Abstract Single cell transcriptomics has transformed the characterization of brain cell identity by providing quantitative molecular signatures for large, unbiased samples of brain cell populations. With the proliferation of taxonomies based on individual datasets, a major challenge is to integrate and validate results toward defining biologically meaningful cell types. We used a battery of single-cell transcriptome and epigenome measurements generated by the BRAIN Initiative Cell Census Network (BICCN) to comprehensively assess the molecular signatures of cell types in the mouse primary motor cortex (MOp). We further developed computational and statistical methods to integrate these multimodal data and quantitatively validate the reproducibility of the cell types. The reference atlas, based on more than 600,000 high quality single-cell or -nucleus samples assayed by six molecular modalities, is a comprehensive molecular account of the diverse neuronal and non-neuronal cell types in MOp. Collectively, our study indicates that the mouse primary motor cortex contains over 55 neuronal cell types that are highly replicable across analysis methods, sequencing technologies, and modalities. We find many concordant multimodal markers for each cell type, as well as thousands of genes and gene regulatory elements with discrepant transcriptomic and epigenomic signatures. These data highlight the complex molecular regulation of brain cell types and will directly enable design of reagents to target specific MOp cell types for functional analysis.

ABSTRACT We report the generation of a multimodal cell census and atlas of the mammalian primary motor cortex (MOp or M1) as the initial product of the BRAIN Initiative Cell Census Network (BICCN). This was achieved by coordinated large-scale analyses of single-cell transcriptomes, chromatin accessibility, DNA methylomes, spatially resolved single-cell transcriptomes, morphological and electrophysiological properties, and cellular resolution input-output mapping, integrated through cross-modal computational analysis. Together, our results advance the collective knowledge and understanding of brain cell type organization: First, our study reveals a unified molecular genetic landscape of cortical cell types that congruently integrates their transcriptome, open chromatin and DNA methylation maps. Second, cross-species analysis achieves a unified taxonomy of transcriptomic types and their hierarchical organization that are conserved from mouse to marmoset and human. Third, cross-modal analysis provides compelling evidence for the epigenomic, transcriptomic, and gene regulatory basis of neuronal phenotypes such as their physiological and anatomical properties, demonstrating the biological validity and genomic underpinning of neuron types and subtypes. Fourth, in situ single-cell transcriptomics provides a spatially-resolved cell type atlas of the motor cortex. Fifth, integrated transcriptomic, epigenomic and anatomical analyses reveal the correspondence between neural circuits and transcriptomic cell types. We further present an extensive genetic toolset for targeting and fate mapping glutamatergic projection neuron types toward linking their developmental trajectory to their circuit function. Together, our results establish a unified and mechanistic framework of neuronal cell type organization that integrates multi-layered molecular genetic and spatial information with multi-faceted phenotypic properties.

Abstract An essential step toward understanding brain function is to establish a cellular-resolution structural framework upon which multi-scale and multi-modal information spanning molecules, cells, circuits and systems can be integrated and interpreted. Here, through a collaborative effort from the Brain Initiative Cell Census Network (BICCN), we derive a comprehensive cell type-based description of one brain structure - the primary motor cortex upper limb area (MOp-ul) of the mouse. Applying state-of-the-art labeling, imaging, computational, and neuroinformatics tools, we delineated the MOp-ul within the Mouse Brain 3D Common Coordinate Framework (CCF). We defined over two dozen MOp-ul projection neuron (PN) types by their anterograde targets; the spatial distribution of their somata defines 11 cortical sublayers, a significant refinement of the classic notion of cortical laminar organization. We further combine multiple complementary tracing methods (classic tract tracing, cell type-based anterograde, retrograde, and transsynaptic viral tracing, high-throughput BARseq, and complete single cell reconstruction) to systematically chart cell type-based MOp input-output streams. As PNs link distant brain regions at synapses as well as host cellular gene expression, our construction of a PN type resolution MOp-ul wiring diagram will facilitate an integrated analysis of motor control circuitry across the molecular, cellular, and systems levels. This work further provides a roadmap towards a cellular resolution description of mammalian brain architecture.

