Abstract The large size of imaging datasets generated by next-generation histology methods limits the adoption of those approaches in research and the clinic. We propose pAPRica (pipelines for Adaptive Particle Representation image compositing and analysis), a framework based on the Adaptive Particle Representation (APR) to enable efficient analysis of large microscopy datasets, scalable up to petascale on a regular workstation. pAPRica includes stitching, merging, segmentation, registration, and mapping to an atlas as well as visualization of the large 3D image data, achieving 100+ fold speedup in computation and commensurate data-size reduction.

Summary With the emerging role of the autophagic machinery in healthy brain development and aging, there is a pressing need to better characterize its functions in different neuronal populations, providing cellular insight into autophagy-related brain diseases. Here, we generated and characterized mice with conditional ablation of atg5 in GABAergic neurons expressing parvalbumin ( PV-atg5KO ), mostly comprising fast-spiking interneurons, as well as Purkinje cells in the cerebellum. Using light-sheet microscopy to image PV neurons throughout the brain, we reveal that autophagy is required for the sustenance of Purkinje cells but not of PV-interneurons. Yet, proteomic analysis showed that autophagy deficiency in cortical and hippocampal PV-interneurons alters the proteostasis of key synaptic proteins, as well as the surface expression of glutamate receptor subunits. Consistently, hippocampal autophagy-deficient PV-interneurons exhibit reduced inhibitory neurotransmission and PV-atg5KO mice display excitation-inhibition imbalance in the hippocampus and memory deficits. Our findings demonstrate a neuronal type-specific vulnerability to autophagy deficiency, while also identifying PV-interneurons as cellular substrates where autophagy is required for memory.