The sequence of the mouse genome is a key informational tool for understanding the contents of the human genome and a key experimental tool for biomedical research. Here, we report the results of an international collaboration to produce a high-quality draft sequence of the mouse genome. We also present an initial comparative analysis of the mouse and human genomes, describing some of the insights that can be gleaned from the two sequences. We discuss topics including the analysis of the evolutionary forces shaping the size, structure and sequence of the genomes; the conservation of large-scale synteny across most of the genomes; the much lower extent of sequence orthology covering less than half of the genomes; the proportions of the genomes under selection; the number of protein-coding genes; the expansion of gene families related to reproduction and immunity; the evolution of proteins; and the identification of intraspecies polymorphism.

We describe a hypothalamus-specific mRNA that encodes preprohypocretin, the putative precursor of a pair of peptides that share substantial amino acid identities with the gut hormone secretin. The hypocretin (Hcrt) protein products are restricted to neuronal cell bodies of the dorsal and lateral hypothalamic areas. The fibers of these neurons are widespread throughout the posterior hypothalamus and project to multiple targets in other areas, including brainstem and thalamus. Hcrt immunoreactivity is associated with large granular vesicles at synapses. One of the Hcrt peptides was excitatory when applied to cultured, synaptically coupled hypothalamic neurons, but not hippocampal neurons. These observations suggest that the hypocretins function within the CNS as neurotransmitters.

Mutations at the mouse tottering (tg) locus cause a delayed-onset, recessive neurological disorder resulting in ataxia, motor seizures, and behavioral absence seizures resembling petit mal epilepsy in humans. A more severe allele, leaner (tgla), also shows a slow, selective degeneration of cerebellar neurons. By positional cloning, we have identified an α1A voltage-sensitive calcium channel gene that is mutated in tg and tgla mice. The α1A gene is widely expressed in the central nervous system with prominent, uniform expression in the cerebellum. α1A expression does not mirror the localized pattern of cerebellar degeneration observed in tgla mice, providing evidence for regional differences in biological function of α1A channels. These studies define the first mutations in a mammalian central nervous system–specific voltage-sensitive calcium channel and identify the first gene involved in absence epilepsy.

The mechanistic target of rapamycin complex 1 (mTORC1) is a central regulator of cell growth that responds to diverse environmental signals and is deregulated in many human diseases, including cancer and epilepsy. Amino acids are a key input to this system, and act through the Rag GTPases to promote the translocation of mTORC1 to the lysosomal surface, its site of activation. Multiple protein complexes regulate the Rag GTPases in response to amino acids, including GATOR1, a GTPase activating protein for RAGA, and GATOR2, a positive regulator of unknown molecular function. Here we identify a protein complex (KICSTOR) that is composed of four proteins, KPTN, ITFG2, C12orf66 and SZT2, and that is required for amino acid or glucose deprivation to inhibit mTORC1 in cultured human cells. In mice that lack SZT2, mTORC1 signalling is increased in several tissues, including in neurons in the brain. KICSTOR localizes to lysosomes; binds and recruits GATOR1, but not GATOR2, to the lysosomal surface; and is necessary for the interaction of GATOR1 with its substrates, the Rag GTPases, and with GATOR2. Notably, several KICSTOR components are mutated in neurological diseases associated with mutations that lead to hyperactive mTORC1 signalling. Thus, KICSTOR is a lysosome-associated negative regulator of mTORC1 signalling, which, like GATOR1, is mutated in human disease.