Abstract The cortex is composed of neuronal types with diverse gene expression that are organized into specialized cortical areas. These areas, each with characteristic cytoarchitecture (Brodmann 1909; Vogt and Vogt 1919; Von Bonin 1947), connectivity (Zingg et al. 2014; Harris et al. 2019), and neuronal activity (Schwarz et al. 2008; Ferrarini et al. 2009; He et al. 2009; Meunier et al. 2010; Bertolero et al. 2015), are wired into modular networks (Zingg et al. 2014; Harris et al. 2019; Huang et al. 2020). However, it remains unclear whether cortical areas and their modular organization can be similarly defined by their transcriptomic signatures and how such signatures are established in development. Here we used BARseq, a high-throughput in situ sequencing technique, to interrogate the expression of 104 cell type marker genes in 10.3 million cells, including 4,194,658 cortical neurons over nine mouse forebrain hemispheres at cellular resolution. De novo clustering of gene expression in single neurons revealed transcriptomic types that were consistent with previous single-cell RNAseq studies(Yao et al. 2021a; Yao et al. 2021b). Gene expression and the distribution of fine-grained cell types vary along the contours of cortical areas, and the composition of transcriptomic types are highly predictive of cortical area identity. Moreover, areas with similar compositions of transcriptomic types, which we defined as cortical modules, overlap with areas that are highly connected, suggesting that the same modular organization is reflected in both transcriptomic signatures and connectivity. To explore how the transcriptomic profiles of cortical neurons depend on development, we compared the cell type distributions after neonatal binocular enucleation. Strikingly, binocular enucleation caused the cell type compositional profiles of visual areas to shift towards neighboring areas within the same cortical module, suggesting that peripheral inputs sharpen the distinct transcriptomic identities of areas within cortical modules. Enabled by the high-throughput, low-cost, and reproducibility of BARseq, our study provides a proof-of-principle for using large-scale in situ sequencing to reveal brain-wide molecular architecture and to understand its development.

Abstract Humans have unique cognitive abilities among primates, including language, but their molecular, cellular, and circuit substrates are poorly understood. We used comparative single nucleus transcriptomics in adult humans, chimpanzees, gorillas, rhesus macaques, and common marmosets from the middle temporal gyrus (MTG) to understand human-specific features of cellular and molecular organization. Human, chimpanzee, and gorilla MTG showed highly similar cell type composition and laminar organization, and a large shift in proportions of deep layer intratelencephalic-projecting neurons compared to macaque and marmoset. Species differences in gene expression generally mirrored evolutionary distance and were seen in all cell types, although chimpanzees were more similar to gorillas than humans, consistent with faster divergence along the human lineage. Microglia, astrocytes, and oligodendrocytes showed accelerated gene expression changes compared to neurons or oligodendrocyte precursor cells, indicating either relaxed evolutionary constraints or positive selection in these cell types. Only a few hundred genes showed human-specific patterning in all or specific cell types, and were significantly enriched near human accelerated regions (HARs) and conserved deletions (hCONDELS) and in cell adhesion and intercellular signaling pathways. These results suggest that relatively few cellular and molecular changes uniquely define adult human cortical structure, particularly by affecting circuit connectivity and glial cell function.

ABSTRACT Understanding how genetic variants impact molecular phenotypes is a key goal of functional genomics, currently hindered by reliance on a single haploid reference genome. Here, we present the EN-TEx resource of personal epigenomes, for ∼25 tissues and >10 assays in four donors (>1500 open-access functional genomic and proteomic datasets, in total). Each dataset is mapped to a matched, diploid personal genome, which has long-read phasing and structural variants. The mappings enable us to identify >1 million loci with allele-specific behavior. These loci exhibit coordinated epigenetic activity along haplotypes and less conservation than matched, non-allele-specific loci, in a fashion broadly paralleling tissue-specificity. Surprisingly, they can be accurately modelled just based on local nucleotide-sequence context. Combining EN-TEx with existing genome annotations reveals strong associations between allele-specific and GWAS loci and enables models for transferring known eQTLs to difficult-to-profile tissues. Overall, EN-TEx provides rich data and generalizable models for more accurate personal functional genomics.

