We recently proposed that ciliary neurotrophic factor (CNTF) shares two receptor components with a generally acting cytokine, leukemia inhibitory factor (LI F), but that CNTF also requires a third receptor component (CNTFRα) that is mostly restricted to the nervous system in its expression. Here we demonstrate that a transfected CNTFRα gene is sufficient to confer CNTF responsiveness upon hemopoietic cells normally responsive only to LIF, providing evidence that CNTFRα is a required receptor component that uniquely characterizes CNTF-responding cells. Consistent with this notion, CNTFRα expression could be localized to neurons within all known peripheral targets of CNTF. CNTFRα was also widely expressed within neurons of the CNS, suggesting that CNTF has broader CNS actions than previously appreciated. However, in vivo localization of CNTFRα, as well as of CNTF itself, is consistent with a particularly important role for CNTF in motor function as well as during neuropoiesis.

Abstract Annotation of multiple regions of interest across the whole mouse brain is an indispensable process for quantitative evaluation of a multitude of study endpoints in neuroscience digital pathology. Prior experience and domain expert knowledge are the key aspects for image annotation quality and consistency. At present, image annotation is often achieved manually by certified pathologists or trained technicians, limiting the total throughput of studies performed at neuroscience digital pathology labs. It may also mean that less rigorous, less time-consuming methods of histopathological assessment are employed by non-pathologists, especially for early discovery and preclinical studies. To address these limitations and to meet the growing demand for image analysis in a pharmaceutical setting, we developed AnNoBrainer, an open-source software tool that leverages deep learning, image registration, and standard cortical brain templates to automatically annotate individual brain regions on 2D pathology slides. Application of AnNoBrainer to a published set of pathology slides from transgenic mice models of synucleinopathy revealed comparable accuracy, increased reproducibility, and a significant reduction (∼50%) in time spent on brain annotation, quality control and labelling compared to trained scientists in pathology. Taken together, AnNoBrainer offers a rapid, accurate, and reproducible automated annotation of mouse brain images that largely meets the experts’ histopathological assessment standards (>85% of cases) and enables high-throughput image analysis workflows in digital pathology labs.