Highlights•SeeDB2 is a simple optical clearing method preserving morphology and fluorophores•SeeDB2 is optimized for high-resolution imaging by minimizing spherical aberrations•Volumetric super-resolution imaging enables synaptic-scale connectomic studies•Quantitative synapse mapping is demonstrated for mouse and fly brain samplesSummarySuper-resolution imaging deep inside tissues has been challenging, as it is extremely sensitive to light scattering and spherical aberrations. Here, we report an optimized optical clearing agent for high-resolution fluorescence imaging (SeeDB2). SeeDB2 matches the refractive indices of fixed tissues to that of immersion oil (1.518), thus minimizing both light scattering and spherical aberrations. During the clearing process, fine morphology and fluorescent proteins were highly preserved. SeeDB2 enabled super-resolution microscopy of various tissue samples up to a depth of >100 μm, an order of magnitude deeper than previously possible under standard mounting conditions. Using this approach, we demonstrate accumulation of inhibitory synapses on spine heads in NMDA-receptor-deficient neurons. In the fly medulla, we found unexpected heterogeneity in axon bouton orientations among Mi1 neurons, a part of the motion detection circuitry. Thus, volumetric super-resolution microscopy of cleared tissues is a powerful strategy in connectomic studies at synaptic levels.Graphical abstract

SUMMARY Developing neurons initially form excessive neurites and then remodel them based on molecular cues and neuronal activity. Developing mitral cells in the olfactory bulb initially extend multiple primary dendrites. They then stabilize single primary dendrites, while eliminating others. However, the mechanisms underlying the selective dendrite remodeling remain elusive. Using CRISPR/Cas9-based knockout screening combined with in utero electroporation, we identified BMPR-2 as a key regulator for the selective dendrite stabilization. Bmpr2 knockout and its rescue experiments show that BMPR-2 inhibits LIMK without ligands and thereby facilitates dendrite destabilization. In contrast, the overexpression of antagonists and agonists indicate that ligand-bound BMPR-2 stabilizes dendrites, most likely by releasing LIMK. Using genetic and FRET imaging experiments, we also demonstrate that free LIMK is activated by NMDARs via Rac1, facilitating dendrite stabilization through F-actin formation. Thus, the selective stabilization of mitral cell dendrites is ensured by concomitant inputs of BMP ligands and neuronal activity.

In the mouse olfactory bulb, sensory information detected by ~1,000 types of olfactory sensory neurons (OSNs) is represented by the glomerular map. The second-order neurons, mitral and tufted cells, connect a single primary dendrite to one glomerulus. This forms discrete connectivity between the ~1,000 types of input and output neurons. It has remained unknown how this discrete dendrite wiring is established during development. We found that genetically silencing neuronal activity in mitral cells, but not from OSNs, perturbs the dendrite pruning of mitral cells. In vivo calcium imaging of awake neonatal animals revealed two types of spontaneous neuronal activity in mitral/tufted cells, but not in OSNs. Pharmacological and knockout experiments revealed a role for glutamate and NMDARs. The genetic blockade of neurotransmission among mitral/tufted cells reduced spontaneous activity and perturbed dendrite wiring. Thus, spontaneous network activity generated within the olfactory bulb self-organizes the parallel discrete connections in the mouse olfactory system.

Abstract Fluorescence imaging is widely used for the mesoscopic mapping of neuronal connectivity. However, neurite reconstruction is challenging, especially when neurons are densely labelled. Here, we report a strategy for the fully automated reconstruction of densely labelled neuronal circuits. Firstly, we establish stochastic super-multicolour labelling with up to seven different fluorescent proteins using the Tetbow method. With this method, each neuron is labelled with a unique combination of fluorescent proteins, which are then imaged and separated by linear unmixing. We also establish an automated neurite reconstruction pipeline based on the quantitative analysis of multiple dyes (QDyeFinder), which identifies neurite fragments with similar colour combinations. To classify colour combinations, we develop unsupervised clustering algorithm, dCrawler, in which data points in multi-dimensional space are clustered based on a given threshold distance. Our strategy allows the reconstruction of neurites for up to hundreds of neurons at the millimetre scale without using their physical continuity.

ABSTRACT Fluorescence imaging is widely used for the mesoscopic mapping of neuronal connectivity. However, neurite reconstruction is challenging, especially when neurons are densely labelled. Here we report a strategy for the fully automated reconstruction of densely labelled neuronal circuits. Firstly, we established stochastic “super-multicolour” labelling with up to seven different fluorescent proteins using the Tetbow method. With this method, each neuron was labelled with a unique combination of fluorescent proteins, which were then imaged and separated by linear unmixing. We also established an automated neurite reconstruction pipeline based on the quantitative analysis of multiple dyes (QDyeFinder). To classify colour combinations, we used a newly developed unsupervised clustering algorithm, dCrawler, in which data points in multi-dimensional space were clustered based on a given threshold distance. Our new strategy allows for the reconstruction of neurites for up to hundreds of neurons at a millimetre scale without manual tracing.