Verschillende subnetwerken van de thalamische reticulaire kern

Verschillende subnetwerken van de thalamische reticulaire kern

juli 23, 2020 0 Door admin

Translating…


CBD Olie kan helpen bij ADHD. Lees hoe op MHBioShop.com


Huile de CBD peut aider avec TDAH. Visite HuileCBD.be


 

Abstract

The thalamic reticular nucleus (TRN), the major source of thalamic inhibition, regulates thalamocortical interactions that are critical for sensory processing, attention and cognition1,2,3,4,5. TRN dysfunction has been linked to sensory abnormality, attention deficit and sleep disturbance across multiple neurodevelopmental disorders6,7,8,9. However, little is known about the organizational principles that underlie its divergent functions. Here we performed an integrative study linking single-cell molecular and electrophysiological features of the mouse TRN to connectivity and systems-level function. We found that cellular heterogeneity in the TRN is characterized by a transcriptomic gradient of two negatively correlated gene-expression profiles, each containing hundreds of genes. Neurons in the extremes of this transcriptomic gradient express mutually exclusive markers, exhibit core or shell-like anatomical structure and have distinct electrophysiological properties. The two TRN subpopulations make differential connections with the functionally distinct first-order and higher-order thalamic nuclei to form molecularly defined TRN–thalamus subnetworks. Selective perturbation of the two subnetworks in vivo revealed their differential role in regulating sleep. In sum, our study provides a comprehensive atlas of TRN neurons at single-cell resolution and links molecularly defined subnetworks to the functional organization of thalamocortical circuits.

Data availability

Sequencing data for this study is available through the Gene Expression Omnibus GSE145273. All additional data, and plasmids are available from the authors upon reasonable request.

Code availability

Code for the snRNA-seq analyses and the associated t-SNE mappings are available at https://github.com/yinqingl. Any additional code used is available from the authors upon reasonable request.

References

  1. 1.

    Dong, P. et al. A novel cortico-intrathalamic circuit for flight behavior. Nat. Neurosci. 22, 941–949 (2019).

    CAS  PubMed  Google Scholar 

  2. 2.

    Halassa, M. M. et al. State-dependent architecture of thalamic reticular subnetworks. Cell 158, 808–821 (2014).

    CAS  PubMed  PubMed Central  Google Scholar 

  3. 3.

    McAlonan, K., Cavanaugh, J. & Wurtz, R. H. Attentional modulation of thalamic reticular neurons. J. Neurosci. 26, 4444–4450 (2006).

    CAS  PubMed  PubMed Central  Google Scholar 

  4. 4.

    Pinault, D. The thalamic reticular nucleus: structure, function and concept. Brain Res. Brain Res. Rev. 46, 1–31 (2004).

    PubMed  Google Scholar 

  5. 5.

    Sherman, S. M. & Guillery, R. W. The role of the thalamus in the flow of information to the cortex. Phil. Trans. R. Soc. Lond. B 357, 1695–1708 (2002).

    Google Scholar 

  6. 6.

    Ferrarelli, F. & Tononi, G. The thalamic reticular nucleus and schizophrenia. Schizophr. Bull. 37, 306–315 (2011).

    PubMed  Google Scholar 

  7. 7.

    Krol, A., Wimmer, R. D., Halassa, M. M. & Feng, G. Thalamic reticular dysfunction as a circuit endophenotype in neurodevelopmental disorders. Neuron 98, 282–295 (2018).

    CAS  PubMed  PubMed Central  Google Scholar 

  8. 8.

    Saletin, J. M., Coon, W. G. & Carskadon, M. A. Stage 2 sleep EEG sigma activity and motor learning in childhood ADHD: a pilot study. J. Clin. Child Adolesc. Psychol. 46, 188–197 (2017).

    PubMed  Google Scholar 

  9. 9.

    Steullet, P. et al. The thalamic reticular nucleus in schizophrenia and bipolar disorder: role of parvalbumin-expressing neuron networks and oxidative stress. Mol. Psychiatry 23, 2057–2065 (2018).

    CAS  PubMed  Google Scholar 

  10. 10.

    Halassa, M. M. et al. Selective optical drive of thalamic reticular nucleus generates thalamic bursts and cortical spindles. Nat. Neurosci. 14, 1118–1120 (2011).

    CAS  PubMed  PubMed Central  Google Scholar 

  11. 11.

    Latchoumane, C. V., Ngo, H. V., Born, J. & Shin, H. S. Thalamic spindles promote memory formation during sleep through triple phase-locking of cortical, thalamic, and hippocampal rhythms. Neuron 95, 424–435 (2017).

    CAS  PubMed  Google Scholar 

  12. 12.

    Wimmer, R. D. et al. Thalamic control of sensory selection in divided attention. Nature 526, 705–709 (2015).

    ADS  CAS  PubMed  PubMed Central  Google Scholar 

  13. 13.

    Brunton, J. & Charpak, S. Heterogeneity of cell firing properties and opioid sensitivity in the thalamic reticular nucleus. Neuroscience 78, 303–307 (1997).

    CAS  PubMed  Google Scholar 

  14. 14.

    Clemente-Perez, A. et al. Distinct thalamic reticular cell types differentially modulate normal and pathological cortical rhythms. Cell Rep. 19, 2130–2142 (2017).

    CAS  PubMed  Google Scholar 

  15. 15.

    Contreras-Rodríguez, J., González-Soriano, J., Martínez-Sainz, P., Marín-García, P. & Rodríguez-Veiga, E. Neurochemical heterogeneity of the thalamic reticular and perireticular nuclei in developing rabbits: patterns of calbindin expression. Dev. Brain Res. 144, 211–221 (2003).

    Google Scholar 

  16. alle arborisaties van thalamische reticulaire neur van de rat “itemprop =” headline “> 16.

    Cox, CL, Huguenard, JR & Prince, DA Heterogene axonale arborisaties van thalamische reticulaire neuronen van ratten in de ventrobasale kern. J. Comp. Neurol . 366 , 416–430 (1996).

