The mammalian brain is composed of diverse neuron types that play different functional roles. Recent single-cell RNA sequencing approaches have led to a whole brain taxonomy of transcriptomically-defined cell types, yet cell type definitions that include multiple cellular properties can offer additional insights into a neuron's role in brain circuits. While the Patch-seq method can investigate how transcriptomic properties relate to the local morphological and electrophysiological properties of cell types, linking transcriptomic identities to long-range projections is a major unresolved challenge. To address this, we collected coordinated Patch-seq and whole brain morphology data sets of excitatory neurons in mouse visual cortex. From the Patch-seq data, we defined 16 integrated morpho-electric-transcriptomic (MET)-types; in parallel, we reconstructed the complete morphologies of 300 neurons. We unified the two data sets with a multi-step classifier, to integrate cell type assignments and interrogate cross-modality relationships. We find that transcriptomic variations within and across MET-types correspond with morphological and electrophysiological phenotypes. In addition, this variation, along with the anatomical location of the cell, can be used to predict the projection targets of individual neurons. We also shed new light on infragranular cell types and circuits, including cell-type-specific, interhemispheric projections. With this approach, we establish a comprehensive, integrated taxonomy of excitatory neuron types in mouse visual cortex and create a system for integrated, high-dimensional cell type classification that can be extended to the whole brain and potentially across species.

Biological ageing can be defined as a gradual loss of homeostasis across various aspects of molecular and cellular function1,2. Mammalian brains consist of thousands of cell types3, which may be differentially susceptible or resilient to ageing. Here we present a comprehensive single-cell RNA sequencing dataset containing roughly 1.2 million high-quality single-cell transcriptomes of brain cells from young adult and aged mice of both sexes, from regions spanning the forebrain, midbrain and hindbrain. High-resolution clustering of all cells results in 847 cell clusters and reveals at least 14 age-biased clusters that are mostly glial types. At the broader cell subclass and supertype levels, we find age-associated gene expression signatures and provide a list of 2,449 unique differentially expressed genes (age-DE genes) for many neuronal and non-neuronal cell types. Whereas most age-DE genes are unique to specific cell types, we observe common signatures with ageing across cell types, including a decrease in expression of genes related to neuronal structure and function in many neuron types, major astrocyte types and mature oligodendrocytes, and an increase in expression of genes related to immune function, antigen presentation, inflammation, and cell motility in immune cell types and some vascular cell types. Finally, we observe that some of the cell types that demonstrate the greatest sensitivity to ageing are concentrated around the third ventricle in the hypothalamus, including tanycytes, ependymal cells, and certain neuron types in the arcuate nucleus, dorsomedial nucleus and paraventricular nucleus that express genes canonically related to energy homeostasis. Many of these types demonstrate both a decrease in neuronal function and an increase in immune response. These findings suggest that the third ventricle in the hypothalamus may be a hub for ageing in the mouse brain. Overall, this study systematically delineates a dynamic landscape of cell-type-specific transcriptomic changes in the brain associated with normal ageing that will serve as a foundation for the investigation of functional changes in ageing and the interaction of ageing and disease. A comprehensive single-cell RNA sequencing study delineates cell-type-specific transcriptomic changes in the brain associated with normal ageing that will inform the investigation into functional changes and the interaction of ageing and disease.

The mammalian visual system, from retina to neocortex, has been extensively studied at both anatomical and functional levels. Anatomy indicates the corticothalamic system is hierarchical, but characterization of cellular-level functional interactions across multiple levels of this hierarchy is lacking, partially due to the challenge of simultaneously recording activity across numerous regions. Here, we describe a large, open dataset (part of the Allen Brain Observatory ) that surveys spiking from units in six cortical and two thalamic regions responding to a battery of visual stimuli. Using spike cross-correlation analysis, we find that inter-area functional connectivity mirrors the anatomical hierarchy from the Allen Mouse Brain Connectivity Atlas . Classical functional measures of hierarchy, including visual response latency, receptive field size, phase-locking to a drifting grating stimulus, and autocorrelation timescale are all correlated with the anatomical hierarchy. Moreover, recordings during a visual task support the behavioral relevance of hierarchical processing. Overall, this dataset and the hierarchy we describe provide a foundation for understanding coding and dynamics in the mouse corticothalamic visual system.

The mammalian cortex is comprised of cells with different morphological, physiological, and molecular properties that can be classified according to shared properties into cell types. Defining the contribution of each cell type to the computational and cognitive processes that are guided by the cortex is essential for understanding its function in health and disease. We use transcriptomic and epigenomic cortical cell type taxonomies from mice and humans to define marker genes and enhancers, and to build genetic tools for cortical cell types. Here, we present a large toolkit for selective targeting of cortical populations, including mouse transgenic lines and recombinant adeno-associated virus (AAV) vectors containing genomic enhancers. We report evaluation of fifteen new transgenic driver lines and over 680 different enhancer AAVs covering all major subclasses of cortical cells, with many achieving a high degree of specificity, comparable with existing transgenic lines. We find that the transgenic lines based on marker genes can provide exceptional specificity and completeness of cell type labeling, but frequently require generation of a triple-transgenic cross for best usability/specificity. On the other hand, enhancer AAVs are easy to screen and use, and can be easily modified to express diverse cargo, such as recombinases. However, their use depends on many factors, such as viral titer and route of administration. The tools reported here as well as the scaled process of tool creation provide an unprecedented resource that should enable diverse experimental strategies towards understanding mammalian cortex and brain function.

Summary Experimental access to cell types within the mammalian spinal cord is severely limited by the availability of genetic tools. To enable access to lower motor neurons (LMNs) and LMN subtypes, which function to integrate information from the brain and control movement through direct innervation of effector muscles, we generated single cell multiome datasets from mouse and macaque spinal cords and discovered putative enhancers for each neuronal population. We cloned these enhancers into adeno-associated viral vectors (AAVs) driving a reporter fluorophore and functionally screened them in mouse. The most promising candidate enhancers were then extensively characterized using imaging and molecular techniques and further tested in rat and macaque to show conservation of LMN labeling. Additionally, we combined enhancer elements into a single vector to achieve simultaneous labeling of upper motor neurons (UMNs) and LMNs. This unprecedented LMN toolkit will enable future investigations of cell type function across species and potential therapeutic interventions for human neurodegenerative diseases.

We present an enhancer AAV toolbox for accessing and perturbing striatal cell types and circuits. Best-in-class vectors were curated for accessing major striatal neuron populations including medium spiny neurons (MSNs), direct and indirect pathway MSNs, as well as Sst-Chodl, Pvalb-Pthlh, and cholinergic interneurons. Specificity was evaluated by multiple modes of molecular validation, three different routes of virus delivery, and with diverse transgene cargos. Importantly, we provide detailed information necessary to achieve reliable cell type specific labeling under different experimental contexts. We demonstrate direct pathway circuit-selective optogenetic perturbation of behavior and multiplex labeling of striatal interneuron types for targeted analysis of cellular features. Lastly, we show conserved