ABSTRACT We report the generation of a multimodal cell census and atlas of the mammalian primary motor cortex (MOp or M1) as the initial product of the BRAIN Initiative Cell Census Network (BICCN). This was achieved by coordinated large-scale analyses of single-cell transcriptomes, chromatin accessibility, DNA methylomes, spatially resolved single-cell transcriptomes, morphological and electrophysiological properties, and cellular resolution input-output mapping, integrated through cross-modal computational analysis. Together, our results advance the collective knowledge and understanding of brain cell type organization: First, our study reveals a unified molecular genetic landscape of cortical cell types that congruently integrates their transcriptome, open chromatin and DNA methylation maps. Second, cross-species analysis achieves a unified taxonomy of transcriptomic types and their hierarchical organization that are conserved from mouse to marmoset and human. Third, cross-modal analysis provides compelling evidence for the epigenomic, transcriptomic, and gene regulatory basis of neuronal phenotypes such as their physiological and anatomical properties, demonstrating the biological validity and genomic underpinning of neuron types and subtypes. Fourth, in situ single-cell transcriptomics provides a spatially-resolved cell type atlas of the motor cortex. Fifth, integrated transcriptomic, epigenomic and anatomical analyses reveal the correspondence between neural circuits and transcriptomic cell types. We further present an extensive genetic toolset for targeting and fate mapping glutamatergic projection neuron types toward linking their developmental trajectory to their circuit function. Together, our results establish a unified and mechanistic framework of neuronal cell type organization that integrates multi-layered molecular genetic and spatial information with multi-faceted phenotypic properties.

Abstract To elucidate cortical microcircuit structure and synaptic properties we present a unique, extensive, and public synaptic physiology dataset and analysis platform. Through its application, we reveal principles that relate cell type to synapse properties and intralaminar circuit organization in the mouse and human cortex. The dynamics of excitatory synapses align with the postsynaptic cell subclass, whereas inhibitory synapse dynamics partly align with presynaptic cell subclass but with considerable overlap. Despite these associations, synaptic properties are heterogeneous in most subclass to subclass connections. The two main axes of heterogeneity are strength and variability. Cell subclasses divide along the variability axis, while the strength axis accounts for significant heterogeneity within the subclass. In human cortex, excitatory to excitatory synapse dynamics are distinct from those in mouse and short-term plasticity varies with depth across layers 2 and 3. With a novel connectivity analysis that enables fair comparisons between circuit elements, we find that intralaminar connection probability among cell subclasses exhibits a strong layer dependence.These and other findings combined with the analysis platform create new opportunities for the neuroscience community to advance our understanding of cortical microcircuits.

Abstract The evolutionarily conserved default mode network (DMN) is characterized by temporally correlated activity between brain regions during resting states. The DMN has emerged as a selectively vulnerable network in multiple disorders, so understanding its anatomical composition will provide fundamental insight into how its function is impacted by disease. Reproducible rodent analogs of the human DMN offer an opportunity to investigate the underlying brain regions and structural connectivity (SC) with high spatial and cell type resolution. Here, we performed systematic analyses using mouse resting state functional magnetic resonance imaging to identify the DMN and whole brain axonal tracing data, co-registered to the 3D Allen Mouse Common Coordinate Framework reference atlas. We identified the specific, predominantly cortical, brain regions comprising the mouse DMN and report preferential SC between these regions. Next, at the cell class level, we report that cortical layer (L) 2/3 neurons in DMN regions project almost exclusively to other DMN regions, whereas L5 neurons project to targets both in and out of the DMN. We then test the hypothesis that in- and out-DMN projection patterns originate from distinct L5 neuron sub-classes using an intersectional viral tracing strategy to label all the axons from neurons defined by a single target. In the ventral retrosplenial cortex, a core DMN region, we found two L5 projection types related to the DMN and mapped them to unique transcriptomically-defined cell types. Together, our results provide a multi-scale description of the anatomical correlates of the mouse DMN.