Abstract Functional circuits consist of neurons with diverse axonal projections and gene expression. Understanding the molecular signature of projections requires high-throughput interrogation of both gene expression and projections to multiple targets in the same cells at cellular resolution, which is difficult to achieve using current technology. Here, we introduce BARseq2, a technique that simultaneously maps projections and detects multiplexed gene expression by in situ sequencing. We determined the expression of cadherins and cell-type markers in 29,933 cells, and the projections of 3,164 cells in both the mouse motor cortex and auditory cortex. Associating gene expression and projections in 1,349 neurons revealed shared cadherin signatures of homologous projections across the two cortical areas. These cadherins were enriched across multiple branches of the transcriptomic taxonomy. By correlating multi-gene expression and projections to many targets in single neurons with high throughput, BARseq2 provides a path to uncovering the molecular logic underlying neuronal circuits.

Abstract Characterizing cellular diversity at different levels of biological organization across data modalities is a prerequisite to understanding the function of cell types in the brain. Classification of neurons is also required to manipulate cell types in controlled ways, and to understand their variation and vulnerability in brain disorders. The BRAIN Initiative Cell Census Network (BICCN) is an integrated network of data generating centers, data archives and data standards developers, with the goal of systematic multimodal brain cell type profiling and characterization. Emphasis of the BICCN is on the whole mouse brain and demonstration of prototypes for human and non-human primate (NHP) brains. Here, we provide a guide to the cellular and spatial approaches employed, and to accessing and using the BICCN data and its extensive resources, including the BRAIN Cell Data Center (BCDC) which serves to manage and integrate data across the ecosystem. We illustrate the power of the BICCN data ecosystem through vignettes highlighting several BICCN analysis and visualization tools. Finally, we present emerging standards that have been developed or adopted by the BICCN toward FAIR (Wilkinson et al. 2016a) neuroscience. The combined BICCN ecosystem provides a comprehensive resource for the exploration and analysis of cell types in the brain.

Summary Our understanding of cell types has advanced considerably with the publication of single cell atlases. Marker genes play an essential role for experimental validation and computational analyses such as physiological characterization through pathway enrichment, annotation, and deconvolution. However, a framework for quantifying marker replicability and picking replicable markers is currently lacking. Here, using high quality data from the Brain Initiative Cell Census Network (BICCN), we systematically investigate marker replicability for 85 neuronal cell types. We show that, due to dataset-specific noise, we need to combine 5 datasets to obtain robust differentially expressed (DE) genes, particularly for rare populations and lowly expressed genes. We estimate that 10 to 200 meta-analytic markers provide optimal performance in downstream computational tasks. Replicable marker lists condense single cell atlases into interpretable and generalizable information about cell types, opening avenues for downstream applications, including cell type annotation, selection of gene panels and bulk data deconvolution.

Abstract Enhanced cognitive function in humans is hypothesized to result from cortical expansion and increased cellular diversity. However, the mechanisms that drive these phenotypic differences remain poorly understood, in part due to the lack of high-quality cellular resolution data in human and non-human primates. Here, we take advantage of single cell expression data from the middle temporal gyrus of five primates (human, chimp, gorilla, macaque and marmoset) to identify 57 homologous cell types and generate cell-type specific gene coexpression networks for comparative analysis. While ortholog expression patterns are generally well conserved, we find 24% of genes with extensive differences between human and non-human primates (3383/14,131), which are also associated with multiple brain disorders. To validate these observations, we perform a meta-analysis of coexpression networks across 19 animals, and find that a subset of these genes have deeply conserved coexpression across all non-human animals, and strongly divergent coexpression relationships in humans (139/3383, <1% of primate orthologs). Genes with human-specific cellular expression and coexpression networks (like NHEJ1, GTF2H2, C2 and BBS5 ) typically evolve under relaxed selective constraints and may drive rapid evolutionary change in brain function. One Sentence Summary Cross-primate middle temporal gyrus single cell expression data reveals patterns of conservation and divergence that can be validated with population coexpression networks.