We have produced gene expression profiles of all 302 neurons of the C. elegans nervous system that match the single-cell resolution of its anatomy and wiring diagram. Our results suggest that individual neuron classes can be solely identified by combinatorial expression of specific gene families. For example, each neuron class expresses distinct codes of ∼23 neuropeptide genes and ∼36 neuropeptide receptors, delineating a complex and expansive “wireless” signaling network. To demonstrate the utility of this comprehensive gene expression catalog, we used computational approaches to (1) identify cis-regulatory elements for neuron-specific gene expression and (2) reveal adhesion proteins with potential roles in process placement and synaptic specificity. Our expression data are available at https://cengen.org and can be interrogated at the web application CengenApp. We expect that this neuron-specific directory of gene expression will spur investigations of underlying mechanisms that define anatomy, connectivity, and function throughout the C. elegans nervous system.

Summary Nervous systems are constructed from a deep repertoire of neuron types but the underlying gene expression programs that specify individual neuron identities are poorly understood. To address this deficit, we have produced an expression profile of all 302 neurons of the C. elegans nervous system that matches the single cell resolution of its anatomy and wiring diagram. Our results suggest that individual neuron classes can be solely identified by combinatorial expression of specific gene families. For example, each neuron class expresses unique codes of ∼23 neuropeptide-encoding genes and ∼36 neuropeptide receptors thus pointing to an expansive “wireless” signaling network. To demonstrate the utility of this uniquely comprehensive gene expression catalog, we used computational approaches to (1) identify cis-regulatory elements for neuron-specific gene expression across the nervous system and (2) reveal adhesion proteins with potential roles in synaptic specificity and process placement. These data are available at cengen.org and can be interrogated at the web application CengenApp. We expect that this neuron-specific directory of gene expression will spur investigations of underlying mechanisms that define anatomy, connectivity and function throughout the C. elegans nervous system.

Abstract Neuropixels (NP) probes are dense linear multi-electrode arrays that have rapidly become essential tools for studying the electrophysiology of large neural populations. Unfortunately, a number of challenges remain in analyzing the large datasets output by these probes. Here we introduce several new methods for extracting useful spiking information from NP probes. First, we use a simple point neuron model, together with a neural-network denoiser, to efficiently map single spikes detected on the probe into three-dimensional localizations. Previous methods localized individual spikes in two dimensions only; we show that the new localization approach is significantly more robust and provides an improved feature set for clustering spikes according to neural identity (“spike sorting”). Next, we denoise the resulting three-dimensional point-cloud representation of the data, and show that the resulting 3D images can be accurately registered over time, leading to improved tracking of time-varying neural activity over the probe, and in turn, crisper estimates of neural clusters over time. Open source code is available at https://github.com/int-brain-lab/spikes_localization_registration.git .

Abstract Alzheimer’s disease (AD) is associated with heterogeneous atrophy patterns. We employed a semi-supervised clustering technique known as Surreal-GAN, through which we identified two dominant dimensions of brain atrophy in symptomatic mild cognitive impairment (MCI) and AD patients: the “diffuse-AD” (R1) dimension shows widespread brain atrophy, and the “MTL-AD” (R2) dimension displays focal medial temporal lobe (MTL) atrophy. Critically, only R2 was associated with widely known sporadic AD genetic risk factors (e.g., APOE ε4 ) in MCI and AD patients at baseline. We then independently detected the presence of the two dimensions in the early stages by deploying the trained model in the general population and two cognitively unimpaired cohorts of asymptomatic participants. In the general population, genome-wide association studies found 77 genes unrelated to APOE differentially associated with R1 and R2. Functional analyses revealed that these genes were overrepresented in differentially expressed gene sets in organs beyond the brain (R1 and R2), including the heart (R1) and the pituitary gland, muscle, and kidney (R2). These genes were enriched in biological pathways implicated in dendritic cells (R2), macrophage functions (R1), and cancer (R1 and R2). Several of them were “druggable genes” for cancer (R1), inflammation (R1), cardiovascular diseases (R1), and diseases of the nervous system (R2). The longitudinal progression showed that APOE ε4 , amyloid, and tau were associated with R2 at early asymptomatic stages, but this longitudinal association occurs only at late symptomatic stages in R1. Our findings deepen our understanding of the multifaceted pathogenesis of AD beyond the brain. In early asymptomatic stages, the two dimensions are associated with diverse pathological mechanisms, including cardiovascular diseases, inflammation, and hormonal dysfunction – driven by genes different from APOE – which may collectively contribute to the early pathogenesis of AD.

