Large scientific projects in genomics and astronomy are influential not because they answer any single question but because they enable investigation of continuously arising new questions from the same data-rich sources. Advances in automated mapping of the brain’s synaptic connections (connectomics) suggest that the complicated circuits underlying brain function are ripe for analysis. We discuss benefits of mapping a mouse brain at the level of synapses. Large scientific projects in genomics and astronomy are influential not because they answer any single question but because they enable investigation of continuously arising new questions from the same data-rich sources. Advances in automated mapping of the brain’s synaptic connections (connectomics) suggest that the complicated circuits underlying brain function are ripe for analysis. We discuss benefits of mapping a mouse brain at the level of synapses. In April 2019, the great molecular biologist Sydney Brenner died at the age of 92. Among his many accomplishments was a radical experiment: might it be possible to obtain the complete wiring diagram of an animal’s nervous system by serially sectioning it into many exceedingly thin slices, imaging each of these sections at high resolution with an electron microscope (EM), and painstakingly tracing each neuron’s branches and synaptic connections with other neurons? This audacious idea became reality in 1986 when Brenner, John White, and several other extraordinary scientists produced a 340 page magnum opus, “The Structure of the Nervous System of the Nematode Caenorhabditis elegans” (with the running head “The Mind of a Worm”) for the Philosophical Transactions of the Royal Society (White et al., 1986White J.G. Southgate E. Thomson J.N. Brenner S. The structure of the nervous system of the nematode Caenorhabditis elegans.Philos. Trans. R. Soc. Lond. B Biol. Sci. 1986; 314: 1-340Crossref PubMed Google Scholar). Brenner was interested in the relation between genes and behavior and wondered if behavioral mutants of this small worm might be explained by alterations in the structure of its nervous system. Such a strategy might be used to harvest principles of neural organization that underlie behavior. This work was ahead of its time. Computers, although tried, were not of much use: digital image processing was inadequate to the task, and as a consequence, everything was done by manual effort. Nonetheless, the result was a great accomplishment. One testament to its value is that this paper has been cited thousands of times, and in almost every year since its publication 33 years ago, the number of citations has increased. In addition to “The Mind of a Worm,” Brenner’s legacy has been the birth of the connectomics discipline, in which researchers in systems neuroscience, applied physics, and computer science have begun to collaborate on more automated and computer-assisted approaches to untangle ever-larger nervous systems. Efforts to reconstruct complete wiring diagrams of invertebrates and non-mammalian vertebrate nervous systems are now underway (Hildebrand et al., 2017Hildebrand D.G.C. Cicconet M. Torres R.M. Choi W. Quan T.M. Moon J. Wetzel A.W. Scott Champion A. Graham B.J. Randlett O. et al.Whole-brain serial-section electron microscopy in larval zebrafish.Nature. 2017; 545: 345-349Crossref PubMed Scopus (119) Google Scholar; Eichler et al., 2017Eichler K. Li F. Litwin-Kumar A. Park Y. Andrade I. Schneider-Mizell C.M. Saumweber T. Huser A. Eschbach C. Gerber B. et al.The complete connectome of a learning and memory centre in an insect brain.Nature. 2017; 548: 175-182Crossref PubMed Scopus (189) Google Scholar; Zheng et al., 2018Zheng Z. Lauritzen J.S. Perlman E. Robinson C.G. Nichols M. Milkie D. Torrens O. Price J. Fisher C.B. Sharifi N. et al.A Complete Electron Microscopy Volume of the Brain of Adult Drosophila melanogaster.Cell. 2018; 174: 730-743.e22Abstract Full Text Full Text PDF PubMed Scopus (223) Google Scholar; Scheffer et al., 2020Scheffer L.K. Xu C.S. Januszewski M. Lu Z. Takemura S.-Y. Hayworth K.J. Huang G.B. Shinomiya K. Maitin-Shepard J. Berg S. et al.A Connectome and Analysis of the Adult Drosophila Central Brain.bioRxiv. 2020; https://doi.org/10.1101/2020.04.07.030213Crossref Scopus (0) Google Scholar). The advent of large-scale connectomics data in Drosophila (Zheng et al., 2018Zheng Z. Lauritzen J.S. Perlman E. Robinson C.G. Nichols M. Milkie D. Torrens O. Price J. Fisher C.B. Sharifi N. et al.A Complete Electron Microscopy Volume of the Brain of Adult Drosophila melanogaster.Cell. 2018; 174: 730-743.e22Abstract Full Text Full Text PDF PubMed Scopus (223) Google Scholar), including a complete reconstruction of over 25,000 neurons in the central brain of the adult (Scheffer et al., 2020Scheffer L.K. Xu C.S. Januszewski M. Lu Z. Takemura S.-Y. Hayworth K.J. Huang G.B. Shinomiya K. Maitin-Shepard J. Berg S. et al.A Connectome and Analysis of the Adult Drosophila Central Brain.bioRxiv. 