    CAS PubMed Google Scholar

  17. 17.

    Lam, YW & Sherman, SM Functionele organisatie van de thalamische invoer in de thalamische reticulaire kern. J. Neurosci . 31 , 6791–6799 (2011).

    CAS PubMed PubMed Central Google Scholar

  18. 18.

    Lee, SH, Govindaiah, G. & Cox, CL Heterogeniteit van het vuren eigenschappen onder thalamische reticulaire kernneuronen van ratten. J. Physiol . 582 , 195–208 (2007).

    CAS PubMed PubMed Central Google Scholar

  19. 19.

    Spreafico, R., de Curtis, M., Frassoni, C. & Avanzini, G. Elektrofysiologische kenmerken van morfologisch geïdentificeerde reticulaire thalamische neuronen uit rattenplakken. Neuroscience 27 , 629–638 (1988).

    PubMed Google Scholar

  20. 20.

    Hou, G., Smith, AG & Zhang, ZW Gebrek aan intrinsieke GABAergische verbindingen in de thalamische reticulaire kern van de muis. J. Neurosci . 36 , 7246–7252 (2016).

    CAS PubMed PubMed Central Google Scholar

  21. 21.

    Liu, J. et al. Activering van parvalbumine-neuronen in de rostro-dorsale sector van de thalamische reticulaire kern bevordert de gevoeligheid voor pijn bij muizen. Neuroscience 366 , 113–123 (2017).

    CAS PubMed Google Scholar

  22. 22.

    Kaiser, T., Ting, JT, Monteiro, P. & Feng, G. Transgene labeling van parvalbumine-tot expressie brengende neuronen met tdTomato. Neuroscience 321 , 236–245 (2016).

    CAS PubMed 23.

    Habib, N. et al. Div-seq: RNA-seq met een enkele kern onthult de dynamiek van zeldzame volwassen pasgeboren neuronen. Wetenschap 353 , 925–928 (2016).

    ADS CAS PubMed PubMed Central 24.

    Shekhar, K. et al. Uitgebreide classificatie van retinale bipolaire neuronen door single-cell transcriptomics. Cell 166 , 1308–1323 (2016).

    CAS PubMed PubMed Central

  23. 25.

    Astori, S. et al. Het Ca V 3.3 calciumkanaal is de belangrijkste slaapspil pacemaker in thalamus. Proc. Natl Acad. Sci. USA 108 , 13823–13828 (2011).

    ADS CAS PubMed Google Scholar

  24. 26.

    Guillery, RW Anatomisch bewijs met betrekking tot de rol van de thalamus in corticocorticale communicatie: een kort overzicht. J. Anat . 187 , 583–592 (1995).

    PubMed PubMed Central Google Scholar

  25. 27.

    Sherman, S. M. De thalamus is meer dan alleen een estafette. Curr. Opin. Neurobiol . 17 , 417–422 (2007).

    CAS PubMed PubMed Central Google Scholar

  26. 28.

    Ojima, H. Terminale morfologie en distributie van corticothalamische vezels afkomstig van lagen 5 en 6 van de primaire gehoorschors van de kat. Cereb. Cortex 4 , 646–663 (1994).

    CAS PubMed Google Scholar

  27. 29.

    Lisman, JE barst als een eenheid van neurale informatie: maakt onbetrouwbare synapsen betrouwbaar. Trends Neurosci . 20 , 38–43 (1997).

    CAS PubMed 30.

    Steriade, M., McCormick, DA & Sejnowski, TJ Thalamocorticale oscillaties in de slapende en opgewonden hersenen. Wetenschap 262 , 679–685 (1993).

    ADS CAS PubMed 31.

    Huguenard, JR & McCormick, DA Thalamic synchrone en dynamische regulering van globale oscillaties van de voorhersenen. Trends Neurosci . 30 , 350–356 (2007).

    CAS PubMed 32.

    McCormick, DA & Bal, T. Slaap en opwinding: thalamocorticale mechanismen. Annu. Rev. Neurosci . 20 , 185–215 (1997).

    CAS PubMed 33.

    Contreras, D. & Steriade, M. Spindeloscillatie bij katten: de rol van corticothalamica feedback in een thalamisch gegenereerd ritme. J. Physiol . 490 , 159–179 (1996).

    CAS PubMed PubMed Central Google Scholar

  28. 34.

    Crunelli, V. et al. Dubbele functie van thalamische trillingen bij lage waakzaamheid: ritmesturing en plasticiteit. Nat. Rev. Neurosci . 19 , 107–118 (2018).

    CAS a > PubMed PubMed Central Google Scholar

  29. 35.

    Fernandez, LM et al. Thalamische reticulaire controle van lokale slaap in sensorische cortex van muis. eLife 7 , e39111 (2018).

    PubMed PubMed Central Google Scholar

  30. 36.

    Hansen, JP et al. Calciumkanaal γ6-subeenheden zijn unieke modulatoren van laagspanningsgeactiveerde (Cav3.1) calciumstroom. J. Mol. Cel. Cardiol . 37 , 1147–1158 (2004).

    CAS PubMed Google Scholar

  31. 37.

    Chu, PJ, Robertson, HM & Best, PM Calciumkanaal γ subeenheden geven inzicht in de evolutie van deze genfamilie. Gene 280 , 37–48 (2001).

    PubMed Google Scholar

  32. 38.

    Pellegrini, C. , Lecci, S., Lüthi, A. & Astori, S. Onderdrukking van het ritme van de slaapspindel bij muizen met deletie van Ca V 3.2 en Ca V 3.3 T-type Ca 2 kanalen. Sleep 39 , 875–885 (2016).

    PubMed PubMed Central Google Scholar

  33. 39.

    Lo Giudice, Q., Leleu, M., La Manno, G. & Fabre, PJ Single-cell transcriptionele logica van cel-lotspecificatie en axon-begeleiding in vroeggeboren retinale neuronen. Ontwikkeling 146 , dev178103 (2019).

    PubMed Google Scholar

  34. 40.

