A broad range of brain pathologies critically relies on the vasculature, and cerebrovascular disease is a leading cause of death worldwide. However, the cellular and molecular architecture of the human brain vasculature remains poorly understood. Here, we performed single-cell RNA sequencing of 599,215 freshly isolated endothelial, perivascular and other tissue-derived cells from 47 fetuses and adult patients to construct a molecular atlas of the developing fetal, adult control and diseased human brain vasculature. We uncover extensive molecular heterogeneity of healthy fetal and adult human brains and across eight vascular-dependent CNS pathologies including brain tumors and brain vascular malformations. We identify alteration of arteriovenous differentiation and reactivated fetal as well as conserved dysregulated pathways in the diseased vasculature. Pathological endothelial cells display a loss of CNS-specific properties and reveal an upregulation of MHC class II molecules, indicating atypical features of CNS endothelial cells. Cell-cell interaction analyses predict numerous endothelial-to-perivascular cell ligand-receptor crosstalk including immune-related and angiogenic pathways, thereby unraveling a central role for the endothelium within brain neurovascular unit signaling networks. Our single-cell brain atlas provides insight into the molecular architecture and heterogeneity of the developing, adult/control and diseased human brain vasculature and serves as a powerful reference for future studies.

The electrophysiological signatures of encoding and retrieval recorded from mesial temporal lobe (MTL) structures are observed as event related potentials (ERPs) during visual memory tasks. The waveforms of the ERPs associated with the onset of visual stimuli (image-onset) and eye movements (saccades and fixations) provide insights into the mechanisms of their generation. We hypothesized that since eye movements and image-onset (common methods of stimulus presentation when testing memory) provide MTL structures with salient visual information, that perhaps they both engage similar neural mechanisms. To explore this question, we used intracranial electroencephalographic (iEEG) data from the MTLs of 11 patients with medically refractory epilepsy who participated in a visual search task. We sought to characterize electrophysiological responses of MTL structures to saccades, fixations and image onset. We demonstrate that the image-onset response is an evoked/additive response with a low-frequency power increase and post-stimulus phase clustering. In contrast, ERPs following eye movements appeared to arise from phase resetting of higher frequencies than the image onset ERP. Intriguingly, this reset was associated with saccade onset and not saccade termination (fixation), suggesting it is likely the MTL response to a corollary discharge, rather than a response to visual stimulation - in stark contrast to the image onset response. The distinct mechanistic underpinnings of these two ERP may help guide future development of visual memory tasks.

Abstract Aging involves various neurobiological changes, although their effect on brain function in humans remains poorly understood. The growing availability of human neuronal and circuit data provides opportunities for uncovering age-dependent changes of brain networks and for constraining models to predict consequences on brain activity. Here we found increased sag voltage amplitude in human middle temporal gyrus layer 5 pyramidal neurons from older subjects, and captured this effect in biophysical models of younger and older pyramidal neurons. We used these models to simulate detailed layer 5 microcircuits and found lower baseline firing in older pyramidal neuron microcircuits, with minimal effect on response. We then validated the predicted reduced baseline firing using extracellular multi-electrode recordings from human brain slices of different ages. Our results thus report changes in human pyramidal neuron input integration properties and provide fundamental insights on the neuronal mechanisms of altered cortical excitability and resting state activity in human aging.

Abstract Optogenetics has transformed neuroscience by allowing precise manipulation of neural circuits with light [1–5]. However, a central difficulty has been to deliver spatially shaped light and record deep within the brain without causing damage or significant heating. Current approaches form the light beam in free space and record the neural activity using fluorescence imaging or separately inserted electrodes [6–9], but attenuation limits optical penetration to around 1 mm of the brain surface [10]. Here, we overcome this challenge with foundry-fabricated implantable silicon neural probes that combine microelectrodes for electrophysiology recordings with nanophotonic circuits that emit light with engineered beam profiles and minimal thermal impact. Our experiments reveal that planar light sheets, emitted by our neural probes, excited more neurons and induced greater firing rate fatigue in layers V and VI of the motor and somatosensory cortex of Thy1-ChR2 mice at lower output intensities than low divergence beams. In the hippocampus of an epilepsy mouse model, we induced seizures, a network-wide response, with light sheets without exceeding the ∼ 1 ◦ C limit for thermally induced electrophysiological responses [11–13]. These findings show that optical spatial profiles can be tailored for optogenetic stimulation paradigms and that the probes can photostimulate and record neural activity at single or population levels while minimizing thermal damage to brain tissue. The neural probes, made in a commercial silicon photonics foundry on 200-mm silicon wafers, demonstrate the manufacturability of the technology. The prospect of monolithically integrating additional well-established silicon photonics devices, such as wavelength and polarization multiplexers, temperature sensors, and optical power monitors, into the probes holds the potential of realizing more versatile, implantable tools for multimodal brain activity mapping.

