The locus coeruleus (LC) supplies norepinephrine (NE) to the entire forebrain and regulates many fundamental brain functions. Studies in humans have suggested that strong LC activation might shift network connectivity to favor salience processing. To causally test this hypothesis, we use a mouse model to study the effect of LC stimulation on large-scale functional connectivity by combining chemogenetic activation of the LC with resting-state fMRI, an approach we term “chemo-connectomics.” We show that LC activation rapidly interrupts ongoing behavior and strongly increases brain-wide connectivity, with the most profound effects in the salience and amygdala networks. Functional connectivity changes strongly correlate with transcript levels of alpha-1 and beta-1 adrenergic receptors across the brain, and functional network connectivity correlates with NE turnover within select brain regions. We propose that these changes in large-scale network connectivity are critical for optimizing neural processing in the context of increased vigilance and threat detection.

Abstract To study brain function, preclinical research relies heavily on animal monitoring and the subsequent analyses of behavior. Commercial platforms have enabled semi high-throughput behavioral analyses by providing accurate tracking of animals, yet they often struggle with the analysis of ethologically relevant behaviors and lack the flexibility to adapt to variable testing environments. In the last couple of years, substantial advances in deep learning and machine vision have given researchers the ability to take behavioral analysis entirely into their own hands. Here, we directly compare the performance of commercially available platforms (Ethovision XT14, Noldus; TSE Multi Conditioning System, TSE Systems) to cross-verified human annotation. To this end, we provide a set of videos - carefully annotated by several human raters - of three widely used behavioral tests (open field, elevated plus maze, forced swim test). Using these data, we show that by combining deep learning-based motion tracking (DeepLabCut) with simple post-analysis, we can track animals in a range of classic behavioral tests at similar or even greater accuracy than commercial behavioral solutions. In addition, we integrate the tracking data from DeepLabCut with post analysis supervised machine learning approaches. This combination allows us to score ethologically relevant behaviors with similar accuracy to humans, the current gold standard, thus outperforming commercial solutions. Moreover, the resulting machine learning approach eliminates variation both within and between human annotators. In summary, our approach helps to improve the quality and accuracy of behavioral data, outperforming commercial systems at a fraction of the cost.

Abstract The quantification of behaviors of interest from video data is commonly used to study brain function, the effects of pharmacological interventions, and genetic alterations. Existing approaches lack the capability to analyze the behavior of groups of animals in complex environments. We present a novel deep learning architecture for classifying individual and social animal behavior, even in complex environments directly from raw video frames, while requiring no intervention after initial human supervision. Our behavioral classifier is embedded in a pipeline (SIPEC) that performs segmentation, identification, pose-estimation, and classification of complex behavior, outperforming the state of the art. SIPEC successfully recognizes multiple behaviors of freely moving individual mice as well as socially interacting non-human primates in 3D, using data only from simple mono-vision cameras in home-cage setups.

Summary The acute stress response mobilizes energy to meet situational demands and re-establish homeostasis. However, little is known about the nature and dynamics of the underlying molecular cascades. We used a brief forced swim exposure to trigger a strong stress response in mice, which transiently increases anxiety, but does not lead to lasting maladaptive behavioral changes. Using multiomic profiling we characterize the stress-induced molecular events in the hippocampus over time, across molecular scales, and down to the level of cell types and single cells. Our results unveil the complexity and specificity of the healthy stress response, with widespread changes in protein phosphorylation and gene transcription, but tightly regulated protein translation. All observed molecular events resolve efficiently within 4 hours after initiation of stress. The data are accessible through an interactive web portal , creating an extensive molecular resource that will help understand how stress impacts brain function in health and disease.

Abstract The impact of stress on gene expression in different cell types of the brain remains poorly characterized. Three pioneering studies have recently used translating ribosome affinity purification followed by RNA sequencing (TRAP-seq) to assess the response to stress in CA3 pyramidal neurons of the hippocampus. The results suggest that acute stress alters the translation of thousands of genes in CA3 pyramidal neurons, and that this response is strongly modulated by factors such as sex, genotype and a history of early life stress. However, our reanalysis of these datasets leads to different conclusions. We confirm that acute stress induces robust translational changes in a small set of genes. However, we found no evidence that either early life stress or sex have an effect on gene translation induced by acute stress. Our findings highlight the need for additional studies with adequate sample sizes and proper methods of analysis to assess the impact of stress across cell types in the brain.

Abstract Neural circuit development in the human cortex is considerably prolonged in comparison to non-human primates, a trait that contributes to the remarkable cognitive capacity of modern humans. Here, we explore the regulatory role of non-coding RNAs, which dramatically expanded during brain evolution, in synapse development of human-induced pluripotent stem-cell derived neurons. Inhibition of a human-specific microRNA, miR-1229-3p, results in accelerated formation of excitatory synapses and enhanced synaptic transmission. Mechanistically, miR-1229-3p controls mitochondrial homeostasis by targeting important regulators of mitochondrial autophagy and fission, such as Pink1. Stimulation of mitochondrial metabolism rescues decreased calcium buffering in miR-1229-3p depleted neurons. Our findings reveal an important function of human-specific miR-1229-3p in developmental timing of human synaptogenesis and generally implicate non-coding RNAs in the control of human connectivity and cognition. One-Sentence Summary A human-specific microRNA slows down the formation and maturation of neuronal synapses by reducing mitochondrial metabolism and renewal.

