# Deciphering the building blocks of hippocampal circuits

> **NIH NIH R01** · BAYLOR COLLEGE OF MEDICINE · 2021 · $613,658

## Abstract

Abstract 
 Since  Ramon  y  Cajal,  neuroscientists  have  speculated  that  even  the  most  complex  brain  functions  might 
eventually be understood at the level of neuronal cell types and their connections. Unfortunately, our under‐
standing of the brain's extensive diversity of cell types and elaborate circuitry remains far from complete. For 
example, despite the hippocampus being essential for learning and memory and its dysfunction underlying a 
wide variety of devastating neuropsychiatric disorders, we still lack fundamental knowledge about its constit‐
uent cell types and their molecular profiles and connectivity, slowing progress towards a mechanistic circuit‐
level understanding of memory formation. We propose to identify all of the interneuron cell types in area CA1 
of the hippocampus and decipher their canonical connectivity. We have assembled a strong interdisciplinary 
team  capable  of  combining  cutting‐edge  technologies  including  high‐throughput  multi‐cell  patch  recordings, 
morphological reconstructions, single‐cell RNA sequencing, and machine learning to achieve two main goals: 
1) dissect CA1 microcircuit organization by generating a morphological and electrophysiological taxonomy of 
all interneuron cell types in mouse CA1 and map their connections; and 2) derive transcriptomic signatures of 
morphologically defined CA1 interneurons using our newly developed Patch‐seq method. Our team recently 
implemented  this  interdisciplinary  experimental  strategy  to  successfully  identify  cell  types  in  the  neocortex 
and dissect their microcircuitry. Using multi‐cell patch clamp recording, we will characterize the electrophysi‐
ological properties, morphology, laminar location and connectivity of thousands of neurons from mouse CA1 
hippocampus. We will also utilize a new, highly sensitive, cost effective technique for single‐cell RNA sequenc‐
ing (Smart‐seq2) to map their transcriptomes and machine learning techniques to classify cells into molecular 
types.  Importantly,  our  high‐throughput  method  will  allow  us  to  obtain  morphological,  electrophysiological 
and  complete  transcriptome  information  for  single  neurons,  which  cannot  be  achieved  using  other  methods 
such as dissociating tissue for single‐cell sequencing. In‐house customization and automation has reduced our 
sequencing costs, enabling us to sequence thousands of cells within a reasonable budget. Cell type identifica‐
tion will be validated using morphological, electrophysiological, and molecular tests. Identifying all of the in‐
terneuron  cell  types  that  comprise  CA1  and  determining  how  they  connect  to  each  other  will  have  a  broad, 
paradigm‐shifting impact. For instance, it will contribute to a circuit‐level understanding of the computations 
that take place in CA1, such as memory formation. From a clinical perspective, single‐cell transcriptome data 
will yield a powerful atlas to investigate relationships betwee...

## Key facts

- **NIH application ID:** 10216624
- **Project number:** 5R01MH109556-05
- **Recipient organization:** BAYLOR COLLEGE OF MEDICINE
- **Principal Investigator:** Rickard Sandberg
- **Activity code:** R01 (R01, R21, SBIR, etc.)
- **Funding institute:** NIH
- **Fiscal year:** 2021
- **Award amount:** $613,658
- **Award type:** 5
- **Project period:** 2017-09-01 → 2024-06-30

## Primary source

NIH RePORTER: https://reporter.nih.gov/project-details/10216624

## Citation

> US National Institutes of Health, RePORTER application 10216624, Deciphering the building blocks of hippocampal circuits (5R01MH109556-05). Retrieved via AI Analytics 2026-05-23 from https://api.ai-analytics.org/grant/nih/10216624. Licensed CC0.

---

*[NIH grants dataset](/datasets/nih-grants) · CC0 1.0*