ABSTRACT Neuronal activity-dependent transcription directs molecular processes that regulate synaptic plasticity, brain circuit development, behavioral adaptation, and long-term memory. Single cell RNA-sequencing technologies (scRNAseq) are rapidly developing and allow for the interrogation of activity-dependent transcription at cellular resolution. Here, we present NEUROeSTIMator, a deep learning model that integrates transcriptomic signals to estimate neuronal activation in a way that we demonstrate is associated with Patch-seq electrophysiological features and that is robust against differences in species, cell type, and brain region. We demonstrate this method’s ability to accurately detect neuronal activity in previously published studies of single cell activity-induced gene expression. Further, we applied our model in a spatial transcriptomic study to identify unique patterns of learning-induced activity across different brain regions. Altogether, our findings establish NEUROeSTIMator as a powerful and broadly applicable tool for measuring neuronal activation, whether as a critical covariate or a primary readout of interest.

Memory consolidation involves discrete patterns of transcriptional events in the hippocampus. Despite the emergence of single-cell transcriptomic profiling techniques, defining learning-responsive gene expression across subregions of the hippocampus has remained challenging. Here, we utilized unbiased spatial sequencing to elucidate transcriptome-wide changes in gene expression in the hippocampus following learning, enabling us to define molecular signatures unique to each hippocampal subregion. We find that each subregion of the hippocampus exhibits distinct yet overlapping transcriptomic signatures. Although the CA1 region exhibited increased expression of genes related to transcriptional regulation, the DG showed upregulation of genes associated with protein folding. We demonstrate the functional relevance of subregion-specific gene expression by genetic manipulation of a transcription factor selectively in the CA1 hippocampal subregion, leading to long-term memory deficits. This work demonstrates the power of using spatial molecular approaches to reveal transcriptional events during memory consolidation.

Abstract CREB-dependent transcription necessary for long-term memory is driven by interactions with CREB-binding protein (CBP), a multi-domain protein that binds numerous transcription factors. Identifying specific domain functions for multi-action proteins is essential to understand processes necessary for healthy living including cognitive function and a robust circadian clock. We investigated the function of the CBP KIX domain in hippocampal memory and gene expression using CBP KIX/KIX mice with mutations that prevent phospho-CREB (Ser133) binding. We found that CBP KIX/KIX mice were impaired in long-term, but not short-term spatial memory in the Morris water maze. Using an unbiased analysis of gene expression after training for hippocampus-dependent memory, we discovered dysregulation of CREB and CLOCK target genes and downregulation of circadian genes in CBP KIX/KIX mice. With our finding that the CBP KIX domain was important for transcription of circadian genes, we profiled circadian activity in CBP KIX/KIX mice. CBP KIX/KIX mice exhibited delayed activity peaks after light offset and longer free-running periods in constant dark, although phase resetting to light was comparable to wildtype. These studies provide insight into the significance of the CBP KIX domain by defining targets of CBP transcriptional co-activation in memory and the role of the CBP KIX domain in vivo on circadian rhythms.

Autism spectrum disorder (ASD) is a genetically heterogeneous condition, caused by a combination of rare de novo and inherited variants as well as common variants in at least several hundred genes. However, significantly larger sample sizes are needed to identify the complete set of genetic risk factors. We conducted a pilot study for SPARK (SPARKForAutism.org) of 457 families with ASD, all consented online. Whole exome sequencing (WES) and genotyping data were generated for each family using DNA from saliva. We identified variants in genes and loci that are clinically recognized causes or significant contributors to ASD in 10.4% of families without previous genetic findings. Additionally, we identified variants that are possibly associated with autism in an additional 3.4% of families. A meta-analysis using the TADA framework at a false discovery rate (FDR) of 0.2 provides statistical support for 34 ASD risk genes with at least one damaging variant identified in SPARK. Nine of these genes (BRSK2, DPP6, EGR3, FEZF2, ITSN1, KDM1B, NR4A2, PAX5 and RALGAPB) are newly emerging genes in autism, of which BRSK2 has the strongest statistical support as a risk gene for autism (TADA q-value = 0.0015). Future studies leveraging the thousands of individuals with ASD that have enrolled in SPARK are likely to further clarify the genetic risk factors associated with ASD as well as allow accelerate autism research that incorporates genetic etiology.

