We used the 10x Genomics Visium platform to define the spatial topography of gene expression in the six-layered human dorsolateral prefrontal cortex. We identified extensive layer-enriched expression signatures and refined associations to previous laminar markers. We overlaid our laminar expression signatures on large-scale single nucleus RNA-sequencing data, enhancing spatial annotation of expression-driven clusters. By integrating neuropsychiatric disorder gene sets, we showed differential layer-enriched expression of genes associated with schizophrenia and autism spectrum disorder, highlighting the clinical relevance of spatially defined expression. We then developed a data-driven framework to define unsupervised clusters in spatial transcriptomics data, which can be applied to other tissues or brain regions in which morphological architecture is not as well defined as cortical laminae. Last, we created a web application for the scientific community to explore these raw and summarized data to augment ongoing neuroscience and spatial transcriptomics research ( http://research.libd.org/spatialLIBD ). This study defined spatial gene expression in the human dorsolateral prefrontal cortex. It reveals layer-enriched expression of genes associated with schizophrenia and autism, highlighting the clinical relevance of spatially defined expression.

Abstract Single cell/nucleus technologies are powerful tools to study cell type-specific expression in the human brain, but most large-scale efforts have focused on characterizing cortical brain regions and their constituent cell types. However, additional brain regions - particularly those embedded in basal ganglia and limbic circuits - play important roles in neuropsychiatric disorders and addiction, suggesting a critical need to better understand their molecular characteristics. We therefore created a single-nucleus RNA-sequencing (snRNA-seq) resource across five human brain regions (hippocampus, HPC; dorsolateral prefrontal cortex, DLPFC; subgenual anterior cingulate cortex, sACC; nucleus accumbens, NAc; and amygdala, AMY), with emphasis on the NAc and AMY, given their involvement in reward signaling and emotional processing. We identified distinct and potentially novel neuronal subpopulations, which we validated by smFISH for various subclasses of NAc interneurons and medium spiny neurons (MSNs). We additionally benchmarked these datasets against published datasets for corresponding regions in rodent models to define cross-species convergence and divergence across analogous cell subclasses. We characterized the transcriptomic architecture of regionally-defined neuronal subpopulations, which revealed strong patterns of similarities in specific neuronal subclasses across the five profiled regions. Finally, we measured genetic associations between risk for psychiatric disease and substance use behaviors with each of the regionally-defined cell types. This analysis further supported NAc and AMY involvement in risk for psychiatric illness by implicating specific neuronal subpopulations, and highlighted potential involvement of an MSN population associated with stress signaling in genetic risk for substance use.

Abstract Background Spatial transcriptomics is a next-generation sequencing technology that combines the strengths of transcriptome-wide RNA-sequencing with histological imaging to generate spatial maps of gene expression in intact tissue sections. The 10x Genomics Visium and Visium-Immunofluorescence (Visium-IF) platforms are widely available commercial technologies for quantifying spatially-resolved gene expression. These technologies directly couple gene expression with high resolution histological or immunofluorescence images that contain rich morphological information about the tissue section. However, extracting and integrating image features with gene expression data remains challenging. Results Using MATLAB, we developed VistoSeg , which is a pipeline to process, analyze, and interactively visualize the high-resolution images from the 10x Genomics Visium and Visium-IF platforms. The output from VistoSeg can then be integrated with the spatial-molecular information in downstream analyses using common programming languages, such as R or Python. Conclusion VistoSeg provides user-friendly tools for integrating image-derived metrics from histological and immunofluorescent images with spatially-resolved gene expression data. This integrated approach can advance our understanding of the transcriptional landscape within tissue architecture. VistoSeg is freely available at http://research.libd.org/VistoSeg/ . Impact Statement Technologies for measuring gene activity levels, referred to as gene expression, have been evolving over decades and are the core of the transcriptomics subfield within genomics. The first report describing individual cell gene expression is from 2009 and as a method it became commercially available in 2014. While single cell transcriptomics increased our resolution beyond homogenate tissue, the advent of spatial transcriptomics technologies and commercial availability of spatial gene expression platforms, such as Visium, has facilitated studying gene expression in anatomical context. Visium measures local gene expression within the histological organization of single 6.5 mm 2 cryosection of tissue. Spatially-resolved transcriptomics provides a new challenge: integrating spatial gene expression with high resolution tissue images (brightfield histology or fluorescent antibody staining). VistoSeg image processing software is compatible with both Visium and Visium-IF from 10x Genomics, which are spatially-resolved transcriptomics assays employing histological and immunofluorescent images, respectively. From these images, the number of cells, identity of cell types, and other image-derived markers can be obtained for thousands of 2,375 µm 2 spots, where genome-wide gene expression is also measured. VistoSeg provides tools that enable processing these images in the context of gene expression maps to integrate these two high dimensional data types, and thus help unlock the new frontier in transcriptomics.

