The mammalian brain consists of millions to billions of cells that are organized into many cell types with specific spatial distribution patterns and structural and functional properties1-3. Here we report a comprehensive and high-resolution transcriptomic and spatial cell-type atlas for the whole adult mouse brain. The cell-type atlas was created by combining a single-cell RNA-sequencing (scRNA-seq) dataset of around 7 million cells profiled (approximately 4.0 million cells passing quality control), and a spatial transcriptomic dataset of approximately 4.3 million cells using multiplexed error-robust fluorescence in situ hybridization (MERFISH). The atlas is hierarchically organized into 4 nested levels of classification: 34 classes, 338 subclasses, 1,201 supertypes and 5,322 clusters. We present an online platform, Allen Brain Cell Atlas, to visualize the mouse whole-brain cell-type atlas along with the single-cell RNA-sequencing and MERFISH datasets. We systematically analysed the neuronal and non-neuronal cell types across the brain and identified a high degree of correspondence between transcriptomic identity and spatial specificity for each cell type. The results reveal unique features of cell-type organization in different brain regions-in particular, a dichotomy between the dorsal and ventral parts of the brain. The dorsal part contains relatively fewer yet highly divergent neuronal types, whereas the ventral part contains more numerous neuronal types that are more closely related to each other. Our study also uncovered extraordinary diversity and heterogeneity in neurotransmitter and neuropeptide expression and co-expression patterns in different cell types. Finally, we found that transcription factors are major determinants of cell-type classification and identified a combinatorial transcription factor code that defines cell types across all parts of the brain. The whole mouse brain transcriptomic and spatial cell-type atlas establishes a benchmark reference atlas and a foundational resource for integrative investigations of cellular and circuit function, development and evolution of the mammalian brain.

Abstract Spatially resolved transcriptomics technologies have significantly enhanced our ability to understand cellular characteristics within tissue contexts. However, they present a trade-off between spatial resolution and transcriptome coverage. This limitation, compounded with analytical tools treating cell type inference and cellular neighbourhood identification as separate processes, hinders a unified understanding of tissue features across scales. Our computational framework, SPARROW, infers cell types and delineates cellular organization patterns as microenvironment zones using an interconnected architecture. SPARROW algorithmically achieves single cell spatial resolution and whole transcriptome coverage by integrating spatially resolved transcriptomics and scRNA-seq data. Using SPARROW, we identified established and novel microenvironment zone-specific ligand-receptor mediated interactions in human tonsils, discoveries that would not be possible using either modality alone. Moreover, SPARROW uncovered novel cell states in the mouse hypothalamus, underscoring the influence of microenvironment zones on cell identities. Lastly, through its common latent spaces that facilitate cross-tissue comparisons, SPARROW revealed distinct inflammation states between different lymph node tissues. Overall, SPARROW integrates cellular gene expression with spatial organization, providing a comprehensive characterization of tissue features across scales and samples.

Abstract Alzheimer’s disease (AD) is the most common cause of dementia in older adults. Neuropathological and imaging studies have demonstrated a progressive and stereotyped accumulation of protein aggregates, but the underlying molecular and cellular mechanisms driving AD progression and vulnerable cell populations affected by disease remain coarsely understood. The current study harnesses single cell and spatial genomics tools and knowledge from the BRAIN Initiative Cell Census Network to understand the impact of disease progression on middle temporal gyrus cell types. We used image-based quantitative neuropathology to place 84 donors spanning the spectrum of AD pathology along a continuous disease pseudoprogression score and multiomic technologies to profile single nuclei from each donor, mapping their transcriptomes, epigenomes, and spatial coordinates to a common cell type reference with unprecedented resolution. Temporal analysis of cell-type proportions indicated an early reduction of Somatostatin-expressing neuronal subtypes and a late decrease of supragranular intratelencephalic-projecting excitatory and Parvalbumin-expressing neurons, with increases in disease-associated microglial and astrocytic states. We found complex gene expression differences, ranging from global to cell type-specific effects. These effects showed different temporal patterns indicating diverse cellular perturbations as a function of disease progression. A subset of donors showed a particularly severe cellular and molecular phenotype, which correlated with steeper cognitive decline. We have created a freely available public resource to explore these data and to accelerate progress in AD research at SEA-AD.org .

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.

Abstract Proper brain function requires the assembly and function of diverse populations of neurons and glia. Single cell gene expression studies have mostly focused on characterization of neuronal cell diversity; however, recent studies have revealed substantial diversity of glial cells, particularly astrocytes. To better understand glial cell types and their roles in neurobiology, we built a new suite of adeno-associated viral (AAV)-based genetic tools to enable genetic access to astrocytes and oligodendrocytes. These oligodendrocyte and astrocyte enhancer-AAVs are highly specific (usually > 95% cell type specificity) with variable expression levels, and our astrocyte enhancer-AAVs show multiple distinct expression patterns reflecting the spatial distribution of astrocyte cell types. To provide the best glial-specific functional tools, several enhancer-AAVs were: optimized for higher expression levels, shown to be functional and specific in rat and macaque, shown to maintain specific activity in epilepsy where traditional promoters changed activity, and used to drive functional transgenes in astrocytes including Cre recombinase and acetylcholine-responsive sensor iAChSnFR. The astrocyte-specific iAChSnFR revealed a clear reward-dependent acetylcholine response in astrocytes of the nucleus accumbens during reinforcement learning. Together, this collection of glial enhancer-AAVs will enable characterization of astrocyte and oligodendrocyte populations and their roles across species, disease states, and behavioral epochs.