Sorting spikes from extracellular recording into clusters associated with distinct single units (putative neurons) is a fundamental step in analyzing neuronal populations. Such spike sorting is intrinsically unsupervised, as the number of neurons are not known a priori. Therefor, any spike sorting is an unsupervised learning problem that requires either of the two approaches: specification of a fixed value c for the number of clusters to seek, or generation of candidate partitions for several possible values of c, followed by selection of a best candidate based on various post-clustering validation criteria. In this paper, we investigate the first approach and evaluate the utility of several methods for providing lower dimensional visualization of the cluster structure and on subsequent spike clustering. We also introduce a visualization technique called improved visual assessment of cluster tendency (iVAT) to estimate possible cluster structures in data without the need for dimensionality reduction. Experimental results are conducted on two datasets with ground truth labels. In data with a relatively small number of clusters, iVAT is beneficial in estimating the number of clusters to inform the initialization of clustering algorithms. With larger numbers of clusters, iVAT gives a useful estimate of the coarse cluster structure but sometimes fails to indicate the presumptive number of clusters. We show that noise associated with recording extracellular neuronal potentials can disrupt computational clustering schemes, highlighting the benefit of probabilistic clustering models. Our results show that t-Distributed Stochastic Neighbor Embedding (t-SNE) provides representations of the data that yield more accurate visualization of potential cluster structure to inform the clustering stage. Moreover, The clusters obtained using t-SNE features were more reliable than the clusters obtained using the other methods, which indicates that t-SNE can potentially be used for both visualization and to extract features to be used by any clustering algorithm.

After we listen to a series of words, we can silently replay them in our mind. Does this mental replay involve a re-activation of our original perceptual representations? We recorded electrocorticographic (ECoG) activity across the lateral cerebral cortex as people heard and then mentally rehearsed spoken sentences. For each region, we tested whether silent rehearsal of sentences involved reactivation of sentence-specific representations established during perception or transformation to a distinct representation. In sensorimotor and premotor cortex, we observed reliable and temporally precise responses to speech; these patterns transformed to distinct sentence-specific representations during mental rehearsal. In contrast, we observed slower and less reliable responses in prefrontal and temporoparietal cortex; these higher-order representations, which were sensitive to sentence semantics, were shared across perception and rehearsal. The mental rehearsal of natural speech involves the transformation of time-resolved speech representations in sensorimotor and premotor cortex, combined with diffuse reactivation of higher-order semantic representations.

A plethora of recent experimental literature implicates the abrupt, synchronous activation of GABAergic interneurons in driving the sudden change in brain activity that heralds seizure initiation. However, the mechanisms predisposing an inhibitory network toward sudden coherence specifically during ictogenesis remain unknown. We address this question by comparing simulated inhibitory networks containing control interneurons and networks containing hyper-excitable interneurons modeled to mimic treatment with 4-Aminopyridine (4-AP), an agent commonly used to model seizures \textit{in vivo} and \textit{in vitro}. Our \textit{in silico} study demonstrates that model inhibitory networks with 4-AP interneurons are more prone than their control counterparts to exist in a bistable state in which asynchronously firing networks can abruptly transition into synchrony due to a brief perturbation. We further show that perturbations driving this transition could reasonably arise \textit{in vivo} based on models of background excitatory synaptic activity in the cortex. Thus, these results propose a mechanism by which an inhibitory network can transition from incoherent to coherent dynamics in a fashion that may precipitate seizure as a downstream effect. Moreover, this mechanism specifically explains why inhibitory networks containing hyper-excitable interneurons are more vulnerable to this state change, and how such networks can undergo this transition without a permanent change in the drive to the system. This, in turn, potentially explains such networks' increased vulnerability to seizure initiated by GABAergic activity.