The versatility of somatosensation arises from heterogeneous dorsal root ganglion (DRG) neurons. However, soma transcriptomes of individual human DRG (hDRG) neurons-critical in-formation to decipher their functions-are lacking due to technical difficulties. Here, we developed a novel approach to isolate individual hDRG neuron somas for deep RNA sequencing (RNA-seq). On average, >9,000 unique genes per neuron were detected, and 16 neuronal types were identified. Cross-species analyses revealed remarkable divergence among pain-sensing neurons and the existence of human-specific nociceptor types. Our deep RNA-seq dataset was especially powerful for providing insight into the molecular mechanisms underlying human somatosensation and identifying high potential novel drug targets. Our dataset also guided the selection of molecular markers to visualize different types of human afferents and the discovery of novel functional properties using single-cell in vivo electrophysiological recordings. In summary, by employing a novel soma sequencing method, we generated an unprecedented hDRG neuron atlas, providing new insights into human somatosensation, establishing a critical foundation for translational work, and clarifying human species-species properties.

Abstract Mice are the most commonly used model animals for itch research and for development of antiitch drugs. Most labs manually quantify mouse scratching behavior to assess itch intensity. This process is labor-intensive and limits large-scale genetic or drug screenings. In this study, we developed a new system, Scratch-AID ( A utomatic I tch D etection), which could automatically identify and quantify mouse scratching behavior with high accuracy. Our system included a custom-designed videotaping box to ensure high-quality and replicable mouse behavior recording and a convolutional recurrent neural network (CRNN) trained with frame-labeled mouse scratching behavior videos, induced by nape injection of chloroquine (CQ). The best trained network achieved 97.6% recall and 96.9% precision on previously unseen test videos. Remarkably, Scratch-AID could reliably identify scratching behavior in other major mouse itch models, including the acute cheek model, the histaminergic model, and a chronic itch model. Moreover, our system detected significant differences in scratching behavior between control and mice treated with an anti-itch drug. Taken together, we have established a novel deep learning-based system that is ready to replace manual quantification for mouse scratching behavior in different itch models and for drug screening.

The roles of Aβ low-threshold mechanoreceptors (LTMRs) in transmitting mechanical hyperalgesia and in alleviating chronic pain have been of great interest but remain contentious. Here we utilized intersectional genetic tools, optogenetics, and high-speed imaging to specifically examine functions of Split Cre labeled Aβ-LTMRs in this regard. Genetic ablation of Split Cre -Aβ-LTMRs increased mechanical pain but not thermosensation in both acute and chronic inflammatory pain conditions, indicating their modality-specific role in gating mechanical pain transmission. Local optogenetic activation of Split Cre -Aβ-LTMRs triggered nociception after tissue inflammation, whereas their broad activation at the dorsal column still alleviated mechanical hypersensitivity of chronic inflammation. Taking all data into consideration, we propose a new model, in which Aβ-LTMRs play distinctive local and global roles in transmitting and alleviating mechanical hyperalgesia of chronic pain, respectively. Our model suggests a new strategy of global activation plus local inhibition of Aβ-LTMRs for treating mechanical hyperalgesia.