    Sansom, SN & Livesey, FJ Gradiënten in de hersenen: de controle over de ontwikkeling van vorm en functie in de hersenschors. Cold Spring Harb. Perspect. Biol . 1 , a002519 (2009).

    PubMed PubMed Central Google Scholar

  35. 41.

    Cembrowski, MS et al. Ruimtelijke genexpressie-gradiënten liggen ten grondslag aan de prominente heterogeniteit van CA1-piramidale neuronen. Neuron 89 , 351–368 (2016).

    PubMed 42.

    Harris, KD et al. Klassen en continua van hippocampale CA1-remmende neuronen onthuld door single-cell transcriptomics. PLoS Biol . 16 , e2006387 (2018).

    PubMed PubMed Central 43.

    Munoz-Manchado, AB et al. Diversiteit van interneuronen in het dorsale striatum onthuld door single-cell RNA-sequencing en PatchSeq. Cell Rep . 24 , 2179–2190 (2018).

    CAS PubMed PubMed Central Google Scholar

  36. 44.

    Shah, S ., Lubeck, E., Zhou, W. & Cai, L. seqFISH detecteert nauwkeurig transcripten in afzonderlijke cellen en onthult robuuste ruimtelijke organisatie in de hippocampus Neuron 94 , 752– 758 (2017).

    CAS PubMed Google Scholar

  37. 45.

    Stanley, G., Gokce, O., Malenka, RC, Sudhof, TC & Quake, SR Continue en discrete neurontypen van het volwassen muizenstriatum. Neuron 105 , 688–699 (2019).

    PubMed Google Scholar

  38. 46.

    Lee, SC, Patrick, SL, Richardson, KA & Connors, BW Twee functioneel verschillende netwerken van gap junction-gekoppelde remmende neuronen in de thalamic reticulaire kern. J. Neurosci . 34 , 13170–13182 (2014).

    CAS PubMed PubMed Central Google Scholar

  39. 47.

    Pinault, D., Bourassa, J. & Deschênes, M. De axonale arborisatie van enkele thalamische reticulaire neuronen in de somatosensorische thalamus van de rat. Eur. J. Neurosci . 7 , 31–40 (1995).

    CAS Google Scholar

  40. 48.

    Schmitt, LI et al. Thalamische versterking van corticale connectiviteit ondersteunt aandachtscontrole. Nature 545 , 219–223 (2017).

    ADS CAS PubMed PubMed Central Google Scholar

  41. 49.

    Krishnaswami, S. R. et al. Gebruik van enkele kernen voor RNA-seq om het transcriptoom van postmortale neuronen vast te leggen. Nat. Protoc . 11 , 499–524 (2016).

    CAS PubMed PubMed Central Google Scholar

  42. 50.

    Kim, D. et al. TopHat2: nauwkeurige uitlijning van transcriptomen in aanwezigheid van inserties, deleties en genfusies. Genome Biol . 14 , R36 (2013).

    PubMed PubMed Central Google Scholar

  43. 51.

    Li, B. & Dewey, CN RSEM: nauwkeurige transcript kwantificering van RNA- seq data met of zonder een referentiegenoom. BMC Bioinformatics 12 , 323 (2011).

    CAS PubMed PubMed Central Google Scholar

  44. 52.

    Langmead, B. & Salzberg, SL Snelle uitgelijnde uitlijning met Bowtie 2. Nat . Methoden 9 , 357–359 (2012).

    CAS PubMed PubMed Central 53.

    Zeisel, A. et al. Moleculaire architectuur van het zenuwstelsel van de muis. Cell 174 , 999–1014 (2018).

    CAS PubMed PubMed Central Google Scholar

  45. 54.

    Finak, G. et al. MAST: een flexibel statistisch raamwerk voor het beoordelen van transcriptionele veranderingen en het karakteriseren van heterogeniteit in eencellige RNA-sequentiegegevens. Genome Biol . 16 , 278 (2015).

    PubMed PubMed Central Google Scholar

  46. 55.

    Banerjee-Basu, S. & Packer, A. SFARI Gene: een evoluerende database voor autismeonderzoek gemeenschap. Dis. Model. Mech . 3 , 133–135 (2010).

    PubMed Google Scholar

  47. 56.

    Pardiñas, AF et al. Veelvoorkomende schizofrenie-allelen zijn verrijkt in mutatie-intolerante genen en in regio’s met een sterke achtergrondselectie. Nat. Genet . 50 , 381–389 (2018).

    PubMed PubMed Central Google Scholar

  48. 57.

    Kamentsky, L. et al. Verbeterde structuur, functie en compatibiliteit voor CellProfiler: modulaire beeldanalysesoftware met hoge doorvoer. Bioinformatica 27 , 1179–1180 (2011).

    PubMed PubMed Central Google Scholar

  49. 58.

    Cadwell, CR et al. Elektrofysiologische, transcriptomische en morfologische profilering van afzonderlijke neuronen met Patch-seq. Nat. Biotechnol . 34 , 199–203 (2016).

    CAS PubMed 59.

    Fuzik, J. et al. Integratie van elektrofysiologische opnames met single-cell RNA-seq-gegevens identificeert neuronale subtypes. Nat. Biotechnol . 34 , 175–183 (2016).

    CAS PubMed Google Scholar

  50. 60.

    Susaki, EA et al. Geavanceerde CUBIC-protocollen voor het wissen en afbeelden van het hele brein en het hele lichaam. Nat. Protoc . 10 , 1709–1727 (2015).

    CAS PubMed 61.

    Joung, J. et al. Genoomschaal CRISPR-Cas9 knock-out en transcriptionele activatiescreening. Nat. Protoc . 12 , 828–863 (2017).

    CAS PubMed PubMed Central 62.

    Platt, R. J. et al. CRISPR-Cas9 knockin-muizen voor genoombewerking en kankermodellering. Cell 159 , 440–455 (2014).

    CAS PubMed PubMed Central 63.