Abstract Neuron-specific morphology and function are fundamentally tied to differences in gene expression across the nervous system. We previously generated a single cell RNA-seq dataset for every anatomical neuron class in the C. elegans hermaphrodite. Here we present a complementary set of bulk RNA-seq samples for 41 of the 118 neuron classes in C. elegans . We show that the bulk dataset captures both lowly expressed and noncoding RNAs that are missed in the single cell dataset, but also includes false positives due to contamination by other cell types. We present an integrated analytical strategy that effectively resolves both the low sensitivity of single cell RNA-seq data and the reduced specificity of bulk RNA-Seq. We show that this integrated dataset enhances the sensitivity and accuracy of transcript detection and quantification of differentially expressed genes. We propose that our approach provides a new tool for interrogating gene expression, by bridging the gap between old (bulk) and new (single cell) methodologies for transcriptomic studies. We suggest that these datasets will advance the goal of delineating the mechanisms that define neuronal morphology and connectivity in C. elegans .

Extracting calcium traces from populations of neurons is a critical step in the study of the large-scale neural dynamics that govern behavior. Accurate activity extraction requires the correction of motion and movement-induced deformations as well as demixing of signals that may overlap spatially due to limitations in optical resolution. Traditionally, non-negative matrix factorization (NMF) methods have been successful in demixing and denoising cellular calcium activity in relatively motionless or pre-registered videos. However, standard NMF methods fail in animals undergoing significant non-rigid motion; similarly, standard image registration methods based on template matching can fail when large changes in activity lead to mismatches with the image template. To address these issues simultaneously, we introduce a deformable non-negative matrix factorization (dNMF) framework that jointly optimizes registration with signal demixing. On simulated data and real semi-immobilized C. elegans microscopy videos, dNMF outperforms traditional demixing methods that account for motion and demixing separately. Finally, following the extraction of neural traces from multiple imaging experiments, we develop a quantile regression time-series normalization technique to account for varying neural signal intensity baselines across different animals or different imaging setups. Open source code implementing this pipeline is available at https://github.com/amin-nejat/dNMF .

ABSTRACT High-density electrophysiology probes have opened new possibilities for systems neuroscience in human and non-human animals, but probe motion (or drift) while recording poses a challenge for downstream analyses, particularly in human recordings. Here, we improve on the state of the art for tracking this drift with an algorithm termed DREDge ( D ecentralized R egistration of E lectrophysiology D ata) with four major contributions. First, we extend previous decentralized methods to exploit multiband information, leveraging the local field potential (LFP), in addition to spikes detected from the action potentials (AP). Second, we show that the LFP-based approach enables registration at sub-second temporal resolution. Third, we introduce an efficient online motion tracking algorithm, allowing the method to scale up to longer and higher spatial resolution recordings, which could facilitate real-time applications. Finally, we improve the robustness of the approach by accounting for the nonstationarities that occur in real data and by automating parameter selection. Together, these advances enable fully automated scalable registration of challenging datasets from both humans and mice.

