Understanding the cell–cell interactions that control CNS development and function has long been limited by the lack of methods to cleanly separate neural cell types. Here we describe methods for the prospective isolation and purification of astrocytes, neurons, and oligodendrocytes from developing and mature mouse forebrain. We used FACS (fluorescent-activated cell sorting) to isolate astrocytes from transgenic mice that express enhanced green fluorescent protein (EGFP) under the control of an S100β promoter. Using Affymetrix GeneChip Arrays, we then created a transcriptome database of the expression levels of >20,000 genes by gene profiling these three main CNS neural cell types at various postnatal ages between postnatal day 1 (P1) and P30. This database provides a detailed global characterization and comparison of the genes expressed by acutely isolated astrocytes, neurons, and oligodendrocytes. We found that Aldh1L1 is a highly specific antigenic marker for astrocytes with a substantially broader pattern of astrocyte expression than the traditional astrocyte marker GFAP. Astrocytes were enriched in specific metabolic and lipid synthetic pathways, as well as the draper/Megf10 and Mertk/integrin α v β 5 phagocytic pathways suggesting that astrocytes are professional phagocytes. Our findings call into question the concept of a “glial” cell class as the gene profiles of astrocytes and oligodendrocytes are as dissimilar to each other as they are to neurons. This transcriptome database of acutely isolated purified astrocytes, neurons, and oligodendrocytes provides a resource to the neuroscience community by providing improved cell-type-specific markers and for better understanding of neural development, function, and disease.

Reactive astrogliosis is characterized by a profound change in astrocyte phenotype in response to all CNS injuries and diseases. To better understand the reactive astrocyte state, we used Affymetrix GeneChip arrays to profile gene expression in populations of reactive astrocytes isolated at various time points after induction using two mouse injury models, ischemic stroke and neuroinflammation. We find reactive gliosis consists of a rapid, but quickly attenuated, induction of gene expression after insult and identify induced Lcn2 and Serpina3n as strong markers of reactive astrocytes. Strikingly, reactive astrocyte phenotype strongly depended on the type of inducing injury. Although there is a core set of genes that is upregulated in reactive astrocytes from both injury models, at least 50% of the altered gene expression is specific to a given injury type. Reactive astrocytes in ischemia exhibited a molecular phenotype that suggests that they may be beneficial or protective, whereas reactive astrocytes induced by LPS exhibited a phenotype that suggests that they may be detrimental. These findings demonstrate that, despite well established commonalities, astrocyte reactive gliosis is a highly heterogeneous state in which astrocyte activities are altered to respond to the specific injury. This raises the question of how many subtypes of reactive astrocytes exist. Our findings provide transcriptome databases for two subtypes of reactive astrocytes that will be highly useful in generating new and testable hypotheses of their function, as well as for providing new markers to detect different types of reactive astrocytes in human neurological diseases.

Significance Microglia are the tissue resident macrophages of the brain and spinal cord, implicated in important developmental, homeostatic, and disease processes, although our understanding of their roles is complicated by an inability to distinguish microglia from related cell types. Although they share many features with other macrophages, microglia have distinct developmental origins and functions. Here we validate a stable and robustly expressed microglial marker for both mouse and human, transmembrane protein 119 (Tmem119). We use custom-made antibodies against Tmem119 to perform deep RNA sequencing of developing microglia, and demonstrate that microglia mature by the second postnatal week in mice. The antibodies, cell isolation methods, and RNAseq profiles presented here will greatly facilitate our understanding of microglial function in health and disease.

SummaryTo investigate the role of microRNAs in regulating oligodendrocyte (OL) differentiation and myelination, we utilized transgenic mice in which microRNA processing was disrupted in OL precursor cells (OPCs) and OLs by targeted deletion of Dicer1. We found that inhibition of OPC-OL miRNA processing disrupts normal CNS myelination and that OPCs lacking mature miRNAs fail to differentiate normally in vitro. We identified three miRNAs (miR-219, miR-138, and miR-338) that are induced 10–100× during OL differentiation; the most strongly induced of these, miR-219, is necessary and sufficient to promote OL differentiation, and partially rescues OL differentiation defects caused by total miRNA loss. miR-219 directly represses the expression of PDGFRα, Sox6, FoxJ3, and ZFP238 proteins, all of which normally help to promote OPC proliferation. Together, these findings show that miR-219 plays a critical role in coupling differentiation to proliferation arrest in the OL lineage, enabling the rapid transition from proliferating OPCs to myelinating OLs.Highlights•Mature microRNAs are required for normal compact myelin development in CNS and PNS•miR-219, induced in OLs, is necessary and sufficient to promote OL differentiation•miR-219 represses inhibitors of OL differentiation PDGFRa, Sox6, FoxJ3, and ZFP238•miRNAs couple initiation of OL differentiation to inhibition of OPC proliferation

Hundreds of millions of single cells have been analyzed using high-throughput transcriptomic methods. The cumulative knowledge within these datasets provides an exciting opportunity for unlocking insights into health and disease at the level of single cells. Meta-analyses that span diverse datasets building on recent advances in large language models and other machine-learning approaches pose exciting new directions to model and extract insight from single-cell data. Despite the promise of these and emerging analytical tools for analyzing large amounts of data, the sheer number of datasets, data models and accessibility remains a challenge. Here, we present CZ CELLxGENE Discover (cellxgene.cziscience.com), a data platform that provides curated and interoperable single-cell data. Available via a free-to-use online data portal, CZ CELLxGENE hosts a growing corpus of community-contributed data of over 93 million unique cells. Curated, standardized and associated with consistent cell-level metadata, this collection of single-cell transcriptomic data is the largest of its kind and growing rapidly via community contributions. A suite of tools and features enables accessibility and reusability of the data via both computational and visual interfaces to allow researchers to explore individual datasets, perform cross-corpus analysis, and run meta-analyses of tens of millions of cells across studies and tissues at the resolution of single cells.

Hundreds of millions of single cells have been analyzed to date using high throughput transcriptomic methods, thanks to technological advances driving the increasingly rapid generation of single-cell data. This provides an exciting opportunity for unlocking new insights into health and disease, made possible by meta-analysis that span diverse datasets building on recent advances in large language models and other machine learning approaches. Despite the promise of these and emerging analytical tools for analyzing large amounts of data, a major challenge remains the sheer number of datasets and inconsistent format, data models and accessibility. Many datasets are available via unique portals platforms that often lack interoperability. Here, we present CZ CellxGene Discover (cellxgene.cziscience.com), a data platform that provides curated and interoperable data. This single-cell data resource, available via a free-to-use online data portal, hosts a growing corpus of community contributed data that spans more than 50 million unique cells. Curated, standardized, and associated with consistent cell-level metadata, this collection of interoperable single-cell transcriptomic data is the largest of its kind. A suite of tools and features enables accessibility and reusability of the data via both computational and visual interfaces to allow researchers to rapidly explore individual datasets and perform cross-corpus analysis. This functionality is enabling meta-analyses of tens of millions of cells across studies and tissues and providing global views of human cells at the resolution of single cells.