n∼3000 each. We demonstrate high reproducibility between groups (Pearson’s r >0.999) and between methods (r=0.96), revealing both regions of high invariance and high variability. Compared to using parcellations based on groups averages, the MIDB Precision Brain Atlas allowed us to derive a set of brain regions that are largely invariant in network topography across populations, which provides more reproducible statistical maps of executive function in brain-wide associations. We also explore an example use case for probabilistic maps, highlighting their potential for use in targeted neuromodulation. The MIDB Precision Brain Atlas is expandable to alternative datasets and methods and is provided open-source with an online web interface to encourage the scientific community to experiment with probabilistic atlases and individual-specific topographies to more precisely relate network phenomenon to functional organization of the human brain.

Abstract Individual differences in cognition during childhood are associated with important social, physical, and mental health outcomes in adolescence and adulthood. Given that cortical surface arealization during development reflects the brain’s functional prioritization, quantifying variation in the topography of functional brain networks across the developing cortex may provide insight regarding individual differences in cognition. We test this idea by defining personalized functional networks (PFNs) that account for interindividual heterogeneity in functional brain network topography in 9-10 year olds from the Adolescent Brain Cognitive Development SM Study. Across matched discovery (n=3,525) and replication (n=3,447) samples, the total cortical representation of fronto-parietal PFNs positively correlated with general cognition. Cross-validated ridge regressions trained on PFN topography predicted cognition across domains, with prediction accuracy increasing along the cortex’s sensorimotor-association organizational axis. These results establish that functional network topography heterogeneity is associated with individual differences in cognition before the critical transition into adolescence.

Abstract A single dose of psilocybin, a psychedelic that acutely causes distortions of space–time perception and ego dissolution, produces rapid and persistent therapeutic effects in human clinical trials 1–4 . In animal models, psilocybin induces neuroplasticity in cortex and hippocampus 5–8 . It remains unclear how human brain network changes relate to subjective and lasting effects of psychedelics. Here we tracked individual-specific brain changes with longitudinal precision functional mapping (roughly 18 magnetic resonance imaging visits per participant). Healthy adults were tracked before, during and for 3 weeks after high-dose psilocybin (25 mg) and methylphenidate (40 mg), and brought back for an additional psilocybin dose 6–12 months later. Psilocybin massively disrupted functional connectivity (FC) in cortex and subcortex, acutely causing more than threefold greater change than methylphenidate. These FC changes were driven by brain desynchronization across spatial scales (areal, global), which dissolved network distinctions by reducing correlations within and anticorrelations between networks. Psilocybin-driven FC changes were strongest in the default mode network, which is connected to the anterior hippocampus and is thought to create our sense of space, time and self. Individual differences in FC changes were strongly linked to the subjective psychedelic experience. Performing a perceptual task reduced psilocybin-driven FC changes. Psilocybin caused persistent decrease in FC between the anterior hippocampus and default mode network, lasting for weeks. Persistent reduction of hippocampal-default mode network connectivity may represent a neuroanatomical and mechanistic correlate of the proplasticity and therapeutic effects of psychedelics.

SUMMARY The brain is organized into networks at multiple resolutions, or scales, yet studies of functional network development typically focus on a single scale. Here, we derived personalized functional networks across 29 scales in a large sample of youths (n=693, ages 8-23 years) to identify multi-scale patterns of network re-organization related to neurocognitive development. We found that developmental shifts in inter-network coupling systematically adhered to and strengthened a functional hierarchy of cortical organization. Furthermore, we observed that scale-dependent effects were present in lower-order, unimodal networks, but not higher-order, transmodal networks. Finally, we found that network maturation had clear behavioral relevance: the development of coupling in unimodal and transmodal networks dissociably mediated the emergence of executive function. These results delineate maturation of multi-scale brain networks, which varies according to a functional hierarchy and impacts cognitive development.

