Cortical organoids are self-organizing three-dimensional cultures that model features of the developing human cerebral cortex1,2. However, the fidelity of organoid models remains unclear3–5. Here we analyse the transcriptomes of individual primary human cortical cells from different developmental periods and cortical areas. We find that cortical development is characterized by progenitor maturation trajectories, the emergence of diverse cell subtypes and areal specification of newborn neurons. By contrast, organoids contain broad cell classes, but do not recapitulate distinct cellular subtype identities and appropriate progenitor maturation. Although the molecular signatures of cortical areas emerge in organoid neurons, they are not spatially segregated. Organoids also ectopically activate cellular stress pathways, which impairs cell-type specification. However, organoid stress and subtype defects are alleviated by transplantation into the mouse cortex. Together, these datasets and analytical tools provide a framework for evaluating and improving the accuracy of cortical organoids as models of human brain development. Single-cell RNA sequencing clarifies the development and specification of neurons in the human cortex and shows that cell stress impairs this process in cortical organoids.

Abstract Microglia are the resident macrophages of the brain that emerge in early development and play vital role disease states, as well as in normal development. Many fundamental questions about microglia diversity and function during human brain development remain unanswered, as we currently lack cellular-resolution datasets focusing on microglia in developing primary tissue, or experimental strategies for interrogating their function. Here, we report an integrative analysis of microglia throughout human brain development, which reveals molecular signatures of stepwise maturation, as well as human-specific cytokine-associated subtype that emerges around the onset of neurogenesis. To demonstrate the utility of this atlas, we have compared microglia across several culture models, including cultured primary microglia, pluripotent stem cell-derived microglia. We identify gene expression signatures differentially recruited and attenuated across experimental models, which will accelerate functional characterization of microglia across perturbations, species, and disease conditions. Finally, we identify a role for human microglia in development of synchronized network activity using a xenotransplantation model of human microglia into cerebral organoids.

Abstract Adeno-associated viruses (AAVs) hold tremendous promise as delivery vectors for clinical gene therapy, but they need improvement. AAVs with enhanced properties, such as more efficient and/or cell-type specific infection, can be engineered by creating a large, diverse starting library and screening for desired phenotypes, in some cases iteratively. Although this approach has succeeded in numerous specific cases, such as infecting cell types from the brain to the lung, the starting libraries often contain a high proportion of variants unable to assemble or package their genomes, a general prerequisite for engineering any gene delivery goal. Herein, we develop and showcase a machine learning (ML)-based method for systematically designing more effective starting libraries — ones that have broadly good packaging capabilities while being as diverse as possible. Such carefully designed but general libraries stand to significantly increase the chance of success in engineering any property of interest. Furthermore, we use this approach to design a clinically-relevant AAV peptide insertion library that achieves 5-fold higher packaging fitness than the state-of-the-art library, with negligible reduction in diversity. We demonstrate the general utility of this designed library on a downstream task to which our approach was agnostic: infection of primary human brain tissue. The ML-designed library had approximately 10-fold more successful variants than the current state-of-the-art library. Not only should our new library serve useful for any number of other engineering goals, but our library design approach itself can also be applied to other types of libraries for AAV and beyond.

The cell’s shape and motion represent fundamental aspects of the cell identity, and can be highly predictive of the function and pathology. However, automated analysis of the morphodynamic states remains challenging for most cell types, especially primary human cells where genetic labeling may not be feasible. To enable automated and quantitative analysis of morphodynamic states, we developed DynaMorph – a computational framework that combines quantitative live cell imaging with self-supervised learning. To demonstrate the fidelity and robustness of this approach, we used DynaMorph to annotate morphodynamic states observed with label-free measurements of density and anisotropy of live microglia isolated from human brain tissue. These cells show complex behavior and have varied responses to disease-relevant stimuli. DynaMorph generates quantitative morphodynamic representations that can be used to evaluate the effects of disease-relevant perturbations. Using DynaMorph, we identify distinct morphodynamic states of microglia polarization and detect rare transition events between states. The methodologies presented here can facilitate automated discovery of functional states of diverse cellular systems.

Abstract Rubella virus is an important human pathogen that can cause neurologic deficits in a developing fetus when contracted during pregnancy. Despite successful vaccination programs in the Americas and many developed countries, rubella remains endemic in many regions worldwide and outbreaks occur wherever population immunity is insufficient. Intense interest since rubella virus was first isolated in 1962 has advanced our understanding of clinical outcomes after infection disrupts key processes of fetal neurodevelopment. Yet it is still largely unknown which cell types in the developing brain are targeted. We show that in human brain slices, rubella virus predominantly infects microglia. This infection occurs in a heterogeneous population but not in a highly microglia-enriched monoculture in the absence of other cell types. By using an organoid-microglia model, we further demonstrate that rubella virus infection leads to a profound interferon response in non-microglial cells, including neurons and neural progenitor cells, and this response is attenuated by the presence of microglia.