The National Institutes of Health Mammalian Gene Collection (MGC) Program is a multiinstitutional effort to identify and sequence a cDNA clone containing a complete ORF for each human and mouse gene. ESTs were generated from libraries enriched for full-length cDNAs and analyzed to identify candidate full-ORF clones, which then were sequenced to high accuracy. The MGC has currently sequenced and verified the full ORF for a nonredundant set of >9,000 human and >6,000 mouse genes. Candidate full-ORF clones for an additional 7,800 human and 3,500 mouse genes also have been identified. All MGC sequences and clones are available without restriction through public databases and clone distribution networks (see http://mgc.nci.nih.gov ).

The National Institutes of Health's Mammalian Gene Collection (MGC) project was designed to generate and sequence a publicly accessible cDNA resource containing a complete open reading frame (ORF) for every human and mouse gene. The project initially used a random strategy to select clones from a large number of cDNA libraries from diverse tissues. Candidate clones were chosen based on 5′-EST sequences, and then fully sequenced to high accuracy and analyzed by algorithms developed for this project. Currently, more than 11,000 human and 10,000 mouse genes are represented in MGC by at least one clone with a full ORF. The random selection approach is now reaching a saturation point, and a transition to protocols targeted at the missing transcripts is now required to complete the mouse and human collections. Comparison of the sequence of the MGC clones to reference genome sequences reveals that most cDNA clones are of very high sequence quality, although it is likely that some cDNAs may carry missense variants as a consequence of experimental artifact, such as PCR, cloning, or reverse transcriptase errors. Recently, a rat cDNA component was added to the project, and ongoing frog ( Xenopus ) and zebrafish ( Danio ) cDNA projects were expanded to take advantage of the high-throughput MGC pipeline.

Gastric inhibitory polypeptide (GIP), or glucose-dependent insulinotropic peptide, is released from endocrine cells in the small intestine after meals. It is involved in several facets of the anabolic response and is thought to be particularly important in stimulating insulin secretion. We have cloned, functionally expressed, and mapped the distribution of the receptor for GIP. It is a member of the secretin-vasoactive intestinal polypeptide family of G-protein-coupled receptors. When expressed in tissue culture cells, it stimulates cAMP production (EC50 0.3 nM) and also increases intracellular calcium accumulation. GIP receptor mRNA is present in the pancreas as well as the gut, adipose tissue, heart, pituitary, and inner layers of the adrenal cortex, whereas it is not found in kidney, spleen, or liver. It is also expressed in several brain regions, including the cerebral cortex, hippocampus, and olfactory bulb. These results suggest that GIP may have previously undescribed actions. GIP receptor localization in the adrenal cortex suggests that it may have effects on glucocorticoid metabolism. Neither GIP nor its effects have been described in the central nervous system, and mRNA for the known peptide ligand for the receptor cannot be detected in the brain by in situ hybridization or polymerase chain reaction. This suggests that a novel peptide may be present in the brain.

We have identified a G-protein-coupled receptor specifically activated by parathyroid hormone, which we refer to as the PTH2 receptor. Parathyroid hormone (PTH) and parathyroid hormone-related peptide (PTHrP, hypercalcemia of malignancy factor) activate a previously identified PTH/PTHrP receptor, which has a widespread tissue distribution. The PTH2 receptor is much more selective in ligand recognition and appears to have a more specific tissue distribution. It is activated by PTH and not by PTHrP and is particularly abundant in the brain and pancreas. We have identified a G-protein-coupled receptor specifically activated by parathyroid hormone, which we refer to as the PTH2 receptor. Parathyroid hormone (PTH) and parathyroid hormone-related peptide (PTHrP, hypercalcemia of malignancy factor) activate a previously identified PTH/PTHrP receptor, which has a widespread tissue distribution. The PTH2 receptor is much more selective in ligand recognition and appears to have a more specific tissue distribution. It is activated by PTH and not by PTHrP and is particularly abundant in the brain and pancreas.

