Neural communication networks form the fundamental basis for brain function. These communication networks are enabled by emitted ligands such as neurotransmitters, which activate receptor complexes to facilitate communication. Thus, neural communication is fundamentally dependent on the transcriptome. Here we develop NeuronChat, a method and package for the inference, visualization and analysis of neural-specific communication networks among pre-defined cell groups using single-cell expression data. We incorporate a manually curated molecular interaction database of neural signaling for both human and mouse, and benchmark NeuronChat on several published datasets to validate its ability in predicting neural connectivity. Then, we apply NeuronChat to three different neural tissue datasets to illustrate its functionalities in identifying interneural communication networks, revealing conserved or context-specific interactions across different biological contexts, and predicting communication pattern changes in diseased brains with autism spectrum disorder. Finally, we demonstrate NeuronChat can utilize spatial transcriptomics data to infer and visualize neural-specific cell-cell communication.

Summary In vivo calcium imaging enables simultaneous recording of large neuronal ensembles while engaged in operations such as learning and memory. However, such in vivo optical recordings are typically subject to motion artifact and background contamination from neurons and blood vessels. Further, population cell tracking across multiple recordings is complicated by non-rigid transformation induced by cell movements and field shifts. We introduce the novel method SCOUT for Single-Cell SpatiOtemporal LongitUdinal Tracking, consisting of two crucial parts: (1) imposition of spatial constraints on neuronal footprints extracted from individual optical recordings to improve ROI selection and eliminate false discoveries, and (2) application of a predictor-corrector, using spatiotemporal correlation of extracted neurons across sessions, for population cell tracking across multiple sessions. SCOUT empirically outperforms current methods for cell extraction and tracking in long-term multi-session imaging experiments across multiple brain regions. Application of this method allows for robust longitudinal analysis of contextual discrimination associated neural ensemble dynamics in the hippocampus up to 60 days.