Abstract Protein-coding differences between mammals often fail to explain phenotypic diversity, suggesting involvement of enhancers, often rapidly evolving regions that regulate gene expression. Identifying associations between enhancers and phenotypes is challenging because enhancer activity is context-dependent and may be conserved without much sequence conservation. We developed TACIT (Tissue-Aware Conservation Inference Toolkit) to associate open chromatin regions (OCRs) with phenotypes using predictions in hundreds of mammalian genomes from machine learning models trained to learn tissue-specific regulatory codes. Applying TACIT for motor cortex and parvalbumin-positive interneurons to neurological phenotypes revealed dozens of new OCR-phenotype associations. Many associated OCRs were near relevant genes, including brain size-associated OCRs near genes mutated in microcephaly or macrocephaly. Our work creates a forward genomics foundation for identifying candidate enhancers associated with phenotype evolution. One Sentence Summary A new machine learning-based approach associates enhancers with the evolution of brain size and behavior across mammals.

Abstract In mammals, fine motor control is essential for skilled behavior, and is subserved by specialized subdivisions of the primary motor cortex (M1) and other components of the brain’s motor circuitry. We profiled the epigenomic state of several components of the Rhesus macaque motor system, including subdivisions of M1 corresponding to hand and orofacial control. We compared this to open chromatin data from M1 in rat, mouse, and human. We found broad similarities as well as unique specializations in open chromatin regions (OCRs) between M1 subdivisions and other brain regions, as well as species- and lineage-specific differences reflecting their evolutionary histories. By distinguishing shared mammalian M1 OCRs from primate- and human-specific specializations, we highlight gene regulatory programs that could subserve the evolution of skilled motor behaviors such as speech and tool use.

ABSTRACT Recent large genome-wide association studies (GWAS) have identified multiple confident risk loci linked to addiction-associated behavioral traits. Genetic variants linked to addiction-associated traits lie largely in non-coding regions of the genome, likely disrupting cis-regulatory element (CRE) function. CREs tend to be highly cell type-specific and may contribute to the functional development of the neural circuits underlying addiction. Yet, a systematic approach for predicting the impact of risk variants on the CREs of specific cell populations is lacking. To dissect the cell types and brain regions underlying addiction-associated traits, we applied LD score regression to compare GWAS to genomic regions collected from human and mouse assays for open chromatin, which is associated with CRE activity. We found enrichment of addiction-associated variants in putative CREs marked by open chromatin in neuronal (NeuN+) nuclei collected from multiple prefrontal cortical areas and striatal regions known to play major roles in reward and addiction. To further dissect the cell type-specific basis of addiction-associated traits, we also identified enrichments in human orthologs of open chromatin regions of mouse neuronal subtypes: cortical excitatory, D1, D2, and PV . Lastly, we developed machine learning models from mouse cell type-specific regions of open chromatin to further dissect human NeuN+ open chromatin regions into cortical excitatory or striatal D1 and D2 neurons and predict the functional impact of addiction-associated genetic variants. Our results suggest that different neuronal subtypes within the reward system play distinct roles in the variety of traits that contribute to addiction. Significance Statement We combine statistical genetic and machine learning techniques to find that the predisposition to for nicotine, alcohol, and cannabis use behaviors can be partially explained by genetic variants in conserved regulatory elements within specific brain regions and neuronal subtypes of the reward system. This computational framework can flexibly integrate open chromatin data across species to screen for putative causal variants in a cell type-and tissue-specific manner across numerous complex traits.