2020; https://doi.org/10.1101/2020.04.07.030213Crossref Scopus (0) Google Scholar), has been transformative. Roughly half of all reconstructed cells in Scheffer et al., 2020Scheffer L.K. Xu C.S. Januszewski M. Lu Z. Takemura S.-Y. Hayworth K.J. Huang G.B. Shinomiya K. Maitin-Shepard J. Berg S. et al.A Connectome and Analysis of the Adult Drosophila Central Brain.bioRxiv. 2020; https://doi.org/10.1101/2020.04.07.030213Crossref Scopus (0) Google Scholar were previously unknown, despite a substantial amount of prior work characterizing Drosophila cell types using molecular genetics, light microscopy, and other sparse neuroanatomical labeling techniques. The advantage of the volumetric EM reconstruction approach is that it provides an unbiased rendering of every cellular and subcellular structure in the nervous system. In the fly, more than 40 papers have presented novel findings based on connectomics. Each work is a detailed analysis with new discoveries, and, in toto, they contain the most detailed atlas of a nervous system ever assembled. These data are generating many hypotheses that are already being put to the test with new experiments. In areas of the fly brain that have seen particularly intense connectomic study, such as the mushroom body, central complex, and visual system, it is increasingly difficult to envision studies that ignore the insights generated by studying their connectomes. This recent progress raises the question of what the payoff would be to scale up whole-brain connectomics substantially to tackle nervous systems closer to our own. This question arises at a propitious moment. The advisory committee to the NIH Director for the Brain Research through Advancing Innovative Neurotechnologies (BRAIN) 2.0 Initiative has released an assessment of the progress in the BRAIN Initiative. In it, the advisory committee (which includes authors C.D., A.L.F., J.H.R.M., B.R.R., and D.T.) identifies mapping a whole mouse brain connectome as a transformative project “to apply new and emerging tools to revolutionize our understanding of brain circuits.” This project would be orders of magnitude larger than any previous connectome project (see Figure 1) and probably would be the largest project (if measured by data size) ever attempted in biology. Roughly 1 million terabytes of data will need to be acquired and analyzed to provide a complete mouse brain connectome that includes all interareal projections and all synaptic connections. Importantly, this project will require a consortium of academic, philanthropic, and corporate partners working in close cooperation. To be sure, this project will be an immense challenge. Many technical hurdles will need to be overcome such as uniform osmium staining of nearly a cubic centimeter of brain tissue, lossless sectioning and imaging of that volume at nanometer resolution, sufficient speed via parallelization to complete the map in years as opposed to decades, and scaling up the many essential computational methods that will need to be deployed. This effort will have a high price tag, likely to be hundreds of millions of dollars; although, once the infrastructure is in place, subsequent connectomes would be vastly less expensive. Perhaps the greatest, and most interesting, challenges will manifest only after the connectome is completed. For example, any mouse connectome will inevitably be unique; even isogenic worms have substantial inter-animal variations in their connectomes (Hall and Russell, 1991Hall D.H. Russell R.L. The posterior nervous system of the nematode Caenorhabditis elegans: serial reconstruction of identified neurons and complete pattern of synaptic interactions.J. Neurosci. 1991; 11: 1-22Crossref PubMed Google Scholar; Witvliet et al., 2020Witvliet D. Mulcahy B. Mitchell J.K. Meirovitch Y. Berger D.R. Wu Y. Liu Y. Koh W.X. Parvathala R. Holmyard D. et al.Connectomes across development reveal principles of brain maturation in C. elegans.bioRxiv. 2020; https://doi.org/10.1101/2020.04.30.066209Crossref Scopus (0) Google Scholar). Understanding statistical regularities and learning which variations are stochastic and which are secondary to an animal’s life history will help define the substrate upon which individuality rests and require comparisons between circuit maps within and between animals. Indeed, making sense of something as complex as the mammalian brain will be a supreme challenge and will require the development of novel theoretical and analytical approaches. There are many reasons that mapping the mouse connectome is both timely and important, some of which are described below. A nanometer-resolution image database and reconstructed connectome of a mouse brain will at a minimum provide (1) a complete census of anatomical cell types in the mouse brain, including their detailed morphology and some aspects of subcellular composition, (2) upstream and downstream synaptic partners for all neurons, including the precise long range targets of each axon, and (3) structural parameters of each synapse, such as bouton size and vesicle counts, that have been found to correlate with physiological parameters (Holler-Rickauer et al., 2019Holler-Rickauer S. Köstinger G. Martin K.A.C. Schuhknecht G.F.P. Stratford K.J. Structure and function of a neocortical synapse.bioRxiv. 