    Purcell, SM et al. Karakteriseren van slaapassen bij 11.630 personen van de National Sleep Research Resource. Nat. Commun . 8 , 15930 (2017).

    ADS CAS PubMed PubMed Central 64.

    Hsu, P. D. et al. DNA gericht op specificiteit van RNA-geleide Cas9-nucleasen. Nat. Biotechnol . 31 , 827-832 (2013).

    CAS PubMed PubMed Central Google Scholar

Referenties downloaden

Dankwoord

We danken alle leden van de GF, ZF en J.Z.L. laboratoria voor discussies en ondersteuning; R. Kast voor nuttige opmerkingen over dit manuscript; M. Fleishman en M. Palomero-Rivero voor technische ondersteuning; de Broad Flow Cytometry Facility voor celsortering; en F. Zhang voor CRISPR-Cas9-constructen. Het werk in het laboratorium van G.F. werd ondersteund door het Simons Center for the Social Brain van MIT, het Stanley Center for Psychiatric Research van het Broad Institute of MIT en Harvard, Hock E. Tan en K. Lisa Yang Center for Autism Research van MIT, James en Patricia Poitras Center for Psychiatric Disorders Research at MIT, the McGovern Institute for Brain Research at MIT and NIH / NIMH grant R01NS098505, R01NS113245. Het werk in het laboratorium van Z.F. werd ondersteund door het Stanley Center for Psychiatric Research van het Broad Institute of MIT en Harvard. Het werk in het laboratorium van J.Z.L. werd ondersteund door het Stanley Center for Psychiatric Research en het Klarman Cell Observatory van het Broad Institute of MIT en Harvard. Het werk in het laboratorium van M.M.H. werd ondersteund door het Simons Center for the Social Brain bij MIT, het Stanley Center for Psychiatric Research bij het Broad Institute, het McGovern Institute for Brain Research bij MIT, de Pew Foundation, het Human Frontiers Science Program en NIH-subsidies R01NS098505, R01MH107680. Y.L. werd ondersteund door het McGovern-IDG Institute for Brain Research van de Tsinghua University.

Auteur-informatie

Auteur-notities

  1. Deze auteurs hebben evenveel bijgedragen: Yinqing Li, Violeta G. Lopez-Huerta, Xian Adiconis

  2. Deze auteurs hebben hier gezamenlijk toezicht op gehouden werk: Joshua Z. Levin, Zhanyan Fu, Guoping Feng

Affiliations

  1. School of Pharmaceutical Sciences, IDG / McGovern Institute for Brain Research, Center for Synthetic and Systems Biology, Tsinghua University, Beijing, PR China

    Yinqing Li

  2. The Stanley Center for Psychiatric Research, Broad Institute of MIT and Harvard, Cambridge, MA, USA

    Yinqing Li, Violeta G. Lopez-Huerta, Xian Adiconis, Kirsten Levandowski, Soonwook Choi, Sean K. Simmons, Mario A. Arias-Garcia, Baolin Guo, Annie Y. Yao, Timothy R. Blosser, Tomomi Aida, Alexander Atamian, Tina Naik, Diya Malhotra, Cynthia C. Hession, Reut Shema, Taibo Li, Joshua Z. Levin, Zhanyan Fu & Guoping Feng

  3. McGovern Institute for Brain Research en de afdeling Brain and Cognitive Sciences, Massachusetts Institute of Technology, Cambridge, MA, VS

    Yinqing Li, Violeta G. Lopez-Huerta, Kirsten Levandowski, Soonwook Choi, Mario A. Arias-Garcia, Baolin Guo, Annie Y. Yao, Timothy R. Blosser, Ralf D. Wimmer Tomomi Aida, Alexander Atamian, Tina Naik, Xuyun Sun, Dasheng Bi, Diya Malhotra, Reut Shema, Marcos Gomes, Taibo Li, Alexandra Krol, Michael M. Halassa, Zhanyan Fu & Guoping Feng

  4. Institute of Cellular Physiology, National Autonomous University of Mexico, Mexico City, Mexico

    Violeta G. Lopez-Huerta

  5. Klarman Cell Observatory, Broad Institute of MIT en Harvard, Cambridge, MA, VS

    Xian Adiconis, Sean K. Simmons, Cynthia C. Hession, Monika Kowalczyk & Joshua Z. Levin

  6. Faculteit of Psychology, National Autonomous University of Mexico, Mexico City, Mexico

    Mario A. Arias-Garcia

  7. College of Computer Science and Technologie, Zhejiang University, Hangzhou, PR China

    Xuyun Sun & Gang Pan

  8. University of Coimbra, Centrum voor Neurowetenschappen en Celbiologie , Coimbra, Portugal

    Marcos Gomes & João Peça

  9. Universiteit van Coimbra, Instituut voor Interdisciplinair Onderzoek, Coimbra, Portugal p >

    Marcos Gomes & João Peça

  10. Centrum voor Neurowetenschappen, Korea Institute of Science and Technology, Seoul, Zuid-Korea

    Eunjin Hwang

  11. University of Coimbra, Department of Life Sciences, Coimbra, Portugal

    João Peça

Bijdragen

YL, VGL-H., JZL, ZF en G.F. zorgde voor het algehele ontwerp en toezicht op het project. snRNA-seq experimenten werden ontworpen, uitgevoerd, geanalyseerd of begeleid door Y.L., V.G.L.-H., X.A., C.C.H., S.K.S. en T.L. Een aangepast protocol voor Smart-seq2-bibliotheekconstructie werd bijgedragen door M.K. Virale injecties en verzameling van niet-TRN Pvalb neuronale kernen werd uitgevoerd door R.S. en V.G.L.-H. RNA FISH-experimenten werden ontworpen, uitgevoerd, geanalyseerd of begeleid door Y.L., K.L., A.Y.Y., T.R.B., A.A., M.G. en J.P. EEG-opname en -analyses werden ontworpen en uitgevoerd door S.C., R.D.W., V.G.L.-H., B.G., T.N., X.S., D.B., E.H., G.P. en M.M.H. Elektrofysiologie, patch-seq en morfologie-experimenten werden ontworpen, uitgevoerd, geanalyseerd of begeleid door V.G.L.-H., M.A.A.-G., Y.L. en Z.F. Retrograde traceringsexperimenten werden uitgevoerd door V.G.L.-H., Y.L., A.Y.Y., A.A., K.L. en A.K. CRISPR-knockout-experimenten zijn ontworpen en uitgevoerd door Y.L., V.G.L.-H., X.A., T.A., A.Y.Y., A.A. en D.M. Het manuscript is geschreven door Y.L., V.G.L.-H., Z.F., G.F., J.Z.L. en M.M.H. met input van alle auteurs.