Abstract Motivation Spatially-resolved transcriptomics has now enabled the quantification of high-throughput and transcriptome-wide gene expression in intact tissue while also retaining the spatial coordinates. Incorporating the precise spatial mapping of gene activity advances our understanding of intact tissuespecific biological processes. In order to interpret these novel spatial data types, interactive visualization tools are necessary. Results We describe spatialLIBD , an R/Bioconductor package to interactively explore spatially-resolved transcriptomics data generated with the 10x Genomics Visium platform. The package contains functions to interactively access, visualize, and inspect the observed spatial gene expression data and data-driven clusters identified with supervised or unsupervised analyses, either on the user’s computer or through a web application. Availability spatialLIBD is available at bioconductor.org/packages/spatialLIBD. Supplementary information Supplementary data are available at Bioinformatics online.

Abstract Post-traumatic stress disorder (PTSD) is a debilitating neuropsychiatric disease with a projected lifetime risk of 8.7%. PTSD is highly comorbid with depressive disorders including major depressive disorder (MDD) and bipolar disorder (BD). It is hypothesized that the overlap in symptoms stems from partially shared underlying neurobiological mechanisms. To better understand shared and unique transcriptional patterns of PTSD and MDD we performed RNA-sequencing in the postmortem brain of two prefrontal cortex (PFC) regions and two amygdala (AMY) regions, from neurotypical donors (N=109) as well as donors with diagnoses of PTSD (N=107) or MDD (N=109) across 1285 RNA-seq samples. We identified a small number of differentially expressed genes (DEGs) specific to PTSD, mostly in the cortex compared to amygdala. PTSD-specific DEGs were preferentially enriched in cortistatin-expressing cells, a subpopulation of somatostatin interneurons. These PTSD DEGs also showed strong enrichment for gene sets associated with immune-related pathways and microglia, largely driven by decreased expression of these genes in PTSD donors. While we identified a greater number of DEGs for MDD, there were only a few that were specific to MDD as they showed high overlap with PTSD DEGs. Finally, we used weighted gene co-expression network analysis (WGCNA) as an orthogonal approach to confirm the observed cellular and molecular associations. These findings highlight the sub-population of cortistatin-expressing interneurons as having potential functional significance in PTSD and provide supporting evidence for dysregulated neuroinflammation and immune signaling in MDD and PTSD pathophysiology.

Abstract The locus coeruleus (LC), the major source of norepinephrine (NE) in the brain, is an early site of pathology in both Alzheimer’s disease (AD) and Parkinson’s disease (PD), and it undergoes catastrophic degeneration later in both disorders. Dysregulation of the LC is thought to contribute to prodromal symptoms of AD and PD such as anxiety and sleep disturbances, while frank LC-NE loss promotes cognitive decline. However, the mechanisms responsible for its selective vulnerability are unknown. The LC is among the only structures in the brain that produces appreciable amounts of neuromelanin (NM), a dark cytoplasmic pigment. It has been proposed that NM initially plays a protective role by sequestering toxic catecholamine metabolites and heavy metals, but may become harmful during aging as it overwhelms cellular machinery and is released during neurodegeneration. Rodents do not naturally produce NM, limiting the study of causal relationships between NM and LC pathology. Adapting a viral-mediated approach for expression of human tyrosinase, the enzyme responsible for peripheral melanin production, we successfully promoted pigmentation in mouse LC neurons that recapitulates key ultrastructural features of endogenous NM found in primates. Pigment expression results in LC neuron hyperactivity, reduced tissue NE levels, transcriptional changes, and novelty-induced anxiety phenotypes as early as 1-week post-injection. By 6-10 weeks, NM accumulation is associated with severe LC neuron neurodegeneration and microglial engulfment of the pigment granules, while the anxiety-like behavior is abated. These phenotypes are reminiscent of LC dysfunction and cell death in AD and PD, validating this model for studying the consequences of pigment accumulation in the LC as it relates to neurodegenerative disease.

Abstract Next-generation sequencing technologies have facilitated data-driven identification of gene sets with different features including genes with stable expression, cell-type specific expression, or spatially variable expression. Here, we aimed to define and identify a new class of “control” genes called Total RNA Expression Genes (TREGs), which correlate with total RNA abundance in heterogeneous cell types of different sizes and transcriptional activity. We provide a data-driven method to identify TREGs from single cell RNA-sequencing (RNA-seq) data, available as an R/Bioconductor package at https://bioconductor.org/packages/TREG . We demonstrated the utility of our method in the postmortem human brain using multiplex single molecule fluorescent in situ hybridization (smFISH) and compared candidate TREGs against classic housekeeping genes. We identified AKT3 as a top TREG across five brain regions, especially in the dorsolateral prefrontal cortex.