2019; https://doi.org/10.1101/2019.12.13.875971Crossref Scopus (0) Google Scholar). These data will lay the foundation of all future studies of circuit-scale rodent neurobiology and enrich their conclusions. Light microscopy has emerged as a powerful technology for whole mouse brain mapping and has been applied to reconstruct the complete axonal arbors of individual neurons (Winnubst et al., 2019Winnubst J. Bas E. Ferreira T.A. Wu Z. Economo M.N. Edson P. Arthur B.J. Bruns C. Rokicki K. Schauder D. et al.Reconstruction of 1,000 Projection Neurons Reveals New Cell Types and Organization of Long-Range Connectivity in the Mouse Brain.Cell. 2019; 179: 268-281.e13Abstract Full Text Full Text PDF PubMed Scopus (83) Google Scholar). If a neuron’s axon enters a target brain region, the neuron is said to “project” to that region. The target region contains numerous neuronal cell types, and any given axon may prefer to make synaptic connections onto some types while avoiding others. Electron microscopy has sufficient resolving power to reveal connection preferences: for example, whether an axon has a bias for excitatory or for inhibitory cell types, or for the nearby apical dendrites of pyramidal neurons whose cell bodies reside in different cortical layers. Such distinctions have important functional consequences. A whole mouse brain connectome will reveal not only the targets of all axonal projections but also connection preferences of axons within their targets. We envision that this nanometer-scale mapping would be preceded by millimeter-scale mapping of the same mouse brain using non-invasive modalities like functional ultrasound, magnetic resonance imaging (MRI), functional MRI, and diffusion MRI. Comparing both non-invasive and connectomic maps of the same mouse brain would enhance our understanding of the structural underpinnings of the signals measured by current non-invasive techniques, which are widely applied to the human brain. Individual mammalian animals (including and especially humans) generate a stable behavioral repertoire that is based in part on the particular experiences they have had. Experiences are known to alter connections between nerve cells (Kessels and Malinow, 2009Kessels H.W. Malinow R. Synaptic AMPA receptor plasticity and behavior.Neuron. 2009; 61: 340-350Abstract Full Text Full Text PDF PubMed Scopus (680) Google Scholar), and in this sense, much information is likely stored in the particularities of an individual’s wiring diagram. This form of information storage is profoundly different from other types, such as hereditary information stored in DNA or digital information stored in computer memory, and much remains to be learned about it. The first complete mouse connectome will provide a baseline for comparisons; later work using the same brain mapping infrastructure will reveal aspects of neural circuits that are preserved from one animal to another, presumably based on inheritance, and importantly the ways in which connections vary between individuals, presumably based in part on different experiences. Understanding this variability likely holds a key to deciphering how experiences are stored in the brain, a profoundly interesting and important aspect of our own makeup. In contrast to most diseases in the rest of the body, common disorders altering brain function such as autism and schizophrenia (which affect more than 7 million Americans) are defined mainly by their behavioral symptoms and largely lack explanations based on underlying brain abnormalities. Hence treatments, such as they are, only mitigate the outward manifestations of the disorder rather than addressing underlying causes. This is an untenable situation: significant therapeutic breakthroughs are rare if the therapy is not focused on the root causes. Encouraging progress is being made in identifying genetic underpinnings (Chen et al., 2015Chen J.A. Peñagarikano O. Belgard T.G. Swarup V. Geschwind D.H. The emerging picture of autism spectrum disorder: genetics and pathology.Annu. Rev. Pathol. 2015; 10: 111-144Crossref PubMed Scopus (148) Google Scholar). Genes and environmental influences likely lead to neuropathologies that could be proximate causes of autism and schizophrenia (Chen et al., 2015Chen J.A. Peñagarikano O. Belgard T.G. Swarup V. Geschwind D.H. The emerging picture of autism spectrum disorder: genetics and pathology.Annu. Rev. Pathol. 