Abstract Neural circuit mapping is generating datasets of 10,000s of labeled neurons. New computational tools are needed to search and organize these data. We present NBLAST, a sensitive and rapid algorithm, for measuring pairwise neuronal similarity. NBLAST considers both position and local geometry, decomposing neurons into short segments; matched segments are scored using a probabilistic scoring matrix defined by statistics of matches and non-matches. We validated NBLAST on a published dataset of 16,129 single Drosophila neurons. NBLAST can distinguish neuronal types down to the finest level (single identified neurons) without a priori information. Cluster analysis of extensively studied neuronal classes identified new types and un-reported topographical features. Fully automated clustering organized the validation dataset into 1052 clusters, many of which map onto previously described neuronal types. NBLAST supports additional query types including searching neurons against transgene expression patterns. Finally we show that NBLAST is effective with data from other invertebrates and zebrafish.

Abstract The hemibrain connectome provides large scale connectivity and morphology information for the majority of the central brain of Drosophila melanogaster . Using this data set, we provide a complete description of the Drosophila olfactory system, covering all first, second and lateral horn-associated third-order neurons. We develop a generally applicable strategy to extract information flow and layered organisation from connectome graphs, mapping olfactory input to descending interneurons. This identifies a range of motifs including highly lateralised circuits in the antennal lobe and patterns of convergence downstream of the mushroom body and lateral horn. Leveraging a second data set we provide a first quantitative assessment of inter – versus intra-individual stereotypy. Comparing neurons across two brains (three hemispheres) reveals striking similarity in neuronal morphology across brains. Connectivity correlates with morphology and neurons of the same morphological type show similar connection variability within the same brain as across two brains.

In pursuit of palatable food, hungry animals mobilize significant energy resources and overcome obstacles, exhaustion and fear. Their perseverance depends on metabolic state, internal motivation and the expected benefit. Sustained commitment to a trying task is crucial, however, disengagement from one behavior to engage into another can be essential for optimal adaptation and survival. How neural circuits allow prioritizing perseverance over withdrawal based on the animal's need, however, is not understood. Using a single fly spherical treadmill, we show that hungry flies display increasing perseverance to track a food odor in the repeated absence of the predicted food reward. While this perseverance is mediated by a group of dopaminergic neurons, a subset of neurons expressing octopamine, the invertebrate noradrenaline, provide reward feedback and counteract dopamine-motivated food seeking. Our data and modeling suggest that two important neuromodulators tally internal and external signals to ultimately coordinate motivation-dependent antagonistic behavioral drives: perseverance vs. change of behavior.

Abstract The evolution of animal behaviour is poorly understood. Despite numerous correlations of behavioural and nervous system divergence, demonstration of the genetic basis of interspecific behavioural differences remains rare. Here we develop a novel neurogenetic model, Drosophila sechellia , a close cousin of D. melanogaster that displays profound behavioural changes linked to its extreme host fruit specialisation. Through calcium imaging, we identify olfactory pathways detecting host volatiles. Mutational analysis indicates roles for individual receptors in long- and short-range attraction. Cross-species allele transfer demonstrates that differential tuning of one receptor is important for species-specific behaviour. We identify the molecular determinants of this functional change, and characterise their behavioural significance and evolutionary origin. Circuit tracing reveals that receptor adaptations are accompanied by increased sensory pooling onto interneurons and novel central projection patterns. This work links molecular and neuronal changes to behavioural divergence and defines a powerful model for investigating nervous system evolution and speciation.

ABSTRACT BigNeuron is an open community bench-testing platform combining the expertise of neuroscientists and computer scientists toward the goal of setting open standards for accurate and fast automatic neuron reconstruction. The project gathered a diverse set of image volumes across several species representative of the data obtained in most neuroscience laboratories interested in neuron reconstruction. Here we report generated gold standard manual annotations for a selected subset of the available imaging datasets and quantified reconstruction quality for 35 automatic reconstruction algorithms. Together with image quality features, the data were pooled in an interactive web application that allows users and developers to perform principal component analysis, t -distributed stochastic neighbor embedding, correlation and clustering, visualization of imaging and reconstruction data, and benchmarking of automatic reconstruction algorithms in user-defined data subsets. Our results show that image quality metrics explain most of the variance in the data, followed by neuromorphological features related to neuron size. By benchmarking automatic reconstruction algorithms, we observed that diverse algorithms can provide complementary information toward obtaining accurate results and developed a novel algorithm to iteratively combine methods and generate consensus reconstructions. The consensus trees obtained provide estimates of the neuron structure ground truth that typically outperform single algorithms. Finally, to aid users in predicting the most accurate automatic reconstruction results without manual annotations for comparison, we used support vector machine regression to predict reconstruction quality given an image volume and a set of automatic reconstructions.