Corresponderende auteurs

Correspondentie met Joshua Z. Levin of Zhanyan Fu of Guoping Feng .

Ethische verklaringen

Concurrerende belangen

De auteurs verklaren geen concurrerende belangen.

Aanvullende informatie h2>

Informatie over peer review Nature bedankt Ed S. Lein, Karel Svoboda en de andere, anonieme reviewer (s) voor hun bijdrage aan de intercollegiale toetsing van dit werk.

Opmerking van de uitgever Springer Nature blijft neutraal met betrekking tot claims over jurisdicties in gepubliceerde kaarten en institutionele voorkeuren.

Uitgebreide gegevenscijfers en tabellen

Uitgebreide gegevens Fig. 1 Expressiepatronen van Gad2 en Pvalb over TRN.

a , Schematische weergave van posities van coronale secties langs de anterieure tot posterieure as (aangegeven door cijfers). b d , RNA-FISH co-kleuring van Gad2 en Pvalb in anterieur ( b ), mediale ( c ) en posterieure ( d ) coronale secties. Voor elke positie: Links: overzicht van de RNA-FISH co-kleuring in TRN; Rechts: inzoomen op het vakgebied in het linkerdeelvenster. Voor b d , herhaald met n = 2. e , representatieve FACS-plot die de poortstrategie toont die wordt gebruikt bij het sorteren enkele kernen voor RNA-sequentiebepaling. Herhaald met n = 53 plaatgebaseerde sortering.

Uitgebreide gegevens Afb. 2 Identificatie van Gad2 celtypen.

a , t -SNE-inbedding van 1.687 afzonderlijke kernen zoals in Fig. 1a . Enkele kernen worden gekleurd door dissectiebronnen zoals aangegeven door de kleurenbalk aan de rechterkant. Verschillende batches dissecties van het externe deel van globus pallidus (GPE) zijn verschillend gekleurd. n = 1.687 kernen. b , t -SNE-inbedding van kernen die expressieniveaus (pseudokleur) van markergenen voor elk cluster tonen. De drie kleine clusters vertonen duidelijk minder Pvalb -uitdrukking, maar zijn verrijkt met een combinatie van markeringen waaronder Gabra1 , Fxyd6 , Tac1 i >. n = 868 kernen. c , ISH i mage in sagittale weergave van geselecteerde markeringen weergegeven in b . Afbeeldingen verkregen van Allen Brain Atlas ( https://portal.brain-map.org/ ). Onderbroken lijnen geven de grenzen van TRN en de naburige GABAergische kernen aan. Huisarts: globus pallidus; ZI: zona incerta; BNST: bedkern van de stria-terminalis.

Uitgebreide gegevens Afb. 3 Gebinariseerd expressiepatroon van Spp1 en Ecel1 vertegenwoordigt een transcriptomisch verloop.

a , Uitdrukkingsniveaus van Spp1 en Ecel1 (boven) en log ( Spp1 / Ecel1 ) (onder) in afzonderlijke cellen langs de transcriptomische gradiënt, met een binair patroon van Spp1 en Ecel1 gecorreleerd met de gradiëntscore. b , Aantal genen gedetecteerd voor de belangrijkste celtypen en TRN-subpopulaties, wat aantoont dat de Spp1 Ecel1 (DP) en Spp1Ecel1 (DN) zijn van kwaliteit vergelijkbaar met andere celpopulaties. n ASC = 124, n Glut = 226, n GABA = 868, n ODC = 388, nGad1 Cck = 9, n OPC = 23, n MCG = 28, nEbf2 sup> = 21 kernen. Tussen Spp1 en DP, P = 0,1787; DN en Ecel1 , P = 0.2897, tweezijdige ranksum-test. n.s .: niet significant. Er was geen aanpassing voor meervoudige testen van toepassing. Boxplots tonen 25e, 50e, 75e percentielen en de snorharen strekken zich uit tot de meest extreme datapunten, ‘ ’ worden als uitschieters beschouwd. c , Schema’s van naïeve Bayes-classificaties om Spp1 , Ecel1 toe te wijzen, DP- en DN-neuronen in segmenten van de transcriptomische gradiënt. d , classificatienauwkeurigheid van de naïeve Bayes-classificaties. Getoond wordt de kans om Spp1 toe te wijzen aan het ‘Spp1’-segment, DP- en DN-neuronen aan het tussenliggende segment en Ecel1 naar het segment ‘Ecel1’. n = 671 kernen in totaal, nSpp1 = 264, n DP DN = 195, nEcel1 = 212 neuronen. e , Schema’s voor normalisatie van mediaal-laterale positie van individuele neuronen in FISH-afbeeldingen. Blauwe lijn: TRN-grens; Rode stippen: Pvalb Spp1 neuronen; Groene stippen: Pvalb Ecel1 neuronen; Gele stippen: DP-neuronen; DN worden niet weergegeven in de schema’s. f , Scatterplots met log ( Spp1 / Ecel1 ) in individuele Pvalb neuronen op genormaliseerde mediaal-laterale positie in geselecteerde tFISH-beelden langs anterieure tot posterieure TRN, overeenkomend met Fig. 2c . m-l: mediaal – laterale positie; Blauwe stippen: individuele cellen; Effen rode lijn: vloeiende aanpassing van blauwe gegevenspunten, met omgekeerde ‘U’ vorm; Onderbroken blauwe lijn: gemiddelde van blauwe gegevenspunten, wat het verschil aangeeft in de FISH-achtergrond van Spp1 en Ecel1 -kanaal in verschillende afbeeldingen.

