Summary

 Neurons transmit information to distant brain regions via long-range axonal projections. In the mouse, area-to-area connections have only been systematically mapped using bulk labeling techniques, which obscure the diverse projections of intermingled single neurons. Here we describe MAPseq (Multiplexed Analysis of Projections by Sequencing), a technique that can map the projections of thousands or even millions of single neurons by labeling large sets of neurons with random RNA sequences ("barcodes"). Axons are filled with barcode mRNA, each putative projection area is dissected, and the barcode mRNA is extracted and sequenced. Applying MAPseq to the locus coeruleus (LC), we find that individual LC neurons have preferred cortical targets. By recasting neuroanatomy, which is traditionally viewed as a problem of microscopy, as a problem of sequencing, MAPseq harnesses advances in sequencing technology to permit high-throughput interrogation of brain circuits.

Neocortical areas communicate through extensive axonal projections, but the logic of information transfer remains poorly understood, because the projections of individual neurons have not been systematically characterized. It is not known whether individual neurons send projections only to single cortical areas or distribute signals across multiple targets. Here we determine the projection patterns of 591 individual neurons in the mouse primary visual cortex using whole-brain fluorescence-based axonal tracing and high-throughput DNA sequencing of genetically barcoded neurons (MAPseq). Projections were highly diverse and divergent, collectively targeting at least 18 cortical and subcortical areas. Most neurons targeted multiple cortical areas, often in non-random combinations, suggesting that sub-classes of intracortical projection neurons exist. Our results indicate that the dominant mode of intracortical information transfer is not based on ‘one neuron–one target area’ mapping. Instead, signals carried by individual cortical neurons are shared across subsets of target areas, and thus concurrently contribute to multiple functional pathways. Tracing of projection neuron axons from the primary visual cortex to their targets shows that these neurons often project to multiple cortical areas of the mouse brain. Studies of cortical connectivity have produced a rough diagram of how different brain areas are connected. However, the projection patterns of individual neurons and the logic behind this pattern organization are not known. Thomas Mrsic-Flogel and colleagues use anatomical tracing and DNA barcoding to elucidate the connectivity of individual neurons in the visual cortex of mice. Although some individual neurons target a single cortical area exclusively, most of them broadcast information widely to multiple targets. These findings argue against previous notions that information transfer in the cortex occurs from neurons to specific areas.

Sleep quality declines with age; however, the underlying mechanisms remain elusive. We found that hyperexcitable hypocretin/orexin (Hcrt/OX) neurons drive sleep fragmentation during aging. In aged mice, Hcrt neurons exhibited more frequent neuronal activity epochs driving wake bouts, and optogenetic activation of Hcrt neurons elicited more prolonged wakefulness. Aged Hcrt neurons showed hyperexcitability with lower KCNQ2 expression and impaired M-current, mediated by KCNQ2/3 channels. Single-nucleus RNA-sequencing revealed adaptive changes to Hcrt neuron loss in the aging brain. Disruption of Kcnq2/3 genes in Hcrt neurons of young mice destabilized sleep, mimicking aging-associated sleep fragmentation, whereas the KCNQ-selective activator flupirtine hyperpolarized Hcrt neurons and rejuvenated sleep architecture in aged mice. Our findings demonstrate a mechanism underlying sleep instability during aging and a strategy to improve sleep continuity.

The neocortex is organized into distinct areas, whose interconnectivity underlies sensorimotor transformations and integration 1–7 . These behaviorally critical functions are mediated by intracortically-projecting neurons (ICPN), which are a heterogeneous population of cells sending axonal branches to distinct cortical areas as well as to subcortical targets 8–10 . Although population-based 11–14 and single-cell 15–19 intracortical wiring diagrams are being identified, the transcriptional signatures corresponding to single-cell axonal projections of ICPN to multiple sites remain unknown. To address this question, we developed a high-throughput approach, “Connect ID ”, to link connectome and transcriptome in single neurons. Connect ID combines MAPseq projection mapping 17,20 (to identify single-neuron multiplex projections) with single-cell RNA sequencing (to identify corresponding gene expression). Using primary somatosensory cortex (S1) ICPN as proof-of-principle neurons, we identify three cardinal targets: (1) the primary motor cortex (M1), (2) the secondary somatosensory cortex (S2) and (3) subcortical targets (Sub). Using Connect ID , we identify transcriptional modules whose combined activities reflect multiplex projections to these cardinal targets. Based on these findings, we propose that the combinatorial activity of connectivity-defined transcriptional modules serves as a generic molecular mechanism to create diverse axonal projection patterns within and across neuronal cell types.