2015; 10: 111-144Crossref PubMed Scopus (148) Google Scholar). For most diseases, pathology (the study of diseased tissues, often with microscopy) has played a central role because it provides strong clues about proximate causes. This is immensely more challenging in the brain because normal function is based on a vast number of interconnected neuronal branches. Neurons (especially their axons) extend for long distances through a thick volume, and therefore it is impossible to see a complete neuron in a single brain section, much less an entire circuit that may be abnormal in a disease. This may help explain why many disorders of brain function show no clear-cut pathological changes. Presumably, it is not that brain disorders occur without pathology but rather that the traditional tools used in pathology are inadequate. Apprehending complete brain circuits requires the use of connectomic imaging approaches over large volumes to trace out small neuronal branches and their synapses. Wiring disorders surely account for at least some chronic disorders of brain function. Where might we get early insights into such “connectopathies”? The mouse is an excellent animal model for studying abnormal brain connectivity because there are many mouse models of a wide range of brain disorders (Del Pino et al., 2018Del Pino I. Rico B. Marín O. Neural circuit dysfunction in mouse models of neurodevelopmental disorders.Curr. Opin. Neurobiol. 2018; 48: 174-182Crossref PubMed Scopus (37) Google Scholar). The mouse has many organizational characteristics found in the human nervous system, and we believe it is technically feasible to map the complete mouse connectome (but not the complete human connectome) in the near future. The brains of all mammals contain many of the same cortical and subcortical regions, interareal projections, and connectional organization within regions. Therefore, one can learn a lot about normal human brain organization from the normal mouse brain and obtain insights into human diseases from mouse models. The first step would be to learn what the normal wiring diagram is, and that is what a mouse connectome would achieve. Importantly, once the connectomics infrastructure is set up at the scale required to map a whole mouse brain, it should be feasible to do many additional connectomes (intra-areal and whole brain) of animal models of brain disorders, including non-human primate models such as the marmoset and macaque, which more closely resemble the human. In this way the nascent field of connectopathology, which currently focuses mainly on human neuroimaging (Rubinov and Bullmore, 2013Rubinov M. Bullmore E. Schizophrenia and abnormal brain network hubs.Dialogues Clin. Neurosci. 2013; 15: 339-349Crossref PubMed Google Scholar; Van Essen and Barch, 2015Van Essen D.C. Barch D.M. The human connectome in health and psychopathology.World Psychiatry. 2015; 14: 154-157Crossref PubMed Scopus (21) Google Scholar), would synergize more strongly with animal models, with the hope of putting the etiologies of psychiatric and developmental brain disorders on a firmer footing. Seventy-five years ago, the neuroscientist and mathematician duo McCulloch and Pitts proposed that simple model neurons could be wired together in specific ways to compute interesting functions—a brain-inspired concept which underlies the artificial neural networks that dominate much of today’s work in artificial intelligence (AI) (McCulloch and Pitts, 1943McCulloch W.S. Pitts W. A Logical Calculus of the Ideas Immanent in Nervous Activity.Bull. Math. Biophys. 1943; 5: 115-133Crossref Scopus (8112) Google Scholar). Sixty years ago, Nobel prize-winning neuroscientists Hubel and Wiesel identified “simple” and “complex” cells in cat visual cortex that AI pioneers subsequently interpreted as operating as a “convolutional neural network,” a visual processing architecture that has proven to be an extraordinarily successful and economically important invention in modern computing. Neuroscience has thus already had a profound impact on the development of AI. But what will the mouse connectome specifically offer AI engineers and computer scientists? We describe several of the most important possibilities: 1. A blueprint for cognitive computing systems. AI researchers have been successful in steadily improving systems with fairly narrow competencies such as classifying images, playing board games, or transcribing speech. There has been a notable lack of success in creating computer systems that combine diverse capabilities into a generally capable intelligence that rivals the flexibility of biological intelligence. One likely reason for this is the absence of compelling principles or theories that could guide the design of such an integrative system. Studying biological intelligence offers an alternative path forward: in the mammalian brain, nature has evolved a general architecture found in all mammals including humans that provides varying degrees of intelligence. This solution is implemented in organisms whose brains span five orders of magnitude in size, while achieving astonishing feats of multi-modal sensorimotor integration, perception, planning, reasoning, prediction, and memory. The mouse connectome will provide a comprehensive description of brain-wide synapse level communication pathways and circuit motifs that underpin the fundamental principles of biological intelligence and may guide us to the construction of integrative AI systems with comparable attributes. 