Uitgebreide gegevens Afb. 4 Injectieplaatsen in verschillende thalamische relaiskernen en bijbehorende corticale projecties. a>

a , De posities van retrogradabel gelabelde neuronen die zijn getraceerd uit verschillende thalamische relaiskernen, aangegeven door verschillende kleuren, worden weergegeven in de coronale weergave van TRN-sectieseries gerangschikt van anterieure tot posterieure. De lichtgroene en magenta gearceerde gebieden geven de verdeling aan van respectievelijk de typische Ecel1 en Spp1 neuronen. VPM, ventrale posterieure mediaal; dLGN, laterale geniculaire kern (dorsaal deel); POm, posterieur-mediaal; LP, lateraal posterieur-lateraal deel; dMGN, mediaal geniculair-dorsaal deel; vMGN, mediaal geniculair-ventraal deel; VM, ventromediaal; VL, ventrolateraal. n = 3 muizen per regio. b , Panoramisch zicht op coronale secties met de injectieplaatsen en corticale projectie voor elke FO en HO thalamische kernen. V1: primaire visuele cortex; V2L: secundair lateraal deel van de visuele cortex; V2ML: secundair mediaal-lateraal deel van de visuele cortex; S1BF: primair somatosensorisch cortexvatveld; S1DZ: primaire somatosensorische cortex dysgranulaire zones; S1FL: primaire somatosensorische cortex voorpoot; S1HL: primaire somatosensorische cortex achterbeen; S2: secundaire somatosensorische cortex; AuV: secundair ventraal gebied van de auditieve cortex; Au1: primaire auditieve cortex; AuD: secundair auditief cortex dorsaal gebied; MGD: mediale geniculaire kernen dorsaal deel; MGM: mediale geniale kernen mediaal deel; TeA: temporale cortex, associatiegebied. n = 3 muizen per regio. c , Kwantificering van de projectieverhouding tussen de primaire en hogere orde secundaire / tertiaire corticale gebieden voor verschillende thalamische injectieplaatsen. n dLGN = 12 plakjes / 2 muizen, n LP = 12 plakjes / 2 muizen, n MGV = 15 plakjes / 2 muizen, n MGD / MGM = 12 plakjes / 2 muizen, n i> VPM = 12 plakjes / 2 muizen, n POm = 12 plakjes / 2 muizen. Staven vertegenwoordigen gemiddelde ± s.e.m. en onbewerkte gegevenspunten.

Uitgebreide gegevens Afb. 5 Verdeling van TRN-neuronen volgens moleculaire gradiëntscore.

a , De anatomische verdeling van met Patch-seq geregistreerde neuronen in coronale secties van TRN langs de anterieure-posterieure as. De cellen zijn gelabeld met verschillende gekleurde nummers zoals aangegeven ( Spp1 , magenta, Ecel1 , groen, DP , zwart en DN, blauw). Nummers geven de cel-ID aan. Getoond zijn n = 76 cellen / 5 muizen, gegevens verzameld door 2 onderzoekers. b , biSNE-inbedding van de verzamelde TRN-neuronen voor Patch-seq met een moleculair gradiëntpatroon met Spp1 ( magenta), Ecel1 (groen), en de tussenliggende subpopulaties DP (blauw) en DN (zwart). Getoond zijn subset van neuronen van een batch n = 68 neuronen / 5 muizen. c , representatieve spanningsveranderingen als reactie op hyperpolariserende huidige stapinjecties. Spp1 neuronen (magenta) vertonen robuuste rebound-bursts die worden opgewekt door hyperpolarisatie met hoge schietfrequenties binnen een burst. Wanneer een vergelijkbaar protocol wordt toegepast, vertonen de meeste Ecel1 neuronen (groen) slechts één rebound-burst met lagere schietfrequenties binnen een burst dan Spp1 i > neuronen. DN (blauw) en DP (zwart) neuronen vertonen intermediaire eigenschappen. nEcel1 = 15, n Spp1 = 29, n DN = 9 , n DP = 10 neuronen.

Uitgebreide gegevens Afb. 6 TRN-neuronen vertonen verschillen in eigenschappen van actiepotentiaal en morfologie.

a , Zoom- gezien een representatief enkelvoudig actiepotentieel sporen van Spp 1 en Ecel1 neuronen. b , samenvatting van actiepotentiaal (AP) -drempel ( P = 0,015, tweezijdige ongepaarde t -test) en halve breedte van AP (APhw) ( P = 7,08 × 10 5 , tweezijdige ongepaarde t -test). Voor a , b , n Spp1 = 12, n Ecel1 = 13, n DP = 6, n DN = 7 neuronen van 5 muizen. Percelen vertegenwoordigen gemiddelde ± s.d. en onbewerkte gegevenspunten. c , voorbeeld van Spp1 like (‘Spp1’) (magenta) en Ecel1 like (‘Ecel1’) (groene) neuron morfologie. d , Sholl-analyse van de dendritische complexiteit. e , samenvatting van de soma-lengte en -breedte, totale dendritische lengte en maximaal aantal snijpunten in Spp1 like (‘Spp1’) en Ecel1 like (‘Ecel1’) neuronen (gemiddelde ± sd dendritische lengte, P = 0.0014. Aantal snijpunten, P i> = 0,0004, tweezijdige ongepaarde t -test). Voor c e , n ‘Spp1’ = 11 neuronen / 4 muizen, n i> ‘Ecel1’ = 10 neuronen / 4 muizen.