Neurons in the neocortex exhibit astonishing morphological diversity which is critical for properly wiring neural circuits and giving neurons their functional properties. However, the organizational principles underlying this morphological diversity remain an open question. Here, we took a data-driven approach using graph-based machine learning methods to obtain a low-dimensional morphological "bar code" describing more than 30,000 excitatory neurons in mouse visual areas V1, AL and RL that were reconstructed from the millimeter scale MICrONS serial-section electron microscopy volume. Contrary to previous classifications into discrete morphological types (m-types), our data-driven approach suggests that the morphological landscape of cortical excitatory neurons is better described as a continuum, with a few notable exceptions in layers 5 and 6. Dendritic morphologies in layers 2-3 exhibited a trend towards a decreasing width of the dendritic arbor and a smaller tuft with increasing cortical depth. Inter-area differences were most evident in layer 4, where V1 contained more atufted neurons than higher visual areas. Moreover, we discovered neurons in V1 on the border to layer 5 which avoided deeper layers with their dendrites. In summary, we suggest that excitatory neurons' morphological diversity is better understood by considering axes of variation than using distinct m-types.

Abstract Serial-section electron microscopy (ssEM) is the method of choice for studying macroscopic biological samples at extremely high resolution in three dimensions. In the nervous system, nanometer-scale images are necessary to reconstruct dense neural wiring diagrams in the brain, so called connectomes . In order to use this data, consisting of up to 10 8 individual EM images, it must be assembled into a volume, requiring seamless 2D stitching from each physical section followed by 3D alignment of the stitched sections. The high throughput of ssEM necessitates 2D stitching to be done at the pace of imaging, which currently produces tens of terabytes per day. To achieve this, we present a modular volume assembly software pipeline ASAP (Assembly Stitching and Alignment Pipeline) that is scalable to datasets containing petabytes of data and parallelized to work in a distributed computational environment. The pipeline is built on top of the Render [18] services used in the volume assembly of the brain of adult Drosophila melanogaster [2]. It achieves high throughput by operating on the meta-data and transformations of each image stored in a database, thus eliminating the need to render intermediate output. ASAP is modular, allowing for easy incorporation of new algorithms without significant changes in the workflow. The entire software pipeline includes a complete set of tools for stitching, automated quality control, 3D section alignment, and final rendering of the assembled volume to disk. ASAP has been deployed for continuous processing of several large-scale datasets of the mouse visual cortex and human brain samples including one cubic millimeter of mouse visual cortex [1, 25] at speeds that exceed imaging. The pipeline also has multi-channel processing capabilities and can be applied to fluorescence and multi-modal datasets like array tomography.

The neocortex is disproportionately expanded in human compared to mouse, both in its total volume relative to subcortical structures and in the proportion occupied by supragranular layers that selectively make connections within the cortex and other telencephalic structures. Single-cell transcriptomic analyses of human and mouse cortex show an increased diversity of glutamatergic neuron types in supragranular cortex in human and pronounced gradients as a function of cortical depth. To probe the functional and anatomical correlates of this transcriptomic diversity, we describe a robust Patch-seq platform using neurosurgically-resected human tissues. We characterize the morphological and physiological properties of five transcriptomically defined human glutamatergic supragranular neuron types. Three of these types have properties that are specialized compared to the more homogeneous properties of transcriptomically defined homologous mouse neuron types. The two remaining supragranular neuron types, located exclusively in deep layer 3, do not have clear mouse homologues in supragranular cortex but are transcriptionally most similar to deep layer mouse intratelencephalic-projecting neuron types. Furthermore, we reveal the transcriptomic types in deep layer 3 that express high levels of non-phosphorylated heavy chain neurofilament protein that labels long-range neurons known to be selectively depleted in Alzheimer's disease. Together, these results demonstrate the power of transcriptomic cell type classification, provide a mechanistic underpinning for increased complexity of cortical function in human cortical evolution, and implicate discrete transcriptomic cell types as selectively vulnerable in disease.