Abstract Background Cellular deconvolution of bulk RNA-sequencing (RNA-seq) data using single cell or nuclei RNA-seq (sc/snRNA-seq) reference data is an important strategy for estimating cell type composition in heterogeneous tissues, such as human brain. Computational methods for deconvolution have been developed and benchmarked against simulated data, pseudobulked sc/snRNA-seq data, or immunohistochemistry reference data. A major limitation in developing improved deconvolution algorithms has been the lack of integrated datasets with orthogonal measurements of gene expression and estimates of cell type proportions on the same tissue sample. Deconvolution algorithm performance has not yet been evaluated across different RNA extraction methods (cytosolic, nuclear, or whole cell RNA), different library preparation types (mRNA enrichment vs. ribosomal RNA depletion), or with matched single cell reference datasets. Results A rich multi-assay dataset was generated in postmortem human dorsolateral prefrontal cortex (DLPFC) from 22 tissue blocks. Assays included spatially-resolved transcriptomics, snRNA-seq, bulk RNA-seq (across six library/extraction RNA-seq combinations), and RNAScope/Immunofluorescence (RNAScope/IF) for six broad cell types. The Mean Ratio method, implemented in the DeconvoBuddies R package, was developed for selecting cell type marker genes. Six computational deconvolution algorithms were evaluated in DLPFC and predicted cell type proportions were compared to orthogonal RNAScope/IF measurements. Conclusions Bisque and hspe were the most accurate methods, were robust to differences in RNA library types and extractions. This multi-assay dataset showed that cell size differences, marker genes differentially quantified across RNA libraries, and cell composition variability in reference snRNA-seq impact the accuracy of current deconvolution methods.

Abstract Norepinephrine (NE) neurons in the locus coeruleus (LC) make long-range projections throughout the central nervous system, playing critical roles in arousal and mood, as well as various components of cognition including attention, learning, and memory. The LC-NE system is also implicated in multiple neurological and neuropsychiatric disorders. Importantly, LC-NE neurons are highly sensitive to degeneration in both Alzheimer’s and Parkinson’s disease. Despite the clinical importance of the brain region and the prominent role of LC-NE neurons in a variety of brain and behavioral functions, a detailed molecular characterization of the LC is lacking. Here, we used a combination of spatially-resolved transcriptomics and single-nucleus RNA-sequencing to characterize the molecular landscape of the LC region and the transcriptomic profile of LC-NE neurons in the human brain. We provide a freely accessible resource of these data in web-accessible and downloadable formats.

Abstract Importance Habenula (Hb) pathophysiology is involved in many neuropsychiatric disorders, including schizophrenia. Deep brain stimulation and pharmacological targeting of the Hb are emerging as promising therapeutic treatments. However, little is known about the cell type-specific transcriptomic organization of the human Hb or how it is altered in schizophrenia. Objective To define the molecular neuroanatomy of the human habenula and identify transcriptomic changes in individuals with schizophrenia compared to neurotypical controls. Design, Setting, and Participants This study utilized Hb-enriched postmortem human brain tissue. Single nucleus RNA-sequencing (snRNA-seq) and single molecule fluorescent in situ hybridization (smFISH) experiments were conducted to identify molecularly defined Hb cell types and map their spatial location (n=3-7 donors). Bulk RNA-sequencing and cell type deconvolution were used to investigate transcriptomic changes in Hb-enriched tissue from 35 individuals with schizophrenia and 33 neurotypical controls. Gene expression changes associated with schizophrenia in the Hb were compared to those previously identified in the dorsolateral prefrontal cortex (DLPFC), hippocampus, and caudate. Main Outcomes and Measures Semi-supervised snRNA-seq cell type clustering. Transcript visualization and quantification of smFISH probes. Bulk RNA-seq cell type deconvolution using reference snRNA-seq data. Schizophrenia-associated gene differential expression analysis adjusting for Hb and thalamus fractions, RNA degradation-associated quality surrogate variables, and other covariates. Cross-brain region schizophrenia-associated gene expression comparison. Results snRNA-seq identified 17 cell type clusters across 16,437 nuclei, including 3 medial and 7 lateral Hb populations. Cell types were conserved with those identified in a rodent model. smFISH for cell type marker genes validated snRNA-seq Hb cell types and depicted the spatial organization of subpopulations. Bulk RNA-seq analyses yielded 45 schizophrenia-associated differentially expressed genes (FDR < 0.05), with 32 (71%) unique to Hb-enriched tissue. Conclusions These results identify topographically organized cell types with distinct molecular signatures in the human Hb. They further demonstrate unique transcriptomic changes in the epithalamus associated with schizophrenia, thereby providing molecular insights into the role of Hb in neuropsychiatric disorders. Key Points Question What is the molecular and cellular organization of the human habenula and how is it uniquely disrupted in schizophrenia? Findings In this single cell and spatial transcriptomic study of postmortem human habenula, we identified 10 molecularly defined medial and lateral habenula cell types. Several of these subpopulations were topographically organized and conserved across species. Bulk RNA-sequencing and cell type deconvolution of habenula-enriched tissue samples from 35 subjects with schizophrenia and 33 neurotypical controls revealed both shared and unique transcriptomic changes associated with schizophrenia compared to other brain regions. Meaning The results of this study identify molecular changes in the human epithalamus associated with schizophrenia, further justifying the habenula as a relevant therapeutic target for neuropsychiatric disorders.