Uitgebreide gegevens Afb. 7 AAV-gemedieerde gepoolde in vivo CRISPR-screening.

a , Schema’s van de AAV-gemedieerde gepoold CRISPR-Cas9 in vivo scherm. b , Lijst van verzamelingen en genen geselecteerd voor knock-out in de CRISPR-Cas9-screening. TRN-verrijkt verwijst naar genen die differentieel tot expressie worden gebracht tussen Pvalb neuronen van TRN en van M2-cortex, somatosensorische cortex, striatum en hippocampus. c , een warmtekaart die het expressiepatroon van de geselecteerde genen in de TRN-neuronen laat zien. De geselecteerde ziekterisicogenen zijn aan de rechterkant gelabeld. d , een heatmap met de differentieel tot expressie gebrachte ziekterisicogenen in Spp1 versus Ecel1 neuronen: autismespectrumstoornis (ASS, paars) en schizofrenie (oranje). e , vioolplots die een lijst tonen van genen die differentieel tot expressie worden gebracht tussen Pvalb neuronen in TRN vergeleken en Pvalb neuronen in de vier andere hersengebieden, waaronder hippocampus (HP), secundaire motorische cortex (M2), somatosensorische cortex (SCX) en striatum (STR). f , Viool plots die de TRN-verrijkte genenlijst bevestigen zoals getoond in e in aanvullende hersenregio’s met behulp van de mousebrain.org-datasets. CB: cerebellum; Hypoth: hypothalamus; MBd: mediale basale kern dorsale deel; MBV: mediaal ventrale deel van de basale kern; SC: ruggenmerg; Thal: thalamus. g , vioolplots die geselecteerde differentieel tot expressie gebrachte ziekterisicogenen tonen vergeleken met de Pvalb neuronen in de andere vier hersengebieden, zoals aangegeven. HP: hippocampus; M2: secundaire motorische cortex; SCX: somatosensorische cortex; STR: striatum. Voor e en g , n HP = 90, n M2 = 97, n SCX = 116, n STR = 13, n TRN = 671 cellen; Voor (f), n CA1 = 136, n CB = 477, n i > Hypoth = 156, n MBb = 331, n MBv = 209, n Medulla = 121, n Pons = 199, n SC = 69, n Thal = 54, n TRN = 501 cellen. De breedte van de vioolplots is gebaseerd op een Gaussiaanse schatting van de kerndichtheid van de gegevens (geschat door de standaarddichtheidsfunctie in R met standaardparameters), geschaald om een ​​maximale breedte gelijk aan 1 te hebben.

Uitgebreide gegevens Afb. 8 Samengevoegde in vivo CRISPR-Cas9-screening onthult gensets die bijdragen aan TRN-bursting eigenschappen.

a , representatieve stroom-klem opname sporen van Spp1 like (‘Spp1’ , magenta) en Ecel1 -achtige (‘Ecel1’, groene) neuronen die op verschillende membraanpotentialen worden vastgehouden. Het spoor met het maximale aantal bursts is geselecteerd voor het meten van verschillende burst-eigenschappen en het berekenen van de Z-score (rechts weergegeven). b , plot met ellipsjes voor het betrouwbaarheidsinterval voor het classificeren van Spp1 like (‘Spp1’) en Ecel1 like (‘Ecel1’) neuronen gebaseerd op de AHP en het aantal rebound bursts. c , representatieve rebound burst-sporen van geregistreerde neuronen na het uitschakelen van verschillende sets genen via CRISPR-Cas9-genbewerking. Sporen tonen rebound-bursting-activiteitsveranderingen als reactie op hyperpolarisering van huidige stapinjecties. TRN-neuronen vertoonden duidelijke veranderingen in hun schietpatronen na het uitschakelen van verschillende gengroepen. d , Radarplots van vijf elektrofysiologische parameters geïllustreerd in a , die de afwijking van een verstoorde groep naar de controle laten zien na het uitschakelen van sets genen in de gepoolde benadering. Positieve veranderingen tonen een toename in de richting van een parameter, terwijl negatieve veranderingen een afname vertonen in vergelijking met controle. Groene lijn geeft afwijkingen aan in Ecel1 -achtige neuronen en kleurschakeringen geven afwijkingen aan in Spp1 -achtige neuronen. e , samenvatting van het maximale aantal rebound-bursts van TRN-neuronen opgewekt door vergelijkbare hyperpolariserende huidige stapinjectie zoals beschreven in Fig. 4b nadat verschillende sets genen waren uitgeschakeld de gepoolde aanpak in Spp1 like (‘Spp1’) vs Ecel1 like (‘Ecel1’) neuronen (‘Spp1’ Pool1, P = 4.8742 × 10 7 ; Pool3, P i > = 0.0033; Pool5, P = 0.0088; Pool7, P = 0.0065. ‘Ecel1’ Pool3, P = 0.0081; Pool7, P = 0.023, tweezijdig ongepaard t -test). Staven vertegenwoordigen het gemiddelde ± s.e.m. Voor a e : ‘Spp1’ Ighe n = 12, Pool1 n = 12, Pool2 n = 9, Pool3 n = 13, Pool4 n = 9, Pool5 n = 10, Pool6 n = 9 en Pool7 n = 10 cellen; ‘Ecel1’ Ighe n = 9, Pool1 n = 12, Pool2 n = 13, Pool3 n = 10 , Pool4 n = 8, Pool5 n = 10, Pool6 n = 8 en Pool7 n = 9 cellen van 24 muizen (3 muizen per pool).

