Recent success in identifying gene regulatory elements in the context of recombinant adeno-associated virus vectors have enabled cell type-restricted gene expression. However, within the cerebral cortex these tools are presently limited to broad classes of neurons. To overcome this limitation, we developed a strategy that led to the identification of multiple novel enhancers to target functionally distinct neuronal subtypes. By investigating the regulatory landscape of the disease gene Scn1a, we identified enhancers that target the breadth of its expression, including two that are selective for parvalbumin and vasoactive intestinal peptide cortical interneurons. Demonstrating the functional utility of these elements, we found that the PV-specific enhancer allowed for the selective targeting and manipulation of these neurons across species, from mice to humans. Finally, we demonstrate that our selection method is generalizable to other genes and characterize four additional PV-specific enhancers with exquisite specificity for distinct regions of the brain. Altogether, these viral tools can be used for cell-type specific circuit manipulation and hold considerable promise for use in therapeutic interventions.

Background MEF2C is strongly linked to various neurodevelopmental disorders (NDDs) including autism, intellectual disability, schizophrenia, and attention-deficit/hyperactivity. Mice constitutively lacking one copy of Mef2c, or selectively lacking both copies of Mef2c in cortical excitatory neurons, display a variety of behavioral phenotypes associated with NDDs. The MEF2C protein is a transcription factor necessary for cellular development and synaptic modulation of excitatory neurons. MEF2C is also expressed in a subset of cortical GABAergic inhibitory neurons, but its function in those cell types remains largely unknown. Methods Using conditional deletions of the Mef2c gene in mice, we investigated the role of MEF2C in Parvalbumin-expressing Interneurons (PV-INs), the largest subpopulation of cortical GABAergic cells, at two developmental timepoints. We performed slice electrophysiology, in vivo recordings, and behavior assays to test how embryonic and late postnatal loss of MEF2C from GABAergic interneurons impacts their survival and maturation, and alters brain function and behavior. Results Loss of MEF2C from PV-INs during embryonic, but not late postnatal, development resulted in reduced PV-IN number and failure of PV-INs to molecularly and synaptically mature. In association with these deficits, early loss of MEF2C in GABAergic interneurons lead to abnormal cortical network activity, hyperactive and stereotypic behavior, and impaired cognitive and social behavior. Conclusions MEF2C expression is critical for the development of cortical GABAergic interneurons, particularly PV-INs. Embryonic loss of function of MEF2C mediates dysfunction of GABAergic interneurons, leading to altered in vivo patterns of cortical activity and behavioral phenotypes associated with neurodevelopmental disorders.

Abstract Neural oscillations are prominent features of brain activity, observable through frequency-specific power changes in electroencephalograms (EEG) and local field potentials (LFP). They also manifest as rhythmic coherence across brain regions. Although the identification of oscillations has primarily relied on EEG and LFP, the intrinsic relation between neural oscillations and neuronal spiking is noteworthy. We investigate the potential to detect individual cycles of neural rhythms solely through the spiking activity of neurons, leveraging recent advances in densely recording large populations of neurons within a local network. The numerous spikes from many neurons within a local network estimate the network’s activity over time, enabling the identification of cyclic patterns. Here, we utilize a Long Short Term Memory (LSTM) network to effectively isolate and align individual cycles of neural oscillations from the spiking of a densely recorded population of neurons. This isolation occurs in the temporal domain, where cycles from different time scales may combine in various ways to shape the network’s spiking probability. We simulated the population spiking probability by synthesizing a signal using the known neural cycles, such as gamma, beta, etc., as the basis functions. We also introduced noise and variations in the width of each cycle instance to match the spectral profile of the recorded population spikings. We then used this synthesized signal to train a multilayer LSTM network to detect the timing of the underlying cycles. We applied this network to robustly isolate specific cycles in different brain regions of mice across different time scales, from gamma to ultra-slow rhythms spanning durations of up to hundreds of seconds. These ultra-slow rhythms, which are usually cut off in the LFP, are also detected in behavioral measures of arousal, such as pupil size and mouse facial motion, and show delayed coherence with corresponding rhythms in the population spiking. We used isolated gamma cycles driven by sensory input to achieve a more precise alignment of the trials in sensory stimulation experiments in the primary visual cortex (V1) of mice. This alignment compensates for the biological variation in the transmission times of sensory signals from the retina to V1 across trials. As a result, we retrieve more accurate neural dynamics in response to sensory stimulation. Moreover, we applied this method to measure the correlated spiking across brain regions on different time scales. This involved isolating distinct cycles in population spiking of simultaneously recorded regions. We observed that the delay in population spiking between brain regions varies across different time scales.

is strongly linked to various neurodevelopmental disorders (NDDs) including autism, intellectual disability, schizophrenia, and attention-deficit/hyperactivity. Mice constitutively lacking one copy of