2. A blueprint for data-efficient learning. Hallmarks of human and animal learning are profound capabilities in (1) “unsupervised learning,” which enables adaptation to environmental circumstances in the absence of specific “labels” or other instructions, and (2) “few shot learning,” which enables generalization from just a few examples of a stimulus or phenomenon. In contrast, today’s AI systems often require millions or billions of human-labeled data points in order to perform a useful task. As mentioned earlier, the acquisition of wiring diagrams across multiple individuals will yield insights into how experiences shape neural connections. Such insights into the principles behind biological learning could lead to new algorithms for effective unsupervised and few-shot learning, complementing ongoing efforts by AI researchers. 3. A blueprint for energy-efficient computing. Supercomputers that today struggle to reproduce mouse-level intelligence occupy football-field sized buildings and consume megawatts of energy. Clearly, we have much to learn from biology about efficient computing. There are many differences between brains and computers including the complexity of the components, the degree of parallel processing (much greater in brains), the flow of electricity across, as well as along, fine neural branches, and the combination of chemical and electrical signaling. A mouse connectome will provide a detailed plan of how an efficient computing machine is implemented in nature and thus accelerate progress toward energy-efficient AI. The mammalian brain is probably the most impressive intelligent system in the natural world with our own brain being at the top of the heap. However, despite our intelligence and centuries of inquiry, we still have a paltry sense of how it works. What we do know is that the complex patterns of synaptic connectivity are almost certainly at the heart of its function. It is now time to gain access to these neural circuits and analyze them. For technical reasons, mapping a mouse brain is at present far more feasible than a human one, but even a mouse connectome will be a supreme challenge. Only a unified effort, at the frontiers of technological capability, can ultimately provide such a dataset. We have outlined several fundamental areas of science that are likely to advance from studying such data, including the description of the brain in terms of its cell types, the structural basis of memories, a better understanding of brain disease, and principles of biological intelligence. However, like genomes and large-scale cosmological surveys, which led to discoveries that were largely unexplainable in a previous era of investigation, we predict that a whole-brain mammalian connectome will generate entirely new and unanticipated questions about the nervous system and perhaps represent a turning point in the pursuit of understanding what makes us the unique animals that we are.

Abstract The ability to obtain single cell transcriptomes for stable cell types and dynamic cell states is ushering in a new era for biology. We created the Tabula Drosophilae , a single cell atlas of the adult fruit fly which includes 580k cells from 15 individually dissected sexed tissues as well as the entire head and body. Over 100 researchers from the fly community contributed annotations to >250 distinct cell types across all tissues. We provide an in-depth analysis of cell type-related gene signatures and transcription factor markers, as well as sexual dimorphism, across the whole animal. Analysis of common cell types that are shared between tissues, such as blood and muscle cells, allowed the discovery of rare cell types and tissue-specific subtypes. This atlas provides a valuable resource for the entire Drosophila community and serves as a comprehensive reference to study genetic perturbations and disease models at single cell resolution.

Abstract How have complex brains evolved from simple circuits? Here we investigated brain region evolution at cell type resolution in the cerebellar nuclei (CN), the output structures of the cerebellum. Using single-nucleus RNA sequencing in mice, chickens, and humans, as well as STARmap spatial transcriptomic analysis and whole-CNS projection tracing in mice, we identified a conserved cell type set containing two classes of region-specific excitatory neurons and three classes of region-invariant inhibitory neurons. This set constitutes an archetypal CN that was repeatedly duplicated to form new regions. Interestingly, the excitatory cell class that preferentially funnels information to lateral frontal cortices in mice becomes predominant in the massively expanded human Lateral CN. Our data provide the first characterization of CN transcriptomic cell types in three species and suggest a model of brain region evolution by duplication and divergence of entire cell type sets.