Uitgebreide gegevens Fig. 9 Karakterisering en validatie van in vivo CRISPR-Cas9-screening onthult sleutelgenen die bijdragen aan TRN-bursting-schieteigenschappen.

a , representatieve rebound-burst-sporen van geregistreerde neuronen na het uitschakelen van verschillende individuele genen uit Pool3 via CRISPR-Cas9-genbewerking. Het uitschakelen van Kcnd2 recapituleert de effecten van pool # 3. b , Radarplots voor het individuele gen van Pool3. Boven: veranderingen in Spp1 like (‘Spp1’) neuronen, roze lijn die het effect van het Pool3-gen knock-out laat zien en kleurschakeringen het effect veroorzaakt door individuele gen knock-out. Onderaan: veranderingen in Ecel1 -achtige (‘Ecel1’) neuronen, groene lijn die het Pool3-genradarplot weergeeft en kleurschakeringen die de geproduceerde veranderingen tonen door individuele gen-knock-out. Kcnd2 knock-out geeft een goede samenvatting van het effect van Pool3 in beide populaties. c , samenvatting van het maximale aantal rebound-bursts van TRN-neuronen dat werd opgewekt door vergelijkbare protocollen nadat individuele genen van Pool3 waren uitgeschakeld in Spp1 i > like (‘Spp1’) vs Ecel1 like (‘Ecel1’) neuronen (‘Spp1’ Kcnd2, P = 0.0095. ‘Ecel1’ Kcng1, P = 0.0088; Kcnd2, P = 0.019, tweezijdig ongepaard t -test). Staven vertegenwoordigen het gemiddelde ± s.e.m. Voor a c , ‘Spp1’ Kcng1 n = 6, Kcnc3 n = 6, Kcng4 n = 5, Kcnip1 n = 7, Kcnd2 n = 7; ‘Ecel1’ Kcng1 n = 10, Kcnc3 n = 8, Kcng4 n = 9, Kcnip1 n = 11 , Kcnd2 n = 11. d , Schema’s van de analyse voor on-target en off-target efficiëntie. Boven: analyse stroomschema. WGA: volledige genoomversterking; NGS: sequencing van de volgende generatie. Onderste: schema’s van sgRNA-ontwerp en primers voor analyse op doel voor Kcnd2 knock-out. Vijf sgRNA zijn ontworpen in Exon2, Exon3 en Exon4. Aangezien de lengte die wordt overschreden door het meest linkse sgRNA en het meest rechtse sgRNA de NGS-analyselimiet overschrijdt, werd geneste PCR gecombineerd met Sanger-sequencing gebruikt voor doelefficiëntieanalyse. Primers voor de geneste PCR worden weergegeven als zwarte pijlen in Exon1 en Exon5. e , staafdiagram dat de efficiëntie op het doel laat zien (5 sgRNA gepoold) geanalyseerd door geneste PCR en Sanger-sequencing (controle: n = 96 kernen, viraal geïnjecteerd: n = 384 kernen) en off-target rate voor de hoogste voorspelde (Methods ) off-target loci van elk sgRNA geanalyseerd door NGS ( n = 1.600 cellen en 72.000 kernen). Voorspelde sequenties buiten het doelwit worden weergegeven met niet-overeenkomende basen in kleine letters. Staafgrafieken vertegenwoordigen maximale waarschijnlijkheidsschatting (MLE) en bovenste Wilson-score-intervallen, geen onbewerkt gegevenspunt van toepassing 64 ( aanvullende informatie ).

Uitgebreide gegevens Fig. 10 γ 6 -uitdrukking en het verstorende effect ervan in de TRN cellen.

a , Calciumstromen gemeten ter controle (zwarte sporen) en met γ 6 -uitdrukking (rode sporen). b , Samengevatte relaties tussen stroomdichtheid en spanning die aantonen dat γ 6 die TRN-neuronen tot expressie brengen kleinere calciumstroomdichtheden vertonen dan controles ( P = 0.02, twee- zijdig ongepaard t -test, gegevens gepresenteerd als gemiddelde ± sem). Voor a , b , n = 6 neuronen / 3 muizen. c , d , kwantificering van retrogradely gelabelde cellen ( c ; P = 0,6170, ns, niet significant, twee -zijdige ongepaarde t -test) en hun percentage van de totale PV neuronen ( d ) in de reeks coronale plakjes van geïnjecteerde muizen. L: linker hersenhelft; R: rechterhersenhelft; g6: γ 6 ; FO: eerste bestelling; HO: hogere orde. Voor c , d , n = 7 voor elke experimentele conditie, gegevens gepresenteerd als gemiddelde ± s.e.m. Voor c worden plots bedekt met onbewerkte gegevenspunten. e , Scatterplots met γ 6 die het percentage en de effectgrootte voor individuele muizen uitdrukken. Bovenste rij: percentage delta-vermogen; middelste rij: aantal spindels per minuut in NREM; onderste rij: mediane slaapduur in NREM in seconden; stippen: dieren met retrograde γ 6 injectie in FO (rood) en HO (groen) somatosensorische thalamuskern. n = 6 voor elke voorwaarde. f , cumulatieve verdeling van de lengte van de slaapas voor elke individuele muis met retrograde γ 6 injectie in FO (bovenste) en HO (onderste) somatosensorische thalamische kernen, overeenkomend met Fig. 5u . g , h , Samenvatting van de mediane lengte van NREM-slaapaanvallen met retrograde γ 6 -injectie in FO ( g ) en HO ( h ) somatosensorische thalamische kernen. Rechts: tweezijdige Wilcoxon rank-sum-test; Links: Kolmogorov-Smirnov-test. Voor gegevens in f h , n control (FO) = 8, n i > γ6 (FO) = 8, n controle (HO) = 7, n γ6 (HO) = 8. Boxplots vertegenwoordigen minima, 25, 50, 75 percentielen, maxima.

Aanvullende informatie

Over dit artikel

Citeer dit artikel

Li, Y., Lopez-Huerta , VG, Adiconis, X. et al. Verschillende subnetwerken van de thalamische reticulaire kern. Natuur (2020). https://doi.org/10.1038/s41586-020-2504-5

Download citaat

  • Ontvangen : 18 mei 2019 tijd>

  • Geaccepteerd :

  • Gepubliceerd :

  • DOI : https : //doi.org/10.1038/s41586-020-2504-5

Opmerkingen

Door een opmerking te plaatsen, gaat u akkoord met onze voorwaarden en Communityrichtlijnen . Als je iets beledigend vindt of dat niet voldoet aan onze voorwaarden of richtlijnen, markeer het dan als ongepast.

CBD Olie kan helpen bij ADHD. Lees hoe op MHBioShop.com a >

Huile de CBD peut aider met TDAH. Bezoek HuileCBD.be h3 >

Lees meer