The serotonin 2 receptor (5HT2R) agonist psilocybin has demonstrated rapid and long-lasting efficacy across neuropsychiatric disorders characterized by cognitive inflexibility. Psilocybin may accomplish this by inducing rapid and stable dendritic plasticity. However, the impact of psilocybin on patterns of neural activity underlying sustained changes in cognitive and behavioral flexibility has not been characterized. To test the hypothesis that psilocybin enhances behavioral flexibility by rapidly and persistently altering activity in cortical neural ensembles, we performed longitudinal single-cell calcium imaging in the retrosplenial cortex across a five-day trace fear learning and extinction assay. Leveraging tensor component analysis to identify neurons that modulate activity on multiple temporal scales, we found that a single-dose of psilocybin induced cortical ensemble turnover between fear learning and extinction days while oppositely modulating activity in fear- and extinction-active neurons. The extent of suppression of fear-active neurons and recruitment of extinction-active neurons were both predictive of psilocybin-enhanced fear extinction. These results both align with hypotheses that psilocybin enhances behavioral flexibility by recruiting new populations of neurons and introduce a new mechanism involving the suppression of fear-active populations in the retrosplenial cortex.

Abstract Chronic stress significantly contributes to mood- and anxiety disorders. Previous and current data suggest a correlative connection between vitamin B12 supplementation, depression, and stress resilience. However, the underlying mechanisms are still poorly understood. This study reveals a molecular pathway that functionally connects vitamin B12, DNA methylation (DNAme), and stress resilience. We identified Transthyretin ( Ttr ) as a sex-specific key target of vitamin B12 action in chronic stress. Accordingly, TTR expression was increased postmortem in the prefrontal cortex of male, but not female, depressed patients. Virally altered Ttr in the prefrontal cortex functionally contributed to stress- and depression-related behaviors, changes in dendritic spine morphology and gene expression. In stressed mice, vitamin B12 reduced DNAme in the Ttr promoter region. Importantly, using in vivo epigenome editing to alter DNAme in the brains of living mice for the first time, we establish a direct causal link between DNAme on Ttr and stress-associated behaviors. In summary, using state-of-the-art techniques, this study uncovers a mechanistic link between cobalamin supplementation and markers of chronic stress and depression, encouraging further studies into environmental interventions for mood disorders.

Abstract High throughput gene expression profiling is a powerful approach to generate hypotheses on the underlying causes of biological function and disease. Yet this approach is limited by its ability to infer underlying biological pathways and burden of testing tens of thousands of individual genes. Machine learning models that incorporate prior biological knowledge are necessary to extract meaningful pathways and generate rational hypothesis from the vast amount of gene expression data generated to date. We adopted an unsupervised machine learning method, Pathway-level information extractor (PLIER), to train the first mouse PLIER model on 190,111 mouse brain RNA-sequencing samples, the greatest amount of training data ever used by PLIER. mousiPLER converted gene expression data into a latent variables that align to known pathway or cell maker gene sets, substantially reducing data dimensionality and improving interpretability. To determine the utility of mousiPLIER, we applied it to a mouse brain aging study of microglia and astrocyte transcriptomic profiling. We found a specific set of latent variables that are significantly associated with aging, including one latent variable (LV41) corresponding to striatal signal. We next performed k-means clustering on the training data to identify studies that respond strongly to LV41, finding that the variable is relevant to striatum and aging across the scientific literature. Finally, we built a web server ( http://mousiplier.greenelab.com/ ) for users to easily explore the learned latent variables. Taken together this study provides proof of concept that mousiPLIER can uncover meaningful biological processes in mouse transcriptomic studies. Significance statement Analysis of RNA-sequencing data commonly generates differential expression of individual genes across conditions. However, genes are regulated in complex networks, not as individual entities. Machine learning models that incorporate prior biological information are a powerful tool to analyze human gene expression. However, such models are lacking for mouse despite the vast number of mouse RNA-seq datasets. We trained a mouse pathway-level information extractor model (mousiPLIER). The model reduced the data dimensionality from over 10,000 genes to 196 latent variables that map to prior pathway and cell marker gene sets. We demonstrated the utility of mousiPLIER by applying it to mouse brain aging data and developed a web server to facilitate the use of the model by the scientific community.