Mammalian cortex comprises a variety of cells, but the extent of this cellular diversity is unknown. The authors defined cell types in the primary visual cortex of adult mice using single-cell transcriptomics. This revealed 49 cell types, including 23 GABAergic, 19 glutamatergic and 7 non-neuronal types. Nervous systems are composed of various cell types, but the extent of cell type diversity is poorly understood. We constructed a cellular taxonomy of one cortical region, primary visual cortex, in adult mice on the basis of single-cell RNA sequencing. We identified 49 transcriptomic cell types, including 23 GABAergic, 19 glutamatergic and 7 non-neuronal types. We also analyzed cell type–specific mRNA processing and characterized genetic access to these transcriptomic types by many transgenic Cre lines. Finally, we found that some of our transcriptomic cell types displayed specific and differential electrophysiological and axon projection properties, thereby confirming that the single-cell transcriptomic signatures can be associated with specific cellular properties.

Understanding the diversity of cell types in the brain has been an enduring challenge and requires detailed characterization of individual neurons in multiple dimensions. To systematically profile morpho-electric properties of mammalian neurons, we established a single-cell characterization pipeline using standardized patch-clamp recordings in brain slices and biocytin-based neuronal reconstructions. We built a publicly accessible online database, the Allen Cell Types Database, to display these datasets. Intrinsic physiological properties were measured from 1,938 neurons from the adult laboratory mouse visual cortex, morphological properties were measured from 461 reconstructed neurons, and 452 neurons had both measurements available. Quantitative features were used to classify neurons into distinct types using unsupervised methods. We established a taxonomy of morphologically and electrophysiologically defined cell types for this region of the cortex, with 17 electrophysiological types, 38 morphological types and 46 morpho-electric types. There was good correspondence with previously defined transcriptomic cell types and subclasses using the same transgenic mouse lines. Gouwens et al. established a morpho-electrical taxonomy of cell types for the mouse visual cortex via unsupervised clustering analysis of multiple quantitative features from 1,938 neurons available online at the Allen Cell Types Database.

Neurons are frequently classified into distinct types on the basis of structural, physiological, or genetic attributes. To better constrain the definition of neuronal cell types, we characterized the transcriptomes and intrinsic physiological properties of over 4,200 mouse visual cortical GABAergic interneurons and reconstructed the local morphologies of 517 of those neurons. We find that most transcriptomic types (t-types) occupy specific laminar positions within visual cortex, and, for most types, the cells mapping to a t-type exhibit consistent electrophysiological and morphological properties. These properties display both discrete and continuous variation among t-types. Through multimodal integrated analysis, we define 28 met-types that have congruent morphological, electrophysiological, and transcriptomic properties and robust mutual predictability. We identify layer-specific axon innervation pattern as a defining feature distinguishing different met-types. These met-types represent a unified definition of cortical GABAergic interneuron types, providing a systematic framework to capture existing knowledge and bridge future analyses across different modalities.

ABSTRACT Understanding the diversity of cell types in the brain has been an enduring challenge and requires detailed characterization of individual neurons in multiple dimensions. To profile morpho-electric properties of mammalian neurons systematically, we established a single cell characterization pipeline using standardized patch clamp recordings in brain slices and biocytin-based neuronal reconstructions. We built a publicly-accessible online database, the Allen Cell Types Database, to display these data sets. Intrinsic physiological and morphological properties were measured from over 1,800 neurons from the adult laboratory mouse visual cortex. Quantitative features were used to classify neurons into distinct types using unsupervised methods. We establish a taxonomy of morphologically- and electrophysiologically-defined cell types for this region of cortex with 17 e-types and 35 m-types, as well as an initial correspondence with previously-defined transcriptomic cell types using the same transgenic mouse lines.

The brain contains an astronomical number of neurons, but it is their collective activity that underlies brain function. The number of degrees of freedom that this collective activity explores – its dimensionality – is therefore a fundamental signature of neural dynamics and computation (1–7). However, it is not known what controls this dimensionality in the biological brain – and in particular whether and how recurrent synaptic networks play a role (8–10). Through analysis of high-density Neuropixels recordings (11), we argue that areas across the mouse cortex operate in a sensitive regime that gives these synaptic networks a very strong role in controlling dimensionality. We show that this control is expressed across time, as cortical activity transitions among states with different dimensionalities. Moreover, we show that the control is mediated through highly tractable features of synaptic networks. We then analyze these key features via a massive synaptic physiology dataset (12). Quantifying these features in terms of cell-type specific network motifs, we find that the synaptic patterns that impact dimensionality are prevalent in both mouse and human brains. Thus local circuitry scales up systematically to help control the degrees of freedom that brain networks may explore and exploit.