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.

We analyze the scaling and cost-performance characteristics of current and projected connectomics approaches, with reference to the potential implications of recent advances in diverse contributing fields. Three generalized strategies for dense connectivity mapping at the scale of whole mammalian brains are considered: electron microscopic axon tracing, optical imaging of combinatorial molecular markers at synapses, and bulk DNA sequencing of trans-synaptically exchanged nucleic acid barcode pairs. Due to advances in parallel-beam instrumentation, whole mouse brain electron microscopic image acquisition could cost less than $100 million, with total costs presently limited by image analysis to trace axons through large image stacks. Optical microscopy at 50 to 100 nm isotropic resolution could potentially read combinatorially multiplexed molecular information from individual synapses, which could indicate the identifies of the pre-synaptic and post-synaptic cells without relying on axon tracing. An optical approach to whole mouse brain connectomics may be achievable for less than $10 million and could be enabled by emerging technologies to sequence nucleic acids in-situ in fixed tissue via fluorescent microscopy. Novel strategies relying on bulk DNA sequencing, which would extract the connectome without direct imaging of the tissue, could produce a whole mouse brain connectome for $100k to $1 million or a mouse cortical connectome for $10k to $100k. Anticipated further reductions in the cost of DNA sequencing could lead to a $1000 mouse cortical connectome.

Abstract The structure of neuronal connectivity often provides insights into the relevant stimulus features, such as spatial location, orientation, sound frequency, etc 1–6 . The olfactory system, however, appears to lack structured connectivity as suggested by reports of broad and distributed connections both from the olfactory bulb to the piriform cortex 7–22 and within the cortex 23–25 . These studies have inspired computational models of circuit function that rely on random connectivity 26–33 . It remains, nonetheless, unclear whether the olfactory connectivity contains spatial structure. Here, we use high throughput anatomical methods (MAPseq and BARseq) 34–38 to analyze the projections of 5,309 bulb and 30,433 piriform cortex output neurons in the mouse at single-cell resolution. We identify previously unrecognized spatial organization in connectivity along the anterior-posterior axis (A-P) of the piriform cortex. We find that both the bulb projections to the cortex and the cortical outputs are not random, but rather form gradients along the A-P axis. Strikingly, these gradients are matched : bulb neurons targeting a given location within the piriform cortex co-innervate extra-piriform regions that receive strong inputs from neurons within that piriform locus. We also identify signatures of local connectivity in the piriform cortex. Our findings suggest an organizing principle of matched direct and indirect olfactory pathways that innervate extra-piriform targets in a coordinated manner, thus supporting models of information processing that rely on structured connectivity within the olfactory system.

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.

The function of a neural circuit is determined by the details of its synaptic connections. At present, the only available method for determining a neural wiring diagram with single synapse precision--a "connectome"--is based on imaging methods that are slow, labor-intensive and expensive. Here we present SYNseq, a method for converting the connectome into a form that can exploit the speed and low cost of modern high-throughput DNA sequencing. In SYNseq, each neuron is labeled with a unique random nucleotide sequence--an RNA "barcode"--which is targeted to the synapse using engineered proteins. Barcodes in pre- and postsynaptic neurons are then associated through protein-protein crosslinking across the synapse, extracted from the tissue, and then joined into a form suitable for sequencing. Although at present the inefficiency in our hands of barcode joining precludes the widespread application of this approach, we expect that with further development SYNseq will enable tracing of complex circuits at high speed and low cost.

Which neural circuits undergo synaptic changes when an animal learns? Although it is widely accepted that changes in synaptic strength underlie many forms of learning and memory, it remains challenging to connect changes in synaptic strength at specific neural pathways to specific behaviors and memories. Here we introduce SYNPLA (SYNaptic Proximity Ligation Assay), a synapse-specific, high-throughput and potentially brain-wide method capable of detecting circuit-specific learning-induced synaptic plasticity.