Functional and multi-modal characterization of cell types in selected circuits

摘要： 最近，在分离的干细胞中发现的单细胞DNA转录组学的研究进展，使得这一无偏见的分类成为可能。 许多独特的、由分子定义的神经细胞类型存在于许多大脑的不同区域。然而，将这些由分子定义的基因联系起来。 细胞类型决定了它们相应的形态、生理、功能和表型仍然是一个主要的差异-- 我们已经组建了一支强大的跨学科管理团队，有能力将两者结合起来，进一步优化管理。 尖端技术，包括Patch-seq技术(我们开发的一种新方法)，它结合了全细胞膜片钳。 记录和单细胞(RNA(测序))，多光子(钙)成像，并在原位多路传输荧光信号。 (MerFish)、智能和最先进的机器学习技术，以解决这一知识差距。他们的目标是1，在世界上。 首先，在两年内，我们将为我们提供一个全面的细胞类型普查报告，这些类型将包括主要的视觉和鼠标。 大脑皮层的电路是通过将单个细胞的RNA-seq、体外的形态、结构和电生理数据联系起来而实现的。 在过去的三年里，我们将不再定义更高层次的视觉视觉领域的主要细胞类型。此外，我们还将不再定义一种新的特征。 分布在五个大脑皮层下区域的网络系统参与了对包括儿童在内的先天社交行为的控制。 下丘脑腹内侧核、视前内侧核、下丘脑前内侧核、后床核。 大脑终纹、大脑和杏仁内侧核的线索。这是通过对大脑皮层和皮质下大脑皮层的研究来实现的。 我们将无法比较这些地区之间的相似之处和不同之处，以及比较它们的原理- 细胞型组织的PLES介于古老的皮质下组织和最近进化的皮质下组织之间。 神经细胞是大脑的一部分。在Aim 2中，我们将继续研究中转录定义的细胞类型的主要功能和特性。 小鼠大脑的大脑皮层(V1区、Lm区、PM区和AM区)。我们将继续进行多光子钙离子成像。 在各种视觉刺激的展示过程中，老鼠的行为举止都很好，以更详细地描述它们在最易接受的领域的特征。 这些神经元的属性随后是MerFish基因，以进一步确定这些记录的神经元的基因图谱。 我们将使用这项技术来标记已知的广泛种类的神经细胞的CRE谱线，以及大脑皮质的密集成像图像。 种群需要为这两种细胞类型的功能提供一个完整的、特定的基因(即在同一种动物中的基因)的特征描述。 以及分子指纹图谱。他们结合了这两个特定目标的数据，旨在承诺为他们提供最完整的数据。 到目前为止，对细胞类型的了解很少，包括表达和图谱(例如离子通道和受体水平)和吗啡- OGY是一种单细胞、电生理学、体内生物和生物功能特性的研究方法和流水线，它将不再是操作型的。 在《建议》的这一节中进行的定时化讨论也将为进一步在不同的领域中应用这些新的方法奠定基础。 大脑的某些部分也在研究各种疾病的动物模型。

Abstract  Recent advances in single‐cell transcriptomics in dissociated cells have permitted the unbiased classification  of unique, molecularly‐defined cell types in many brain regions. However, linking these molecularly‐defined  cell types to their corresponding morphological, physiological, and functional phenotypes remains a major chal‐ lenge in the field. We have assembled an interdisciplinary team capable of combining and further optimizing  cutting‐edge technologies including Patch‐seq (a method we developed that combines whole‐cell patch‐clamp  recordings and single‐cell RNA sequencing), multi‐photon calcium imaging, multiplexed fluorescent in situ hy‐ bridization (MERFISH), and state‐of‐art machine learning to address this gap in knowledge. In aim 1, during the  first two years, we will provide a comprehensive census of the cell types that comprise the mouse primary visual  cortex circuitry by linking single cell RNA‐seq, morphological, and in vitro electrophysiological data. During the  last  three  years,  we  will  define  the  cell  types  of  higher  order  visual  areas.  In  addition,  we  will  characterize  a  distributed network of five subcortical regions involved in the control of innate social behaviors, including the  ventromedial hypothalamic nucleus, medial preoptic nucleus, anterior hypothalamic nucleus, posterior bed nu‐ cleus  of  the  stria  terminalis,  and  posterior  medial  amygdala.    By  studying  both  cortical  and  subcortical  brain  regions, we will be able to compare similarities and differences across those regions, as well as compare princi‐ ples of cell type organization between evolutionarily ancient subcortical and more recently evolved cortical re‐ gions of the brain. In aim 2, we will study the functional properties of transcriptomically‐defined cell types in  the visual cortex of the mouse (areas V1, LM, PM and AM). We will perform multi‐photon calcium imaging in  behaving mice during the presentation of a variety of visual stimuli to characterize in detail the receptive field  properties of these neurons followed by MERFISH to identify the genetic profile of the recorded neurons. We  will employ this to both Cre lines that label known broad classes of neurons as well as dense imaging of cortical  populations to provide a complete, specific (i.e. in the same animal) characterization of both cell type function  and molecular profiling. The combined data from these two specific aims promise to provide the most complete  understanding of cell types to date, including expression profiles (e.g. ion channel and receptor levels) morphol‐ ogy, single‐cell electrophysiology, and in vivo functional properties. The methods and pipelines that will be op‐ timized in this section of the proposal will also lay the foundation to further apply these methods in different  parts of the brain as well as study animal models of diseases.