ABSTRACT Economic efficiency has been a popular explanation for how networks self-organize within the developing nervous system. However, the precise nature of the economic negotiations governing this putative organizational principle remains unclear. Here, we address this question further by combining large-scale electrophysiological recordings, to characterize the functional connectivity of developing neuronal networks in vitro , with a generative modeling approach capable of simulating network formation. We find that the best fitting model uses a homophilic generative wiring principle in which neurons form connections to other neurons which are spatially proximal and have similar connectivity patterns to themselves. Homophilic generative models outperform more canonical models in which neurons wire depending upon their spatial proximity either alone or in combination with the extent of their local connectivity. This homophily-based mechanism for neuronal network emergence accounts for a wide range of observations that are described, but not sufficiently explained, by traditional analyses of network topology. Using rodent and human monolayer and organoid cultures, we show that homophilic generative mechanisms can accurately recapitulate the topology of emerging cellular functional connectivity, representing an important wiring principle and determining factor of neuronal network formation in vitro .

Human cellular models of neurodegeneration require reproducibility and longevity, which is necessary for simulating these age-dependent diseases. Such systems are particularly needed for TDP-43 proteinopathies 1,2 , which involve human-specific mechanisms 3–6 that cannot be directly studied in animal models. To explore the emergence and consequences of TDP-43 pathologies, we generated iPSC-derived, colony morphology neural stem cells (iCoMoNSCs) via manual selection of neural precursors 7 . Single-cell transcriptomics (scRNA-seq) and comparison to independent NSCs 8 , showed that iCoMoNSCs are uniquely homogenous and self-renewing. Differentiated iCoMoNSCs formed a self-organized multicellular system consisting of synaptically connected and electrophysiologically active neurons, which matured into long-lived functional networks. Neuronal and glial maturation in iCoMoNSC-derived cultures was similar to that of cortical organoids 9 . Overexpression of wild-type TDP-43 in a minority of iCoMoNSC-derived neurons led to progressive fragmentation and aggregation, resulting in loss of function and neurotoxicity. scRNA-seq revealed a novel set of misregulated RNA targets coinciding in both TDP-43 overexpressing neurons and patient brains exhibiting loss of nuclear TDP-43. The strongest misregulated target encoded for the synaptic protein NPTX2, which was consistently misaccumulated in ALS and FTLD patient neurons with TDP-43 pathology. Our work directly links TDP-43 misregulation and NPTX2 accumulation, thereby highlighting a new pathway of neurotoxicity.

Abstract Recent advances in the field of cellular reprogramming have opened a route to study the fundamental mechanisms underlying common neurological disorders. High-density microelectrode-arrays (HD-MEAs) provide unprecedented means to study neuronal physiology at different scales, ranging from network through single-neuron to subcellular features. In this work, we used HD-MEAs in vitro to characterize and compare human induced-pluripotent-stem-cell (iPSC)-derived dopaminergic and motor neurons, including isogenic neuronal lines modeling Parkinson’s disease and amyotrophic lateral sclerosis. We established reproducible electrophysiological network, single-cell and subcellular metrics, which were used for phenotype characterization and drug testing. Metrics such as burst shapes and axonal velocity enabled the distinction of healthy and diseased neurons. The HD-MEA metrics could also be used to detect the effects of dosing the drug retigabine to human motor neurons. Finally, we showed that the ability to detect drug effects and the observed culture-to-culture variability critically depend on the number of available recording electrodes.

