The function of the mammalian brain relies upon the specification and spatial positioning of diversely specialized cell types. Yet, the molecular identities of the cell types and their positions within individual anatomical structures remain incompletely known. To construct a comprehensive atlas of cell types in each brain structure, we paired high-throughput single-nucleus RNA sequencing with Slide-seq1,2-a recently developed spatial transcriptomics method with near-cellular resolution-across the entire mouse brain. Integration of these datasets revealed the cell type composition of each neuroanatomical structure. Cell type diversity was found to be remarkably high in the midbrain, hindbrain and hypothalamus, with most clusters requiring a combination of at least three discrete gene expression markers to uniquely define them. Using these data, we developed a framework for genetically accessing each cell type, comprehensively characterized neuropeptide and neurotransmitter signalling, elucidated region-specific specializations in activity-regulated gene expression and ascertained the heritability enrichment of neurological and psychiatric phenotypes. These data, available as an online resource ( www.BrainCellData.org ), should find diverse applications across neuroscience, including the construction of new genetic tools and the prioritization of specific cell types and circuits in the study of brain diseases.

Abstract Midbrain dopamine (DA) neurons in the substantia nigra pars compacta (SNpc) project widely throughout the central nervous system, playing critical roles in voluntary movements, reward processing, and working memory. Many of these neurons are highly sensitive to neurodegeneration in Parkinson’s Disease (PD), and their loss correlates strongly with the pathognomonic symptoms. To characterize these populations molecularly, we developed a protocol to enrich and transcriptionally profile DA neuron nuclei from postmortem human SNpc of both PD patients and matched controls. We identified a total of ten distinct populations, including one that was primate-specific. A single subtype, marked by the gene AGTR1 , was highly susceptible to degeneration, and was enriched for expression of genes associated with PD in genetic studies, suggesting many risk loci act within this subtype to influence its neurodegeneration. The AGTR1 subtype also showed the strongest upregulation of TP53 and its downstream targets, nominating a potential pathway of degeneration in vivo . The transcriptional characterization of differentially disease-vulnerable DA neurons in the SNpc will inform the development of laboratory models, enable the nomination of novel disease biomarkers, and guide further studies of pathogenic disease mechanisms.

Abstract Cortical regional identities develop through anterior-posterior (A-P) and dorsal-ventral (D-V) prenatal genomic patterning gradients. Here we find that A-P and D-V genomic patterning of cortical surface area (SA) and thickness (CT) is intact in typically developing and autistic toddlers with good language outcome, but is absent in autistic toddlers with poor early language outcome. Genes driving this effect are prominent in midgestational A-P and D-V gene expression gradients and prenatal cell types driving SA and CT variation (e.g., progenitor cells versus excitatory neurons). These genes are also important for vocal learning, human-specific evolution, and prenatal co-expression networks enriched for high-penetrance autism risk genes. Autism with poor early language outcome may be linked to atypical genomic cortical patterning starting in prenatal periods and which impacts later development of regional functional specialization and circuit formation. One Sentence Summary Genomic patterning of the cortex is atypical in autistic toddlers with poor early language outcome.

SUMMARY Schizophrenia disease mechanisms remain poorly understood, in large part due to a lack of valid animal models. Rare heterozygous loss-of-function mutations in GRIN2A , encoding a subunit of the NMDA (N-methyl-d-aspartate) receptor, greatly increase the risk of schizophrenia. By transcriptomic, proteomic, electroencephalogram (EEG) recording and behavioral analysis, we report that heterozygous Grin2a mutant mice show: (i) large-scale gene expression changes across multiple brain regions and in neuronal (excitatory and inhibitory) and non-neuronal cells (astrocytes, oligodendrocytes); (ii) evidence of reduced activity in prefrontal cortex and increased activity in hippocampus and striatum; (iii) elevated dopamine signaling in striatum; (iv) altered cholesterol biosynthesis in astrocytes; (v) reduction of glutamatergic receptor signalin g proteins in the synapse; (iv) heightened gamma oscillation power in EEG; (vi) aberrant locomotor behavioral pattern opposite of that induced by antipsychotic drugs. These findings reveal potential pathophysiologic mechanisms, provide support for both the “hypo-glutamate” and “hyper-dopamine” hypotheses of schizophrenia, and underscore the utility of Grin2a -deficient mice as a new genetic model of schizophrenia.