Abstract Recognition of environmental cues is essential for the survival of all organisms. Precise transcriptional changes occur to enable the generation and function of the neural circuits underlying sensory perception. To gain insight into these changes, we generated single-cell transcriptomes of Drosophila olfactory receptor neurons (ORNs), thermosensory and hygrosensory neurons from the third antennal segment at an early developmental and adult stage. We discovered that ORNs maintain expression of the same olfactory receptors across development. Using these receptors and computational approaches, we matched transcriptomic clusters corresponding to anatomically and physiologically defined neuronal types across multiple developmental stages. Cell-type-specific transcriptomes, in part, reflected axon trajectory choices in early development and sensory modality in adults. Our analysis also uncovered type-specific and broadly expressed genes that could modulate adult sensory responses. Collectively, our data reveal important transcriptomic features of sensory neuron biology and provides a resource for future studies of their development and physiology.

SUMMARY Like humans, insects rely on precise regulation of their internal environments to survive. The insect renal system consists of Malpighian tubules and nephrocytes that share similarities to the mammalian kidney. Studies of the Drosophila Malpighian tubules and nephrocytes have provided many insights into our understanding of the excretion of waste products, stem cell regeneration, protein reabsorption, and as human kidney disease models. Here, we analyzed single-nucleus RNA sequencing (snRNA-seq) data sets to characterize the cell types of the adult fly kidney. We identified 11 distinct clusters representing renal stem cells (RSCs), stellate cells (SCs), regionally specific principal cells (PCs), garland nephrocyte cells (GCs) and pericardial nephrocytes (PNs). Analyses of these clusters revealed many new interesting features. For example, we found a new, previously unrecognized cell cluster: lower segment PCs that express Esyt2 . In addition, we find that the SC marker genes RhoGEF64c , Frq2 , Prip and CG10939 regulate their unusual cell shape. Further, we identified transcription factors specific to each cluster and built a network of signaling pathways that are potentially involved in mediating cell-cell communication between Malpighian tubule cell types. Finally, cross-species analysis allowed us to match the fly kidney cell types to mouse kidney cell types and planarian protonephridia - knowledge that will help the generation of kidney disease models. To visualize this dataset, we provide a web-based resource for gene expression in single cells ( https://www.flyrnai.org/scRNA/kidney/ ). Altogether, our study provides a comprehensive resource for addressing gene function in the fly kidney and future disease studies.

In classical cerebellar learning, Purkinje cells (PkCs) associate climbing fiber (CF) error signals with predictive granule cells (GrCs) that were active just prior (∼150 ms). The cerebellum also contributes to behaviors characterized by longer timescales. To investigate how GrC-CF-PkC circuits might learn seconds-long predictions, we imaged simultaneous GrC-CF activity over days of forelimb operant conditioning for delayed water reward. As mice learned reward timing, numerous GrCs developed anticipatory activity ramping at different rates until reward delivery, followed by widespread time-locked CF spiking. Relearning longer delays further lengthened GrC activations. We computed CF-dependent GrC→PkC plasticity rules, demonstrating that reward-evoked CF spikes sufficed to grade many GrC synapses by anticipatory timing. We predicted and confirmed that PkCs could thereby continuously ramp across seconds-long intervals from movement to reward. Learning thus leads to new GrC temporal bases linking predictors to remote CF reward signals-a strategy well suited for learning to track the long intervals common in cognitive domains.

Abstract Parallel information processing is a salient feature of complex nervous systems. For example, the medial and lateral hippocampal networks (MHN and LHN) preferentially process spatial- and object-related information, respectively. However, the mechanisms underlying parallel network assembly during development remain largely unknown. Here, we show that complementary expression of cell-surface molecules Teneurin-3 (Ten3) and Latrophilin-2 (Lphn2) in the MHN and LHN, respectively, guides the precise assembly of both the MHN and LHN. Viral-genetic perturbations in vivo demonstrate that Ten3+ axons are repelled by target-derived Lphn2, revealing that Lphn2/Ten3-mediated repulsion and Ten3/Ten3-mediated attraction cooperate to control precise target selection of MHN axons. In the LHN, Lphn2+ axons are confined to Lphn2+ targets via repulsion from Ten3+ targets. Our findings demonstrate that assembly of parallel hippocampal networks follows a ‘Ten3→Ten3, Lphn2→Lphn2’ rule instructed by reciprocal repulsions.