Abstract Perception, thoughts, and actions are encoded by the coordinated activity of large neuronal populations spread over large areas. Using thin film electrocorticography (ECoG) arrays, this cortical activity has been used to decode speech and individual finger movements, enabling neuroprosthetics, and to localize epileptic foci. However, the connectorization of these multi-thousand channel thin-film arrays to external circuitry is challenging; current state-of-the-art methods are complex, bulky, and unscalable. We address this shortcoming by developing an electrode connector based on an ultra-conformable thin film electrode array that self-assembles onto hard silicon chip sensors, such as microelectrode arrays (MEAs) or camera sensors enabling large channel counts at high density. The interconnects are formed using microfabricated electrode pads suspended by thin support arms, termed flex2chip. Capillary-assisted assembly drives the pads to deform towards the chip surface, and van der Waals forces maintain this deformation, establishing mechanical and Ohmic contact onto individual pixels. We demonstrate a 2200-channel array with a channel density of 272 channels / mm 2 connected to the MEA through the flex2chip interconnection method. Thin film electrode arrays connected through the flex2chip successfully measured extracellular action potentials ex vivo. Furthermore, in a transgenic mouse model for absence epilepsy, Scn8a +/- , we observed highly variable propagation trajectories at micrometer scales, even across the duration of a single spike- and-wave discharge (SWD).

Human cellular models of neurodegeneration require reproducibility and longevity, which is necessary for simulating age-dependent diseases. Such systems are particularly needed for TDP-43 proteinopathies1, which involve human-specific mechanisms2-5 that cannot be directly studied in animal models. Here, to explore the emergence and consequences of TDP-43 pathologies, we generated induced pluripotent stem cell-derived, colony morphology neural stem cells (iCoMoNSCs) via manual selection of neural precursors6. Single-cell transcriptomics and comparison to independent neural stem cells7 showed that iCoMoNSCs are uniquely homogenous and self-renewing. Differentiated iCoMoNSCs formed a self-organized multicellular system consisting of synaptically connected and electrophysiologically active neurons, which matured into long-lived functional networks (which we designate iNets). Neuronal and glial maturation in iNets was similar to that of cortical organoids8. Overexpression of wild-type TDP-43 in a minority of neurons within iNets led to progressive fragmentation and aggregation of the protein, resulting in a partial loss of function and neurotoxicity. Single-cell transcriptomics revealed a novel set of misregulated RNA targets in TDP-43-overexpressing neurons and in patients with TDP-43 proteinopathies exhibiting a loss of nuclear TDP-43. The strongest misregulated target encoded the synaptic protein NPTX2, the levels of which are controlled by TDP-43 binding on its 3' untranslated region. When NPTX2 was overexpressed in iNets, it exhibited neurotoxicity, whereas correcting NPTX2 misregulation partially rescued neurons from TDP-43-induced neurodegeneration. Notably, NPTX2 was consistently misaccumulated in neurons from patients with amyotrophic lateral sclerosis and frontotemporal lobar degeneration with TDP-43 pathology. Our work directly links TDP-43 misregulation and NPTX2 accumulation, thereby revealing a TDP-43-dependent pathway of neurotoxicity.

Abstract Parkinson’s disease (PD) is a common debilitating neurodegenerative disorder, characterized by a progressive loss of dopaminergic (DA) neurons. Mutations, gene dosage increase, and single nucleotide polymorphisms in the α-synuclein-encoding gene SNCA either cause or increase the risk for PD. However, neither the function of α-synuclein in health and disease, nor its role throughout development is fully understood. Here, we introduce DeePhys , a new tool that allows for data-driven functional phenotyping of neuronal cell lines by combining electrophysiological features inferred from high-density microelectrode array (HD-MEA) recordings with a robust machine learning workflow. We apply DeePhys to human induced pluripotent stem cell (iPSC)-derived DA neuron-astrocyte co-cultures harboring the prominent SNCA mutation A53T and an isogenic control line. Moreover, we demonstrate how DeePhys can facilitate the assessment of cellular and network-level electrophysiological features to build functional phenotypes and to evaluate potential treatment interventions. We find that electrophysiological features across all scales proved to be highly specific for the A53T phenotype, enabled to predict the genotype and age of individual cultures with high accuracy, and revealed a mutant-like phenotype after downregulation of α-synuclein.