Abstract Background Prevalence rates of opioid use disorder (OUD) have increased dramatically, accompanied by a surge of overdose deaths. While opioid dependence has been extensively studied in preclinical models, an understanding of the biological alterations that occur in the brains of people who chronically use opioids and who are diagnosed with OUD remains limited. To address this limitation, RNA-sequencing (RNA-seq) was conducted on the dorsolateral prefrontal cortex (DLPFC) and nucleus accumbens (NAc), regions heavily implicated in OUD, from postmortem brains in subjects with OUD. Methods We performed RNA-seq on the DLPFC and NAc from unaffected comparison subjects (n=20) and subjects diagnosed with OUD (n=20). Our transcriptomic analyses identified differentially expressed (DE) transcripts and investigated the transcriptional coherence between brain regions using rank-rank hypergeometric ordering (RRHO). Weighted gene co-expression analyses (WGCNA) also identified OUD-specific modules and gene networks. Integrative analyses between DE transcripts and GWAS datasets using linkage disequilibrium score (LDSC) assessed the genetic liability psychiatric-related phenotypes. Results RRHO analyses revealed extensive overlap in transcripts between DLPFC and NAc in OUD, primarily relating to synaptic remodeling and neuroinflammation. Identified transcripts were enriched for factors that control pro-inflammatory cytokine-mediated, chondroitin sulfate, and extracellular matrix signaling. Cell-type deconvolution implicated a role for microglia as a critical driver for opioid-induced neuroplasticity. Using LDSC, we discovered genetic liabilities for risky behavior, attention deficit hyperactivity disorder, and depression. Conclusions Overall, our findings reveal new connections between the brain’s immune system and opioid dependence in the human brain.

Abstract Genetic studies are rapidly identifying non-protein-coding human disease-associated loci. Understanding the regulatory mechanisms underlying these loci remains a challenge because the causal variants and the tissues in which they act are often unclear. Massively parallel reporter assays (MPRAs) have the potential to link differences in genome sequence, including genetic variants, to tissue-specific regulatory function. Although MPRA and similar technologies have been widely adopted in cell culture, there have been several barriers to widespread use in animals. We overcome these challenges with a new whole-animal MPRA (WhAMPRA), where systemic intravenous AAV effectively transduces the plasmid MPRA library to mouse tissues. Our WhAMPRA approach revealed models of tissue-specific regulation that generally match machine learning model predictions. In addition, we measured the regulatory effects of disrupting MEF2C transcription factor binding sites and impacts of late onset Alzheimer’s disease-associated genetic variations. Overall, our WhAMPRA technology simultaneously determines the transcriptional functions of hundreds of enhancers in vivo across multiple tissues.

Abstract Severe and persistent disruptions to sleep and circadian rhythms are common features of people with opioid use disorder (OUD). Preclinical findings suggest altered molecular rhythms in the brain are involved in opioid reward and dependence. However, whether molecular rhythms are disrupted in brains of people with OUD remained an open question, critical to understanding the role of circadian rhythms in opioid addiction. We previously used subjects’ times of death (TOD) as a marker of time of day to investigate transcriptional rhythm alterations in psychiatric disorders. Using TOD and RNA sequencing, we discovered rhythmic transcripts in both the dorsolateral prefrontal cortex (DLPFC) and nucleus accumbens (NAc), key brain areas involved in opioid addiction, were largely distinct between OUD and unaffected comparison subjects. Further, fewer rhythmic transcripts were identified in DLPFC of OUD subjects compared to unaffected subjects, but nearly double the number of rhythmic transcripts were found in the NAc of OUD subjects. In OUD, rhythmic transcripts in the NAc peaked either in the evening or near sunrise, and were associated with dopamine, opioid, and GABAergic neurotransmission. Co-expression network analysis identified several OUD-specific modules in the NAc, enriched for transcripts involved in the modulation of dopamine and GABA synapses, including glutamatergic signaling and extracellular matrices. Integrative analyses with human GWAS revealed that rhythmic transcripts in DLPFC and NAc were enriched for genomic loci associated with sleep duration and insomnia. Overall, our results connect transcriptional rhythm changes in dopamine, opioid, and GABAergic synaptic signaling in human brain to sleep-related phenotypes and OUD.