ABSTRACT Sex differences in the brain are prevalent throughout the animal kingdom and particularly well appreciated in the nematode C. elegans . While 294 neurons are shared between the two sexes, the nervous system of the male contains an additional 93 malespecific neurons, most of which have received very little attention so far. To make these neurons amenable for future study, we describe here how a multicolor, multipromoter reporter transgene, NeuroPAL, is capable of visualizing the distinct identities of all male specific neurons. We used this tool to visualize and characterize a number of features of the male-specific nervous system. We provide several proofs of concept for using NeuroPAL to identify the sites of expression of gfp-tagged reporter genes. We demonstrate the usage of NeuroPAL for cellular fate analysis by analyzing the effect of removal of developmental patterning genes, including a HOX cluster gene ( egl-5 ), a miRNA ( lin-4 ) and a proneural gene ( lin-32/Ato ), on neuronal identity acquisition within the male-specific nervous system. We use NeuroPAL and its intrinsic cohort of more than 40 distinct differentiation markers to show that, even though male-specific neurons are generated throughout all four larval stages, they execute their terminal differentiation program in a coordinated manner in the fourth larval stage that is concomitant with male tale retraction. This wave of differentiation couples neuronal maturation programs with the appearance of sexual organs. We call this wave “just-in-time” differentiation by its analogy to the mechanism of “just-in-time” transcription of metabolic pathway genes.

ABSTRACT OBJECTIVE Depression is a common psychiatric illness that often begins in youth, and is associated with cognitive symptoms. However, there is significant variability in the cognitive burden, likely reflecting biological heterogeneity. This study sought to identify neurocognitive subtypes in a large sample of depressed youth, and evaluated the neural signatures of these subtypes. METHODS Participants were drawn from the Philadelphia Neurodevelopmental Cohort, including 712 youth with a lifetime history of a major depressive episode and 712 typically developing (TD) youth matched on age and sex. A subset (n=368, TD=200) also completed neuroimaging. Cognition was assessed with the Penn Computerized Neurocognitive Battery. A semi-supervised machine-learning algorithm, HYDRA (Heterogeneity through Discriminative Analysis), was used to delineate neurocognitive subtypes. Subtypes were evaluated for differences in both clinical psychopathology and brain activation during an n -back working memory fMRI task. RESULTS HYDRA identified three neurocognitive subtypes in the depressed group. Overall, Subtype 1 had better performance than TD comparators across many cognitive tasks (high accuracy, moderate speed), Subtype 2 was cognitively impaired (low accuracy, slow speed), whereas Subtype 3 was impulsive (low accuracy, fast speed). While subtypes did not differ in clinical psychopathology, they diverged in their activation profiles in regions critical for executive function, which mirrored differences in cognition. CONCLUSIONS Using a data-driven approach, three neurocognitive subtypes of depression were identified that differed in neural signatures despite similar clinical psychopathology. These data suggest disparate mechanisms of cognitive vulnerability and resilience in depression, which may inform the identification of biomarkers for prognosis and treatment response.

High-density microelectrode arrays (MEAs) have opened new possibilities for systems neuroscience in human and non-human animals, but brain tissue motion relative to the array poses a challenge for downstream analyses, particularly in human recordings. We introduce DREDge (Decentralized Registration of Electrophysiology Data), a robust algorithm which is well suited for the registration of noisy, nonstationary extracellular electrophysiology recordings. In addition to estimating motion from spikes in the action potential (AP) frequency band, DREDge enables automated tracking of motion at high temporal resolution in the local field potential (LFP) frequency band. In human intraoperative recordings, which often feature fast (period <1s) motion, DREDge correction in the LFP band enabled reliable recovery of evoked potentials, and significantly reduced single-unit spike shape variability and spike sorting error. Applying DREDge to recordings made during deep probe insertions in nonhuman primates demonstrated the possibility of tracking probe motion of centimeters across several brain regions while simultaneously mapping single unit electrophysiological features. DREDge reliably delivered improved motion correction in acute mouse recordings, especially in those made with an recent ultra-high density probe. We also implemented a procedure for applying DREDge to recordings made across tens of days in chronic implantations in mice, reliably yielding stable motion tracking despite changes in neural activity across experimental sessions. Together, these advances enable automated, scalable registration of electrophysiological data across multiple species, probe types, and drift cases, providing a stable foundation for downstream scientific analyses of these rich datasets.