Abstract Widespread sleep deprivation is a continuing public health problem in the United States and worldwide affecting adolescents and adults. Acute sleep deprivation results in decrements in spatial memory and cognitive impairments. The hippocampus is vulnerable to acute sleep deprivation with changes in gene expression, cell signaling, and protein synthesis. Sleep deprivation also has long lasting effects on memory and performance that persist after recovery sleep, as seen in behavioral studies from invertebrates to humans. Although previous research has shown that acute sleep deprivation impacts gene expression, the extent to which sleep deprivation affects gene regulation remains unknown. Using an unbiased deep RNA sequencing approach, we investigated the effects of acute sleep deprivation on gene expression in the hippocampus. We identified 1,146 genes that were significantly dysregulated following sleep deprivation with 507 genes upregulated and 639 genes downregulated, including protein coding genes and long non-coding RNAs not previously identified as impacted by sleep deprivation. Notably, genes significantly upregulated after sleep deprivation were associated with RNA splicing and the nucleus. In contrast, downregulated genes were associated with cell adhesion, dendritic localization, the synapse, and postsynaptic membrane. These results clearly demonstrate that sleep deprivation differentially regulates gene expression on multiple transcriptomic levels to impact hippocampal function. Graphical Abstract

Summary Proper gene regulation is critical for both neuronal development and maintenance as the brain matures. We previously demonstrated that Akirin2, an essential nuclear protein that interacts with transcription factors and chromatin remodeling complexes, is required for the embryonic formation of the cerebral cortex. Here we show that Akirin2 plays a mechanistically distinct role in maintaining healthy neurons during cortical maturation. Restricting Akirin2 loss to excitatory cortical neurons resulted in progressive neurodegeneration via necroptosis and severe cortical atrophy with age. Comparing transcriptomes from Akirin2-null postnatal neurons and cortical progenitors revealed that targets of the tumor suppressor p53, a regulator of both proliferation and cell death encoded by Trp53 , were consistently upregulated. Heterozygous deletion of Trp53 rescued neurodegeneration in Akirin2-null neurons. These data: 1) implicate Akirin2 as a critical neuronal maintenance protein; 2) identify p53 pathways as mediators of Akirin2 functions; and 3) suggest Akirin2 dysfunction may be relevant to neurodegenerative diseases.

Activity-induced gene expression underlies synaptic plasticity and brain function. Here, using molecular sequencing techniques, we define activity-dependent transcriptomic and epigenomic changes at the tissue and single-cell level in the human brain following direct electrical stimulation of the anterior temporal lobe in patients undergoing neurosurgery. Genes related to transcriptional regulation and microglia-specific cytokine activity displayed the greatest induction pattern, revealing a precise molecular signature of neuronal activation in the human brain.

Abstract The mechanisms underlying memory loss associated with Alzheimer’s disease and related dementias (ADRD) remain unclear, and no effective treatments exist. Fundamental studies have shown that a set of transcriptional regulatory proteins of the nuclear receptor 4a (Nr4a) family serve as molecular switches for long-term memory. Here, we show that Nr4a proteins regulate the transcription of a group of genes encoding chaperones that localize to the endoplasmic reticulum (ER), which function to traffic plasticity-related proteins to the cell surface during long lasting forms of synaptic plasticity and memory. Nr4a transcription factors and ER chaperones are linked to ADRD in human samples as well as mouse models, and overexpressing Nr4a1 or the ER chaperone Hspa5 ameliorates the long-term memory deficits in a tau-based mouse model of ADRD, pointing towards novel therapeutic approaches for treating memory loss. Thus, our findings establish protein folding in the ER as a novel molecular concept underlying long-term memory, providing new insights into the mechanistic basis of cognitive deficits in dementia. One-Sentence Summary Molecular approaches establish protein folding in the endoplasmic reticulum as a novel molecular concept underlying synaptic plasticity and memory, serving as a switch to regulate protein folding and trafficking, and driving cognitive deficits in neurodegenerative disorders.

Neuronal activity-dependent transcription directs molecular processes that regulate synaptic plasticity, brain circuit development, behavioral adaptation, and long-term memory. Single cell RNA-sequencing technologies (scRNAseq) are rapidly developing and allow for the interrogation of activity-dependent transcription at cellular resolution. Here, we present NEUROeSTIMator, a deep learning model that integrates transcriptomic signals to estimate neuronal activation in a way that we demonstrate is associated with Patch-seq electrophysiological features and that is robust against differences in species, cell type, and brain region. We demonstrate this method's ability to accurately detect neuronal activity in previously published studies of single cell activity-induced gene expression. Further, we applied our model in a spatial transcriptomic study to identify unique patterns of learning-induced activity across different brain regions in male mice. Altogether, our findings establish NEUROeSTIMator as a powerful and broadly applicable tool for measuring neuronal activation, whether as a critical covariate or a primary readout of interest.