ABSTRACT NMDA receptors (NMDAR) play crucial roles in excitatory synaptic transmission. Rare variants of GRIN2A , which encodes the GluN2A NMDAR subunit, are associated with several intractable neurodevelopmental disorders, including developmental and epileptic encephalopathy (DEE). A de novo missense variant, p.Ser644Gly (c.1930A>G), was identified in a child with DEE, and Grin2a knockin mice were generated to model and extend understanding of this intractable childhood disease. Homozygous and heterozygous mutant mice exhibit altered hippocampal morphology at two weeks of age, and homozygotes exhibit lethal tonic-clonic seizures in the third week. Heterozygous adult mice display a variety of distinct features, including resistance to electrically induced partial seizures, as well as hyperactivity and repetitive and reduced anxiety behaviors. Multielectrode recordings of mutant neuronal networks reveal hyperexcitability and altered bursting and synchronicity. When expressed in heterologous cells, mutant receptors exhibit enhanced NMDAR agonist potency and slow deactivation following rapid removal of glutamate, as occurs at synapses. Consistent with these observations, NMDAR-mediated synaptic currents in hippocampal slices from mutant mice show a prolonged deactivation time course. Standard antiepileptic drug monotherapy was ineffective in the patient, but combined treatment of NMDAR antagonists with antiepileptic drugs substantially reduced the seizure burden albeit without appreciable developmental improvement. Chronic treatment of homozygous mutant mouse pups with NMDAR antagonists delayed the onset of lethal seizures but did not prevent them. These studies illustrate the power of modeling severe neurodevelopmental seizure disorders using multiple experimental modalities and suggest their extended utility in identifying and evaluating new therapies.

Abstract Here we present an open-source R package ‘meaRtools’ that provides a platform for analyzing neuronal networks recorded on Microelectrode Arrays (MEAs). Cultured neuronal networks monitored with MEAs are now being widely used to characterize in vitro models of neurological disorders and to evaluate pharmaceutical compounds. meaRtools provides core algorithms for MEA spike train analysis, feature extraction, statistical analysis and plotting of multiple MEA recordings with multiple genotypes and treatments. meaRtools functionality covers novel solutions for spike train analysis, including algorithms to assess electrode cross-correlation using the spike train tiling coefficient (STTC), mutual information, synchronized bursts and entropy within cultured wells. Also integrated is a solution to account for bursts variability originating from mixed-cell neuronal cultures. The package provides a statistical platform built specifically for MEA data that can combine multiple MEA recordings and compare extracted features between different genetic models or treatments. We demonstrate the utilization of meaRtools to successfully identify epilepsy-like phenotypes in neuronal networks from Celf4 knockout mice. The package is freely available under the GPL license (GPL>=3) and is updated frequently on the CRAN web-server repository. The package, along with full documentation can be downloaded from: https://cran.r-project.org/web/packages/meaRtools/ . Author summary Cultured neuronal networks are widely used to study and characterize neuronal network activity. Among the many uses of neuronal cultures are the capabilities to evaluate neurotoxicity and the effects of pharmacological compounds on cellular physiology. Multi-well microelectrode arrays (MEAs) can collect high-throughput data from multiple neuronal cultures simultaneously, and thereby make possible hypotheses-driven inquiries into neurobiology and neuropharmacology. The analysis of MEA-derived information presents many computational challenges. High frequency data recorded simultaneously from hundreds of electrodes can be difficult to handle. The need to compare network activity across various drug treatments or genotypes recorded on the same plate from experiments lasting several weeks presents another challenge. These challenges inspired us to develop meaRtools; an MEA data analysis package that contains new methods to characterize network activity patterns, which are illustrated here using examples from a genetic mouse model of epilepsy. Among the highlights of meaRtools are novel algorithms designed to characterize neuronal activity dynamics and network properties such as bursting and synchronization, options to combine multiple recordings and use a robust statistical framework to draw appropriate statistical inferences, and finally data visualizations and plots. In summary, meaRtools provides a platform for the analyses of singular and longitudinal MEA experiments.

Effective gene therapy for gain-of-function or dominant-negative disease mutations may require eliminating expression of the mutant copy together with wild-type replacement. We evaluated such a knockdown-replace strategy in a mouse model of DNM1 disease, a debilitating and intractable neurodevelopmental epilepsy. To challenge the approach robustly, we expressed a patient-based variant in GABAergic neurons-which resulted in growth delay and lethal seizures evident by postnatal week three-and delivered to newborn pups an AAV9-based vector encoding a ubiquitously expressed, Dnm1-specific interfering RNA (RNAi) bivalently in tail-to-tail configuration with a neuron-specific, RNAi-resistant, codon-optimized Dnm1 cDNA. Pups receiving RNAi or cDNA alone fared no better than untreated pups, whereas the vast majority of mutants receiving modest doses survived with almost full growth recovery. Synaptic recordings of cortical neurons derived from treated pups revealed that significant alterations in transmission from inhibitory to excitatory neurons were rectified by bivalent vector application. To examine the mutant transcriptome and impact of treatment, we used RNA sequencing and functional annotation clustering. Mutants displayed abnormal expression of more than 1,000 genes in highly significant and relevant functional clusters, clusters that were abrogated by treatment. Together these results suggest knockdown-replace as a potentially effective strategy for treating DNM1 and related genetic neurodevelopmental disease.