Human induced pluripotent stem cells (hiPSCs) are a powerful model of neural differentiation and maturation. We present a hiPSC transcriptomics resource on corticogenesis from 5 iPSC donor and 13 subclonal lines across nine time points over 5 broad conditions: self-renewal, early neuronal differentiation, neural precursor cells (NPCs), assembled rosettes, and differentiated neuronal cells that were validated using electrophysiology. We identified widespread changes in the expression of individual transcript features and their splice variants, gene networks, and global patterns of transcription. We next demonstrated that co-culturing human NPCs with rodent astrocytes resulted in mutually synergistic maturation, and that cell type-specific expression data can be extracted using only sequencing read alignments without potentially disruptive cell sorting. We lastly developed and validated a computational tool to estimate the relative neuronal maturity of iPSC-derived neuronal cultures and human brain tissue, which were maturationally heterogeneous but contained subsets of cells most akin to adult human neurons.

Abstract The striatum in the brain is involved in various behavioral functions, including reward, and disease processes, such as opioid use disorder (OUD). Further understanding of the role of striatal subregions in reward behaviors and their potential associations with OUD requires molecular identification of specific striatal cell types in human brain. The human striatum contains subregions based on different anatomical, functional, and physiological properties, with the dorsal striatum further divided into caudate and putamen. Both caudate and putamen are involved in altered reward processing, formation of habits, and development of negative affect states associated with OUD. Using single nuclei RNA-sequencing of human postmortem caudate and putamen, we identified canonical neuronal cell types in striatum ( e.g. dopamine receptor 1 or 2 expressing neurons, D1 or D2) and less abundant subpopulations, including D1/D2-hybrid neurons and multiple classes of interneurons. By comparing unaffected subjects to subjects with OUD, we found neuronal-specific differences in pathways related to neurodegeneration, interferon response, and DNA damage. DNA damage markers were also elevated in striatal neurons of rhesus macaques following chronic opioid administration. We also identified sex-dependent differences in the expression of stress-induced transcripts among astrocytes and oligodendrocytes from female subjects with OUD. Thus, we describe striatal cell types and leverage these data to gain insights into molecular alterations in human striatum associated with opioid addiction.

Striatal projection neurons (SPNs) are traditionally segregated into two subpopulations expressing dopamine (DA) D1-like or D2-like receptors. However, this dichotomy is challenged by recent evidence. Functional and expression studies raise important questions: do SPNs co-express different DA receptors, and do these differences reflect unique striatal spatial distributions and expression profiles? Using RNAscope in mouse striatum, we report heterogenous SPN subpopulations distributed across dorsal-ventral and rostral-caudal axes. SPN subpopulations co-express multiple DA receptors, including D1 and D2 (D1/2R) and D1 and D3. Our integrative approach using single-nuclei multi-omics analyses provides a simple consensus to describe SPNs across diverse datasets, connecting it to complementary spatial mapping. Combining RNAscope and multi-omics shows D1/2R SPNs further separate into distinct subtypes according to spatial organization and conserved marker genes. Each SPN cell type contributes uniquely to genetic risk for neuropsychiatric diseases. Our results bridge anatomy and transcriptomics to offer new understandings of striatal neuron heterogeneity.

ABSTRACT The efficacy of electroconvulsive therapy (ECT) as a treatment for psychiatric disorders, including major depressive disorder (MDD) is hypothesized to depend on induction of molecular and cellular events that trigger structural plasticity in neurons. Electroconvulsive seizures (ECS) in animal models can help to inform our understanding of how electroconvulsive therapy (ECT) impacts the brain. ECS induces structural plasticity in neuronal dendrites in many brain regions, including the piriform cortex, a highly epileptogenic region that has also been implicated in depression. ECS-induced structural plasticity is associated with differential expression of unique isoforms encoding the neurotrophin, brain-derived neurotrophic factor (BDNF), but the functional significance of these transcripts in dendritic plasticity is not clear. Here, we demonstrate that different Bdnf isoforms are expressed non-stochastically across neurons of the piriform cortex following ECS. Specifically, cells expressing Bdnf exon 1-containing transcripts show a unique spatial recruitment pattern in response to ECS. We further demonstrate that Bdnf Ex1 expression in these cells is necessary for ECS-induced dendritic spine plasticity.