Abstract To elucidate cortical microcircuit structure and synaptic properties we present a unique, extensive, and public synaptic physiology dataset and analysis platform. Through its application, we reveal principles that relate cell type to synapse properties and intralaminar circuit organization in the mouse and human cortex. The dynamics of excitatory synapses align with the postsynaptic cell subclass, whereas inhibitory synapse dynamics partly align with presynaptic cell subclass but with considerable overlap. Despite these associations, synaptic properties are heterogeneous in most subclass to subclass connections. The two main axes of heterogeneity are strength and variability. Cell subclasses divide along the variability axis, while the strength axis accounts for significant heterogeneity within the subclass. In human cortex, excitatory to excitatory synapse dynamics are distinct from those in mouse and short-term plasticity varies with depth across layers 2 and 3. With a novel connectivity analysis that enables fair comparisons between circuit elements, we find that intralaminar connection probability among cell subclasses exhibits a strong layer dependence.These and other findings combined with the analysis platform create new opportunities for the neuroscience community to advance our understanding of cortical microcircuits.

Abstract Generating a comprehensive description of cortical networks requires a large-scale, systematic approach. To that end, the Allen Institute is engaged in a pipeline project using multipatch electrophysiology, supplemented with 2-photon optogenetics, to characterize connectivity and synaptic signaling between classes of neurons in adult mouse and human cortex. We focus on producing results detailed enough for the generation of computational models and enabling comparison with future studies. Here we report our examination of intralaminar connectivity within each of several classes of excitatory neurons. We find that connections are sparse but present among all excitatory cell types and layers we sampled, with the most sparse connections in layers 5 and 6. Almost all mouse synapses exhibited short-term depression with similar dynamics. Synaptic signaling between a subset of layer 2/3 neurons; however, exhibited facilitation. These results contribute to a body of evidence describing recurrent excitatory connectivity as a conserved feature of cortical microcircuits.

Abstract Human cortical interneurons have been challenging to study due to high diversity and lack of mature brain tissue platforms and genetic targeting tools. We employed rapid GABAergic neuron viral labeling plus unbiased Patch-seq sampling in brain slices to define the signature morpho-electric properties of GABAergic neurons in the human neocortex. Viral targeting greatly facilitated sampling of the SST subclass, including primate specialized double bouquet cells which mapped to two SST transcriptomic types. Multimodal analysis uncovered an SST neuron type with properties inconsistent with original subclass assignment; we instead propose reclassification into PVALB subclass. Our findings provide novel insights about functional properties of human cortical GABAergic neuron subclasses and types and highlight the essential role of multimodal annotation for refinement of emerging transcriptomic cell type taxonomies. One Sentence Summary Viral genetic labeling of GABAergic neurons in human ex vivo brain slices paired with Patch-seq recording yields an in-depth functional annotation of human cortical interneuron subclasses and types and highlights the essential role of multimodal functional annotation for refinement of emerging transcriptomic cell type taxonomies.

Abstract Neocortical layer 1 (L1) is a site of convergence between pyramidal neuron dendrites and feedback axons where local inhibitory signaling can profoundly shape cortical processing. Evolutionary expansion of human neocortex is marked by distinctive pyramidal neuron types with extensive branching in L1, but whether L1 interneurons are similarly diverse is underexplored. Using patch-seq recordings from human neurosurgically resected tissues, we identified four transcriptomically defined subclasses, unique subtypes within those subclasses and additional types with no mouse L1 homologue. Compared with mouse, human subclasses were more strongly distinct from each other across all modalities. Accompanied by higher neuron density and more variable cell sizes compared with mouse, these findings suggest L1 is an evolutionary hotspot, reflecting the increasing demands of regulating the expanding human neocortical circuit. One Sentence Summary Using transcriptomics and morpho-electric analyses, we describe innovations in human neocortical layer 1 interneurons.

ABSTRACT Rodent studies have demonstrated that synaptic dynamics from excitatory to inhibitory neuron types are often dependent on the target cell type. However, these target cell-specific properties have not been well investigated in human cortex, where there are major technical challenges in reliably identifying cell types. Here, we take advantage of newly developed methods for human neurosurgical tissue analysis with multiple patch-clamp recordings, post-hoc fluorescent in situ hybridization (FISH), and prospective GABAergic AAV-based labeling to investigate synaptic properties between pyramidal neurons and PVALB- vs. SST- positive interneurons. We find that there are robust molecular differences in synapse-associated genes between these neuron types, and that individual presynaptic pyramidal neurons evoke postsynaptic responses with heterogeneous synaptic dynamics in different postsynaptic cell types. Using molecular identification with FISH and classifiers based on transcriptomically identified PVALB neurons analyzed with Patch-seq methods, we find that PVALB neurons typically show depressing synaptic characteristics, whereas other interneuron types including SST-positive neurons show facilitating characteristics. Together, these data support the existence of target cell-specific synaptic properties in human cortex that are similar to rodent, thereby indicating evolutionary conservation of local circuit connectivity motifs from excitatory to inhibitory neurons and their synaptic dynamics.