ARFGEF1 encodes a guanine exchange factor involved in intracellular vesicle trafficking, and is a candidate gene for childhood genetic epilepsies. To model ARFGEF1 haploinsufficiency observed in a recent Lennox Gastaut Syndrome patient, we studied a frameshift mutation ( Arfgef1fs ) in mice. Arfgef1fs/+ pups exhibit signs of developmental delay, and Arfgef1fs/+ adults have a significantly decreased threshold to induced seizures but do not experience spontaneous seizures. Histologically, the Arfgef1fs/+ brain exhibits a disruption in the apical lining of the dentate gyrus and altered spine morphology of deep layer neurons. In primary hippocampal neuron culture, dendritic surface and synaptic but not total GABAA receptors (GABAAR) are reduced in Arfgef1fs/+ neurons with an accompanying decrease in GABAAR-containing recycling endosomes in cell body. Arfgef1fs/+ neurons also display differences in the relative ratio of Arf6+:Rab11+:TrfR+ recycling endosomes. Although the GABAAR-containing early endosomes in Arfgef1fs/+ neurons are comparable to wildtype, Arfgef1fs/+ neurons show an increase in GABAAR-containing lysosomes in dendrite and cell body. Together, the altered endosome composition and decreased neuronal surface GABAAR results suggests a mechanism whereby impaired neuronal inhibition leads to seizure susceptibility.

Abstract Identifying and quantifying synchronous activity of primary neuronal networks using multielectrode arrays (MEAs) can potentially provide a medium-throughput platform to screen potential therapeutics for genetic epileptic encephalopathies (EEs). However, successfully identifying screenable synchrony phenotypes in vitro poses significant experimental and analytical challenges. Primary neuronal cultures quickly become highly synchronous and certain measures of synchrony tend to peak and plateau, while other network activity features remain dynamic. High levels of synchrony may confound the ability to identify reproducible phenotypes in vitro for a subset of EEs. Reducing, or delaying the onset of, high levels of synchrony in vitro may increase the dynamic range of global synchrony measures to identify disease-relevant phenotypes in vitro, but such measures have not been established. We hypothesized that an emphasis on local (nearby) connectivity could elucidate reproducible disease-relevant synchrony phenotypes in cortical cultures not identified by current approaches. We show clear evidence of enriched local synchrony in 48-well MEAs that varies in amplitude during development of neuronal networks. Then, we show new topological-based measures are capable of identifying novel phenotypes of aberrant synchrony in distinct mouse models of EEs. Such topological synchrony measures may provide screenable phenotypes for certain brain diseases and may be further enhanced by experimental innovation reducing global levels of synchrony in primary neuronal networks. Significance In vitro synchrony phenotypes may provide disease-relevant features that can be used for screening potential therapeutic candidates for epileptic encephalopathies. Here, we incorporate inter-electrode distance to generate tools capable of identifying novel synchrony phenotypes in distinct neurodevelopmental disorders. We additionally report robust topological and global in vitro synchrony phenotypes, alongside in vivo synchrony phenotypes in Stxbp1 +/- mice. While singular features of disease in an in vitro model are unlikely to effectively test therapeutic candidates, compounds that reverse a larger subset of distinct features may translate to human patients, suggesting such a model may be ideally suited for therapeutic development using MEAs. Across multiple disease models, the topological tools developed here are complimentary to and expand upon those within meaRtools (Gelfman 2018), which is a suite of computational tools to identify network phenotypes using MEAs.