Abstract The neocortex is disproportionately expanded in human compared with mouse 1,2 , both in its total volume relative to subcortical structures and in the proportion occupied by supragranular layers composed of neurons that selectively make connections within the neocortex and with other telencephalic structures. Single-cell transcriptomic analyses of human and mouse neocortex show an increased diversity of glutamatergic neuron types in supragranular layers in human neocortex and pronounced gradients as a function of cortical depth 3 . Here, to probe the functional and anatomical correlates of this transcriptomic diversity, we developed a robust platform combining patch clamp recording, biocytin staining and single-cell RNA-sequencing (Patch-seq) to examine neurosurgically resected human tissues. We demonstrate a strong correspondence between morphological, physiological and transcriptomic phenotypes of five human glutamatergic supragranular neuron types. These were enriched in but not restricted to layers, with one type varying continuously in all phenotypes across layers 2 and 3. The deep portion of layer 3 contained highly distinctive cell types, two of which express a neurofilament protein that labels long-range projection neurons in primates that are selectively depleted in Alzheimer’s disease 4,5 . Together, these results demonstrate the explanatory power of transcriptomic cell-type classification, provide a structural underpinning for increased complexity of cortical function in humans, and implicate discrete transcriptomic neuron types as selectively vulnerable in disease.

Identifying the cell types constituting brain circuits is a fundamental question in neuroscience and motivates the generation of taxonomies based on electrophysiological, morphological and molecular single cell properties. Establishing the correspondence across data modalities and understanding the underlying principles has proven challenging. Bio-realistic computational models offer the ability to probe cause-and-effect and have historically been used to explore phenomena at the single-neuron level. Here we introduce a computational optimization workflow used for the generation and evaluation of more than 130 million single neuron models with active conductances. These models were based on 230 in vitro electrophysiological experiments followed by morphological reconstruction from the mouse visual cortex. We show that distinct ion channel conductance vectors exist that distinguish between major cortical classes with passive and h-channel conductances emerging as particularly important for classification. Next, using models of genetically defined classes, we show that differences in specific conductances predicted from the models reflect differences in gene expression in excitatory and inhibitory cell types as experimentally validated by single-cell RNA-sequencing. The differences in these conductances, in turn, explain many of the electrophysiological differences observed between cell types. Finally, we show the robustness of the herein generated single-cell models as representations and realizations of specific cell types in face of biological variability and optimization complexity. Our computational effort generated models that reconcile major single-cell data modalities that define cell types allowing for causal relationships to be examined.### Competing Interest StatementThe authors have declared no competing interest.

Abstract Temporal lobe epilepsy is the fourth most common neurological disorder with about 40% of patients not responding to pharmacological treatment. Increased cellular loss in the hippocampus is linked to disease severity and pathological phenotypes such as heightened seizure propensity. While the hippocampus is the target of therapeutic interventions such as temporal lobe resection, the impact of the disease at the cellular level remains unclear in humans. Here we show that properties of hippocampal granule cells change with disease progression as measured in living, resected hippocampal tissue excised from epilepsy patients. We show that granule cells increase excitability and shorten response latency while also enlarging in cellular volume, surface area and spine density. Single-cell RNA sequencing combined with simulations ascribe the observed electrophysiological changes to gradual modification in three key ion channel conductances: BK, Cav2.2 and Kir2.1. In a bio-realistic computational network model, we show that the changes related to disease progression bring the circuit into a more excitable state. In turn, we observe that by reversing these changes in the three key conductances produces a less excitable, “early disease-like” state. These results provide mechanistic understanding of epilepsy in humans and will inform future therapies such as viral gene delivery to reverse the course of the disorder.

The neocortex is disproportionately expanded in human compared to mouse, both in its total volume relative to subcortical structures and in the proportion occupied by supragranular layers that selectively make connections within the cortex and other telencephalic structures. Single-cell transcriptomic analyses of human and mouse cortex show an increased diversity of glutamatergic neuron types in supragranular cortex in human and pronounced gradients as a function of cortical depth. To probe the functional and anatomical correlates of this transcriptomic diversity, we describe a robust Patch-seq platform using neurosurgically-resected human tissues. We characterize the morphological and physiological properties of five transcriptomically defined human glutamatergic supragranular neuron types. Three of these types have properties that are specialized compared to the more homogeneous properties of transcriptomically defined homologous mouse neuron types. The two remaining supragranular neuron types, located exclusively in deep layer 3, do not have clear mouse homologues in supragranular cortex but are transcriptionally most similar to deep layer mouse intratelencephalic-projecting neuron types. Furthermore, we reveal the transcriptomic types in deep layer 3 that express high levels of non-phosphorylated heavy chain neurofilament protein that labels long-range neurons known to be selectively depleted in Alzheimer's disease. Together, these results demonstrate the power of transcriptomic cell type classification, provide a mechanistic underpinning for increased complexity of cortical function in human cortical evolution, and implicate discrete transcriptomic cell types as selectively vulnerable in disease.

Pharmacoresistant epilepsy is a common neurological disorder in which increased neuronal intrinsic excitability and synaptic excitation lead to pathologically synchronous behavior in the brain. In the majority of experimental and theoretical epilepsy models, epilepsy is associated with reduced inhibition in the pathological neural circuits, yet effects of intrinsic excitability are usually not explicitly analyzed. Here we present a novel neural mass model that includes intrinsic excitability in the form of spike-frequency adaptation in the excitatory population. We validated our model using local field potential data recorded from human hippocampal/subicular slices. We found that synaptic conductances and slow adaptation in the excitatory population both play essential roles for generating seizures and pre-ictal oscillations. Using bifurcation analysis, we found that transitions towards seizure and back to the resting state take place via Andronov-Hopf bifurcations. These simulations therefore suggest that single neuron adaptation as well as synaptic inhibition are responsible for orchestrating seizure dynamics and transition towards the epileptic state.

The brain consists of many cell classes yet in vivo electrophysiology recordings are typically unable to identify and monitor their activity in the behaving animal. Here, we employed a systematic approach to link cellular, multi-modal in vitro properties from experiments with in vivo recorded units via computational modeling and optotagging experiments. We found two one-channel and six multi-channel clusters in mouse visual cortex with distinct in vivo properties in terms of activity, cortical depth, and behavior. We used biophysical models to map the two one- and the six multi-channel clusters to specific in vitro classes with unique morphology, excitability and conductance properties that explain their distinct extracellular signatures and functional characteristics. These concepts were tested in ground-truth optotagging experiments with two inhibitory classes unveiling distinct in vivo properties. This multi-modal approach presents a powerful way to separate in vivo clusters and infer their cellular properties from first principles.

Gene expression studies suggest that differential ion channel expression contributes to differences in rodent versus human neuronal physiology. We tested whether h-channels more prominently contribute to the physiological properties of human compared to mouse supragranular pyramidal neurons. Single cell/nucleus RNA sequencing revealed ubiquitous HCN1-subunit expression in excitatory neurons in human, but not mouse supragranular layers. Using patch-clamp recordings, we found stronger h-channel-related membrane properties in supragranular pyramidal neurons in human temporal cortex, compared to mouse supragranular pyramidal neurons in temporal association area. The magnitude of these differences depended upon cortical depth and was largest in pyramidal neurons in deep L3. Additionally, pharmacologically blocking h-channels produced a larger change in membrane properties in human compared to mouse neurons. Finally, using biophysical modeling, we provided evidence that h-channels promote the transfer of theta frequencies from dendrite-to-soma in human L3 pyramidal neurons. Thus, h-channels contribute to between-species differences in a fundamental neuronal property.