Summary Our companion paper (Takemura et al., 2023) introduces the first completely proofread connectome of the nerve cord of an animal that can walk or fly. The base connectome consists of neuronal morphologies and the connections between them. However, in order to efficiently navigate and understand this connectome, it is crucial to have a system of annotations that systematically categorises and names neurons, linking them to the existing literature. In this paper we describe the comprehensive annotation of the VNC connectome, first by a system of hierarchical coarse annotations, then by grouping left-right and serially homologous neurons and eventually by defining systematic cell types for the intrinsic interneurons and sensory neurons of the VNC; descending and motor neurons are typed in (Cheong et al., 2023). We assign a sensory modality to over 5000 sensory neurons, cluster them by connectivity, and identify serially homologous cell types and a layered organisation likely corresponding to peripheral topography. We identify the developmental neuroblast of origin of the large majority of VNC neurons and confirm that (in most cases) all secondary neurons of each hemilineage express a single neurotransmitter. Neuroblast hemilineages are serially repeated along the segments of the nerve cord and generally exhibit consistent hemilineage-to-hemilineage connectivity across neuromeres, supporting the idea that hemilineages are a major organisational feature of the VNC. We also find that more than a third of individual neurons belong to serially homologous cell types, which were crucial for identifying motor neurons and sensory neurons across leg neuropils. Categorising interneurons by their neuropil innervation patterns provides an additional organisation axis. Over half of the intrinsic neurons of the VNC appear dedicated to the legs, with the majority restricted to single leg neuropils; in contrast, inhibitory interneurons connecting different leg neuropils, especially those crossing the midline, appear rarer than anticipated by standard models of locomotor circuitry. Our annotations are being released as part of the neuprint.janelia.org web application and also serve as the basis of programmatic analysis of the connectome through dedicated tools that we describe in this paper.

Abstract The forthcoming assembly of the adult Drosophila melanogaster central brain connectome, containing over 125,000 neurons and 50 million synaptic connections, provides a template for examining sensory processing throughout the brain. Here, we create a leaky integrate-and-fire computational model of the entire Drosophila brain, based on neural connectivity and neurotransmitter identity, to study circuit properties of feeding and grooming behaviors. We show that activation of sugar-sensing or water-sensing gustatory neurons in the computational model accurately predicts neurons that respond to tastes and are required for feeding initiation. Computational activation of neurons in the feeding region of the Drosophila brain predicts those that elicit motor neuron firing, a testable hypothesis that we validate by optogenetic activation and behavioral studies. Moreover, computational activation of different classes of gustatory neurons makes accurate predictions of how multiple taste modalities interact, providing circuit-level insight into aversive and appetitive taste processing. Our computational model predicts that the sugar and water pathways form a partially shared appetitive feeding initiation pathway, which our calcium imaging and behavioral experiments confirm. Additionally, we applied this model to mechanosensory circuits and found that computational activation of mechanosensory neurons predicts activation of a small set of neurons comprising the antennal grooming circuit that do not overlap with gustatory circuits, and accurately describes the circuit response upon activation of different mechanosensory subtypes. Our results demonstrate that modeling brain circuits purely from connectivity and predicted neurotransmitter identity generates experimentally testable hypotheses and can accurately describe complete sensorimotor transformations.

Reconstruction of neural circuitry at single-synapse resolution is an attractive target for improving understanding of the nervous system in health and disease. Serial section transmission electron microscopy (ssTEM) is among the most prolific imaging methods employed in pursuit of such reconstructions. We demonstrate how Flood-Filling Networks (FFNs) can be used to computationally segment a forty-teravoxel whole-brain Drosophila ssTEM volume. To compensate for data irregularities and imperfect global alignment, FFNs were combined with procedures that locally re-align serial sections as well as dynamically adjust and synthesize image content. The proposed approach produced a largely merger-free segmentation of the entire ssTEM Drosophila brain, which we make freely available. As compared to manual tracing using an efficient skeletonization strategy, the segmentation enabled circuit reconstruction and analysis workflows that were an order of magnitude faster.

Evolution has tuned the nervous system of most animals to produce stereotyped behavioural responses to ethologically relevant stimuli. For example, female Drosophila avoid laying eggs in the presence of geosmin, an odorant produced by toxic moulds. Using this system, we now identify third order olfactory neurons that are essential for an innate aversive behaviour. Connectomics data place these neurons in the context of a complete synaptic circuit from sensory input to descending output. We find multiple levels of valence-specific convergence, including a novel form of axo-axonic input onto second order neurons conveying another danger signal, the pheromone of parasitoid wasps. However we also observe a massive divergence as geosmin-responsive second order olfactory neurons connect with a diverse array of ~75 cell types. Our data suggest a transition from a labelled line organisation in the periphery to one in which olfactory information is mapped onto many different higher order populations with distinct behavioural significance.

Abstract Drosophila melanogaster olfactory neurons have long been thought to express only one chemosensory receptor gene family. There are two main olfactory receptor gene families in Drosophila , the Odorant Receptors (ORs) and the Ionotropic Receptors (IRs). The dozens of odorant binding receptors in each family require at least one co-receptor gene in order to function: Orco for ORs, and Ir25a , Ir8a , and Ir76b for IRs. Using a new genetic knock-in strategy, we targeted the four co-receptors representing the main chemosensory families in Drosophila ( Orco, Ir8a, Ir76b, Ir25a ). Co-receptor knock-in expression patterns were verified as accurate representations of endogenous expression. We find extensive overlap in expression among the different co-receptors. As defined by innervation into antennal lobe glomeruli, Ir25a is broadly expressed in 88% of all olfactory sensory neuron classes and is co-expressed in 82% of Orco+ neuron classes, including all neuron classes in the maxillary palp. Orco , Ir8a , and Ir76b expression patterns are also more expansive than previously assumed. Single sensillum recordings from Orco-expressing Ir25a mutant antennal and palpal neurons identify changes in olfactory responses. These results suggest co-expression of chemosensory receptors is common in olfactory neurons. Together, our data present the first comprehensive map of chemosensory co-receptor expression and reveal their unexpected widespread co-expression in the fly olfactory system.