Neurons are frequently classified into distinct groups or cell types on the basis of structural, physiological, or genetic attributes. To better constrain the definition of neuronal cell types, we characterized the transcriptomes and intrinsic physiological properties of over 3,700 GABAergic mouse visual cortical neurons and reconstructed the local morphologies of 350 of those neurons. We found that most transcriptomic types (t-types) occupy specific laminar positions within mouse visual cortex, and many of those t-types exhibit consistent electrophysiological and morphological features. We observed that these properties could vary continuously between t-types, which limited the ability to predict specific t-types from other data modalities. Despite that, the data support the presence of at least 20 interneuron met-types that have congruent morphological, electrophysiological, and transcriptomic properties.

Ever since the seminal findings of Ramon y Cajal, dendritic and axonal morphology has been recognized as a defining feature of neuronal types and their connectivity. Yet our knowledge about the diversity of neuronal morphology, in particular its distant axonal projections, is still extremely limited. To systematically obtain single neuron full morphology on a brain-wide scale in mice, we established a pipeline that encompasses five major components: sparse labeling, whole-brain imaging, reconstruction, registration, and classification. We achieved sparse, robust and consistent fluorescent labeling of a wide range of neuronal types across the mouse brain in an efficient way by combining transgenic or viral Cre delivery with novel transgenic reporter lines, and generated a large set of high-resolution whole-brain fluorescent imaging datasets containing thousands of reconstructable neurons using the fluorescence micro-optical sectioning tomography (fMOST) system. We developed a set of software tools based on the visualization and analysis suite, Vaa3D, for large-volume image data processing and computation-assisted morphological reconstruction. In a proof-of-principle case, we reconstructed full morphologies of 96 neurons from the claustrum and cortex that belong to a single transcriptomically-defined neuronal subclass. We developed a data-driven clustering approach to classify them into multiple morphological and projection types, suggesting that these neurons work in a targeted and coordinated manner to process cortical information. Imaging data and the new computational reconstruction tools are publicly available to enable community-based efforts towards large-scale full morphology reconstruction of neurons throughout the entire mouse brain.

Mammalian cortex features a large diversity of neuronal cell types, each with characteristic anatomical, molecular and functional properties. Synaptic connectivity rules powerfully shape how each cell type participates in the cortical circuit, but comprehensively mapping connectivity at the resolution of distinct cell types remains difficult. Here, we used millimeter-scale volumetric electron microscopy to investigate the connectivity of inhibitory neurons across a dense neuronal population spanning all layers of mouse visual cortex with synaptic resolution. We classified all 1183 excitatory neurons within a 100 micron column into anatomical subclasses using quantitative morphological and synapse features based on full dendritic reconstructions, finding both familiar subclasses corresponding to axonal projections and novel intralaminar distinctions based on synaptic properties. To relate these subclasses to single-cell connectivity, we reconstructed all 164 inhibitory interneurons in the same column, producing a wiring diagram of inhibition with more than 70,000 synapses. We found widespread cell-type-specific inhibition, including interneurons selectively targeting certain excitatory subpopulations among spatially intermingled neurons in layer 2/3, layer 5, and layer 6. Globally, inhibitory connectivity was organized into "motif groups," heterogeneous collections of cells that collectively target both perisomatic and dendritic compartments of the same combinations of excitatory subtypes. We also discovered a novel category of disinhibitory-specialist interneuron that preferentially targets basket cells. Collectively, our analysis revealed new organizing principles for cortical inhibition and will serve as a powerful foundation for linking modern multimodal neuronal atlases with the cortical wiring diagram.

Understanding the diversity of cell types in the brain has been an enduring challenge and requires detailed characterization of individual neurons in multiple dimensions. To profile morpho-electric properties of mammalian neurons systematically, we established a single cell characterization pipeline using standardized patch clamp recordings in brain slices and biocytin-based neuronal reconstructions. We built a publicly-accessible online database, the Allen Cell Types Database, to display these data sets. Intrinsic physiological and morphological properties were measured from over 1,800 neurons from the adult laboratory mouse visual cortex. Quantitative features were used to classify neurons into distinct types using unsupervised methods. We establish a taxonomy of morphologically- and electrophysiologically-defined cell types for this region of cortex with 17 e-types and 35 m-types, as well as an initial correspondence with previously-defined transcriptomic cell types using the same transgenic mouse lines.