Abstract Cerebellar granule cells (GrCs) are usually regarded as a uniform cell type that collectively expands the coding space of the cerebellum by integrating diverse combinations of mossy fiber inputs. Accordingly, stable molecularly or physiologically defined GrC subtypes within a single cerebellar region have not been reported. The only known cellular properties that distinguishes otherwise homogeneous GrCs is the correspondence between GrC birthtime and the depth of the molecular layer to which their axons (parallel fibers) project. To determine the role birth timing plays in GrC wiring and function, we developed genetic strategies to access early- and late-born GrCs. We initiated retrograde monosynaptic rabies virus tracing from control, early-born, and late-born GrCs, revealing the different patterns of mossy fiber input to GrCs in vermis lobule 6 and simplex, as well as to early- and late-born GrCs of vermis lobule 6: sensory and motor nuclei provide more input to early-born GrCs, while basal pontine and cerebellar nuclei provide more input to late-born GrCs. In vivo multi-depth 2-photon Ca 2+ imaging of parallel fibers of early- and late-born GrCs revealed representations of diverse task variables and stimuli by both populations, with differences in the proportions of parallel fibers encoding movement, reward anticipation, and reward consumption. Our results suggest neither organized parallel processing nor completely random organization of mossy fiber→GrC circuitry, but instead a moderate influence of birth timing on GrC wiring and encoding. Our imaging data also suggest that GrCs can represent general aversiveness, in addition to recently described reward representations. Significance Statement Cerebellar granule cells (GrCs) comprise the majority of all neurons in the mammalian brain and are usually regarded as a uniform cell type. However, the birth timing of an individual GrC dictates where its axon projects. Using viral-genetic techniques, we find that early- and late-born GrCs receive different proportions of inputs from the same set of input regions. Using in vivo multi-depth 2-photon Ca 2+ imaging of axons of early- and late-born GrCs, we found that both populations represent diverse task variables and stimuli, with differences in the proportions of axons in encoding of a subset of movement and reward parameters. These results indicate that birth timing contributes to the input selection and physiological response properties of GrCs.

Background: Pressure injuries are present in all healthcare environments and not only pose a significant health risk to individuals but also impose a heavy economic burden on society and families. Nurses, as the primary caregivers responsible for the prevention and management of pressure injuries, have knowledge that directly determines the incidence of pressure injuries. Aim: To understand the current status of nurses' knowledge of pressure injuries in Shaanxi Province and the factors influencing it. Design: A cross-sectional survey. Methods: In April - May 2022, 16,599 nurses from hospitals at all levels in Shaanxi Province were selected as survey subjects by convenience sampling method. They were surveyed using the general information questionnaire and the Pieper-Zulkowski pressure injury Knowledge Questionnaire through the Questionnaire Star platform. Results: 16,599 nurses had a pressure injury knowledge score of (44.32± 10.11). Wound description and pressure ulcer staging dimensions were less than 60% correct. Comparison of pressure injury knowledge scores of nursing staff with different genders, hospital levels, titles, education, whether they were specialized nurses in wound stoma when they last attended a lecture on pressure ulcers, when they last read literature or books on pressure ulcers, and whether they ever looked for information about pressure ulcers on the Internet showed that the differences were statistically significant ( P < 0.05), which were the influencing factors of the knowledge scores of the nursing staff in Shaanxi Province. Conclusion: Clinical nurses' awareness of stress-related injuries still needs to be improved, and nursing administrators can improve the quality of pressure-related injury care by increasing nursing staff's awareness through continuing education, tiered training, and other measures. Keywords: pressure injury, knowledge, prevention, management, influencing factor

SUMMARY The synaptotrophic hypothesis posits that synapse formation stabilizes dendritic branches, yet this hypothesis has not been causally tested in vivo in the mammalian brain. Presynaptic ligand cerebellin-1 (Cbln1) and postsynaptic receptor GluD2 mediate synaptogenesis between granule cells and Purkinje cells in the molecular layer of the cerebellar cortex. Here we show that sparse but not global knockout of GluD2 causes under-elaboration of Purkinje cell dendrites in the deep molecular layer and overelaboration in the superficial molecular layer. Developmental, overexpression, structure-function, and genetic epistasis analyses indicate that dendrite morphogenesis defects result from competitive synaptogenesis in a Cbln1/GluD2-dependent manner. A generative model of dendritic growth based on competitive synaptogenesis largely recapitulates GluD2 sparse and global knockout phenotypes. Our results support the synaptotrophic hypothesis at initial stages of dendrite development, suggest a second mode in which cumulative synapse formation inhibits further dendrite growth, and highlight the importance of competition in dendrite morphogenesis.