ABSTRACT Background Nonhuman primate models (NHP) are commonly used to advance our understanding of brain function and organization. However, to date, they have offered few insights into individual differences among NHPs. In large part, this is due to the logistical challenges of NHP research, which limit most studies to five subjects or fewer. Methods We leveraged the availability of a large-scale open NHP imaging resource to provide an initial examination of individual differences in the functional organization of the nonhuman primate brain. Specifically, we selected one awake fMRI dataset (Newcastle: n = 10) and two anesthetized fMRI data sets (Oxford: n = 19; UC-Davis: n = 19) to examine individual differences in functional connectivity characteristics across the cortex, as well as potential state dependencies. Results We noted significant individual variations of functional connectivity across the macaque cortex. Similar to the findings in human, during the awake state, the primary sensory and motor cortices showed lower variability than the high-order association regions. This variability pattern was significantly correlated with T1w/T2w map, the degree of long-distance connectivity, but not short-distance connectivity. However, the inter-individual variability under anesthesia exhibited a very distinct pattern, with lower variability in medial frontal cortex, precuneus and somatomotor regions and higher variability in the lateral ventral frontal and insular cortices. Conclusions This work has implications for our understanding of the evolutionary origins of individual variation in the human brain, as well as methodological implications that must be considered in any pursuit to study individual variation in NHP models.

Abstract Even in the absence of external stimuli, neural activity is both highly dynamic and organized across multiple spatiotemporal scales. The continuous evolution of brain activity patterns during rest is believed to help maintain a rich repertoire of possible functional configurations that relate to typical and atypical cognitive phenomena. Whether these transitions or “explorations” follow some underlying arrangement or instead lack a predictable ordered plan remains to be determined. Here, using a precision dynamics approach, we aimed at revealing the rules that govern transitions in brain activity at rest at the single participant level. We hypothesized that by revealing and characterizing the overall landscape of whole brain configurations (or states) we could interpret the rules (if any) that govern transitions in brain activity at rest. To generate the landscape of whole-brain configurations we used Topological Data Analysis based Mapper approach. Across all participants, we consistently observed a rich topographic landscape in which the transition of activity from one state to the next involved a central hub-like “transition state.” The hub topography was characterized as a shared attractor-like basin where all canonical resting-state networks were represented equally. The surrounding periphery of the landscape had distinct network configurations. The intermediate transition state and traversal through it via a topographic gradient seemed to provide the underlying structure for the continuous evolution of brain activity patterns at rest. In addition, differences in the landscape architecture were more consistent within than between subjects, providing evidence of idiosyncratic dynamics and potential utility in precision medicine.

ABSTRACT The Brain Imaging Data Structure (BIDS) is a specification accompanied by a software ecosystem that was designed to create reproducible and automated workflows for processing neuroimaging data. BIDS Apps flexibly build workflows based on the metadata detected in a dataset. However, even BIDS valid metadata can include incorrect values or omissions that result in inconsistent processing across sessions. Additionally, in large-scale, heterogeneous neuroimaging datasets, hidden variability in metadata is difficult to detect and classify. To address these challenges, we created a Python-based software package titled “Curation of BIDS” (CuBIDS), which provides an intuitive workflow that helps users validate and manage the curation of their neuroimaging datasets. CuBIDS includes a robust implementation of BIDS validation that scales to large samples and incorporates DataLad––a version control software package for data––to ensure reproducibility and provenance tracking throughout the entire curation process. CuBIDS provides tools to help users perform quality control on their images’ metadata and identify unique combinations of imaging parameters. Users can then execute BIDS Apps on a subset of participants that represent the full range of acquisition parameters that are present, accelerating pipeline testing on large datasets. HIGHLIGHTS CuBIDS is a workflow and software package for curating BIDS data. CuBIDS summarizes the heterogeneity in a BIDS dataset. CuBIDS prepares BIDS data for successful preprocessing pipeline runs. CuBIDS helps users perform metadata-based quality control.