Abstract The nuanced detection of rodent behavior in preclinical biomedical research is essential for understanding disease conditions, genetic phenotypes, and internal states. Recent advances in machine vision and artificial intelligence have popularized data-driven methods that segment complex animal behavior into clusters of behavioral motifs. However, despite the rapid progress, several challenges remain: Statistical power typically decreases due to multiple testing correction, poor transferability of clustering approaches across experiments limits practical applications, and individual differences in behavior are not considered. Here, we introduce “behavioral flow analysis” (BFA), which creates a single metric for all observed transitions between behavioral motifs. Then, we establish a “classifier-in-the-middle” approach to stabilize clusters and enable transferability of our analyses across datasets. Finally, we combine these approaches with dimensionality reduction techniques, enabling “behavioral flow fingerprinting” (BFF) for individual animal assessment. We validate our approaches across large behavioral datasets with a total of 443 open field recordings that we make publicly available, comparing various stress protocols with pharmacologic and brain-circuit interventions. Our analysis pipeline is compatible with a range of established clustering approaches, it increases statistical power compared to conventional techniques, and has strong reproducibility across experiments within and across laboratories. The efficient individual phenotyping allows us to classify stress-responsiveness and predict future behavior. This approach aligns with animal welfare regulations by reducing animal numbers, and enhancing information extracted from experimental animals

The locus coeruleus (LC) supplies norepinephrine (NE) to the entire forebrain, regulates many fundamental brain functions, and is implicated in several neuropsychiatric diseases. Although selective manipulation of the LC is not possible in humans, studies have suggested that strong LC activation might shift network connectivity to favor salience processing. To test this hypothesis, we use a mouse model to study the impact of LC stimulation on large-scale functional connectivity by combining chemogenetic activation of the LC with resting-state fMRI, an approach we term 'chemo-connectomics'. LC activation rapidly interrupts ongoing behavior and strongly increases brain-wide connectivity, with the most profound effects in the salience and amygdala networks. We reveal a direct correlation between functional connectivity changes and transcript levels of alpha-1, alpha-2, and beta-1 adrenoceptors across the brain, and a positive correlation between NE turnover and functional connectivity within select brain regions. These results represent the first brain-wide functional connectivity mapping in response to LC activation, and demonstrate a causal link between receptor expression, brain states and functionally connected large-scale networks at rest. We propose that these changes in large-scale network connectivity are critical for optimizing neural processing in the context of increased vigilance and threat detection.

Abstract Exposure to an acute stressor triggers a complex cascade of neurochemical events in the brain. However, deciphering their individual impact on stress-induced molecular changes remains a major challenge. Here we combine RNA-sequencing with selective pharmacological, chemogenetic and optogenetic manipulations to isolate the contribution of the locus coeruleus - noradrenaline (LN-NA) system to the acute stress response. We reveal that NA-release during stress exposure regulates a large and reproducible set of genes in the dorsal and ventral hippocampus via β-adrenergic receptors. For a smaller subset of these genes, we show that NA release triggered by LC stimulation is sufficient to mimic the stress-induced transcriptional response. We observe these effects in both sexes, independent of the pattern and frequency of LC activation. Using a retrograde optogenetic approach, we demonstrate that hippocampus-projecting LC neurons directly regulate hippocampal gene expression. Overall, a highly selective set of astrocyte-enriched genes emerges as key targets of LC-NA activation, most prominently several subunits of protein phosphatase 1 ( Ppp1r3c , Ppp1r3d , Ppp1r3g ) and type II iodothyronine deiodinase ( Dio2 ). These results highlight the importance of astrocytic energy metabolism and thyroid hormone signaling in LC mediated hippocampal function, and offer new molecular targets for understanding LC function in health and disease.

Abstract Synaptic scaling is a form of homeostatic plasticity which allows neurons to adjust their action potential firing rate in response to chronic alterations in neural activity. Synaptic scaling requires profound changes in gene expression, but the relative contribution of local and cell-wide mechanisms is controversial. Here we performed a comprehensive multi-omics characterization of the somatic and process compartments of primary rat hippocampal neurons during synaptic scaling. Thereby, we uncovered both highly compartment-specific and correlated changes in the neuronal transcriptome and proteome. Whereas downregulation of crucial regulators of neuronal excitability occurred primarily in the somatic compartment, structural components of excitatory postsynapses were mostly downregulated in processes. Motif analysis further suggests an important role for trans-acting post-transcriptional regulators, including RNA-binding proteins and microRNAs, in the local regulation of the corresponding mRNAs. Altogether, our study indicates that compartmentalized gene expression changes are widespread in synaptic scaling and might co-exist with neuron-wide mechanisms to allow synaptic computation and homeostasis.