The use of different receptor blocking agents and single-unit recording techniques indicates that feedback inhibition of brain noradrenaline neurons by tricyclic antidepressants is mediated by presynaptic α-receptors. After chronic imipramine treatment, noradrenaline neurons in the locus coeruleus of rat brain remained partly depressed, in agreement with clinical data. They were, however, resistant to further inhibition by imipramine or clonidine.

The vesicular acetylcholine transporter (VAChT) has been identified and characterized based on the acquisition of high affinity vesamicol binding and proton-dependent, vesamicol-sensitive acetylcholine accumulation by a fibroblast cell line transfected with a clone from a rat pheochromocytoma cDNA library encoding this protein. The distribution of VAChT mRNA coincides with that reported for choline acetyltransferase (ChAT), the enzyme required for acetylcholine biosynthesis, in the peripheral and central cholinergic nervous systems. A human VAChT cDNA was used to localize the VAChT gene to chromosome 10q11.2, which is also the location of the ChAT gene. The entire sequence of the human VAChT cDNA is contained uninterrupted within the first intron of the ChAT gene locus. Transcription of VAChT and ChAT mRNA from the same or contiguous promoters within a single regulatory locus provides a previously undescribed genetic mechanism for coordinate regulation of two proteins whose expression is required to establish a mammalian neuronal phenotype.

Abstract We present ‘Richardson-Lucy Network’ (RLN), a fast and lightweight deep learning method for 3D fluorescence microscopy deconvolution. RLN combines the traditional Richardson-Lucy iteration with a fully convolutional network structure, improving network interpretability and robustness. Containing only ∼16 thousand parameters, RLN enables 4- to 50-fold faster processing than purely data-driven networks with many more parameters. By visual and quantitative analysis, we show that RLN provides better deconvolution, better generalizability, and fewer artifacts than other networks, especially along the axial dimension. RLN outperforms Richardson-Lucy deconvolution on volumes contaminated with severe out of focus fluorescence or noise and provides 4- to 6-fold faster reconstructions of large, cleared tissue datasets than classic multi-view pipelines. We demonstrate RLN’s performance on cells, tissues, and embryos imaged with widefield-, light sheet-, and structured illumination microscopy.

Dopamine release in striatal circuits, including the nucleus accumbens (NAc), tracks separable features of reward such as motivation and reinforcement. However, the cellular and circuit mechanisms by which dopamine receptors transform dopamine release into distinct constructs of reward remain unclear. Here, we show that dopamine D3 receptor (D3R) signaling in the NAc drives motivated behavior by regulating local NAc microcircuits. Furthermore, D3Rs co-express with dopamine D1 receptors (D1Rs), which regulate reinforcement, but not motivation. Paralleling dissociable roles in reward function, we report non-overlapping physiological actions of D3R and D1R signaling in NAc neurons. Our results establish a novel cellular framework wherein dopamine signaling within the same NAc cell type is physiologically compartmentalized via actions on distinct dopamine receptors. This structural and functional organization provides neurons in a limbic circuit with the unique ability to orchestrate dissociable aspects of reward-related behaviors that are relevant to the etiology of neuropsychiatric disorders.

We describe theoretical and practical advances in algorithm and software design, resulting in ten to several thousand-fold faster deconvolution and multiview fusion than previous methods. First, we adapt methods from medical imaging, showing that an unmatched back projector accelerates Richardson-Lucy deconvolution by at least 10-fold, in most cases requiring only a single iteration. Second, we show that improvements in 3D image-based registration with GPU processing result in speedups of 10-100-fold over CPU processing. Third, we show that deep learning can provide further accelerations, particularly for deconvolution with a spatially varying point spread function. We illustrate the power of our methods from the subcellular to millimeter spatial scale, on diverse samples including single cells, nematode and zebrafish embryos, and cleared mouse tissue. Finally, we show that our methods facilitate the use of new microscopes that improve spatial resolution, including dual-view cleared tissue light-sheet microscopy and reflective lattice light-sheet microscopy.