Hundreds of genes are implicated in autism spectrum disorder (ASD) but the mechanisms through which they contribute to ASD pathophysiology remain elusive. Here, we analyzed leukocyte transcriptomics from 1-4 year-old male toddlers with ASD or typical development from the general population. We discovered a perturbed gene network that includes genes that are highly expressed during fetal brain development and which is dysregulated in hiPSC-derived neuron models of ASD. High-confidence ASD risk genes emerge as upstream regulators of the network, and many risk genes may impact the network by modulating RAS/ERK, PI3K/AKT, and WNT/β-catenin signaling pathways. We found that the degree of dysregulation in this network correlated with the severity of ASD symptoms in the toddlers. These results demonstrate how the heterogeneous genetics of ASD may dysregulate a core network to influence brain development at prenatal and very early postnatal ages and, thereby, the severity of later ASD symptoms.

RNA-Seq is ubiquitous, but depending on the biological question or the sample source, some RNA-Seq collection methods require variable or sub-optimal sample handling. Rare tissue may need to be fixed or frozen prior to library preparation, or samples may remain at room temperature while other samples or reagents are handled. These challenges create uncharacterized impacts on sample quality. Understanding the relevant experimental factors that impact sample quality is crucial to ensuring reproducible RNA-Seq results. Here, we tested the susceptibility of poly(A)-enriched RNA-Seq results after multiple freeze-thaw cycles. We assessed sample quality independently of RIN by simulating read count variability to quantify the noise between technical replicates. Each additional freeze-thaw cycle increased the random counts between technical replicates by approximately 4%. Additionally, after three freeze-thaw cycles, differential expression reproducibility decreased substantially. The use of poly(A)-enrichment for RNA sequencing is prevalent in library preparation of frozen tissue, and thus, it is important during experimental design and data analysis to consider the impact of repeated freeze-thaw cycles on reproducibility.### Competing Interest StatementThe authors have declared no competing interest.

ABSTRACT Omics technologies are ubiquitous in biomedical research. However, improper sample selection is an often-overlooked complication with large omics studies, resulting in confounding effects that can disrupt the internal validity of a study and lead to false conclusions. Here, we present a method called BalanceIT , which uses a genetic algorithm to identify an optimal set of samples with balanced clinical factors for large-scale omics experiments. We apply our approach to two large RNA-Seq studies in autism (1) to find a post-hoc balanced sample set among an imbalanced study, and (2) to design an optimal study that allows for efficient batch correction. Our approach leads to near-perfect estimates of differential gene expression, superior performance of pathway-level enrichment analysis, and consistent network dysregulation patterns of autism symptom severity. These results provide empirical support for the importance of balanced experimental design, and BalanceIT will be invaluable for large-scale study design and batch effect correction.

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.

Cellular perturbations underlying Alzheimer's disease are primarily studied in human postmortem samples and model organisms. Here we generated a single-nucleus atlas from a rare cohort of cortical biopsies from living individuals with varying degrees of Alzheimer's disease pathology. We next performed a systematic cross-disease and cross-species integrative analysis to identify a set of cell states that are specific to early AD pathology. These changes-which we refer to as the Early Cortical Amyloid Response-were prominent in neurons, wherein we identified a transient state of hyperactivity preceding loss of excitatory neurons, which correlated with the selective loss of layer 1 inhibitory neurons. Microglia overexpressing neuroinflammatory-related processes also expanded as AD pathological burden increased. Lastly, both oligodendrocytes and pyramidal neurons upregulated genes associated with amyloid beta production and processing during this early hyperactive phase. Our integrative analysis provides an organizing framework for targeting circuit dysfunction, neuroinflammation, and amyloid production early in AD pathogenesis.

ABSTRACT Numerous genes are associated with autism spectrum disorder (ASD); however, it remains unclear how most ASD risk genes influence neurodevelopment and result in similar traits. Recent genetic models of complex traits suggest non-tissue-specific genes converge on core disease genes; so we analyzed ASD genetics in this context. We found ASD risk genes partition cleanly into broadly-expressed and brain-specific genes. The two groups show sequential roles during neurodevelopment with broadly-expressed genes modulating chromatin remodeling, proliferation, and cell fate, while brain-specific risk genes are involved in neural maturation and synapse functioning. Broadly-expressed risk genes converge onto brain-specific risk genes and core neurodevelopmental genes through regulatory networks including PI3K/AKT, RAS/ERK, and WNT/ β -catenin signaling pathways. Broadly-expressed and brain-specific risk genes show unique properties, wherein the broadly-expressed risk gene network is expressed prenatally and conserved in non-neuronal cells like microglia. However, the brain-specific gene network expression is limited to excitatory and inhibitory neurons, spanning prenatal to adulthood. Furthermore, the two groups are linked differently to comorbidities associated with ASD. Collectively, we describe here the organization of the genetic architecture of ASD as a hierarchy of broadly-expressed and brain-specific genes that disrupt successive stages of core neurodevelopmental processes.