Progress in nearly every scientific discipline is hindered by the presence of independent noise in spatiotemporally structured datasets. Three widespread technologies for measuring neural activity—calcium imaging, extracellular electrophysiology, and fMRI—all operate in domains in which shot noise and/or thermal noise deteriorate the quality of measured physiological signals. Current denoising approaches sacrifice spatial and/or temporal resolution to increase the Signal-to-Noise Ratio of weak neuronal events, leading to missed opportunities for scientific discovery. Here, we introduce DeepInterpolation , a general-purpose denoising algorithm that trains a spatio-temporal nonlinear interpolation model using only noisy samples from the original raw data. Applying DeepInterpolation to in vivo two-photon Ca 2+ imaging yields up to 6 times more segmented neuronal segments with a 15 fold increase in single pixel SNR, uncovering network dynamics at the single-trial level. In extracellular electrophysiology recordings, DeepInterpolation recovered 25% more high-quality spiking units compared to a standard data analysis pipeline. On fMRI datasets, DeepInterpolation increased the SNR of individual voxels 1.6-fold. All these improvements were attained without sacrificing spatial or temporal resolution. DeepInterpolation could well have a similar impact in other domains for which independent noise is present in experimental data.

Abstract The claustrum is uniquely positioned to communicate with almost all higher-order cortical areas through widespread and reciprocal anatomical projections, yet the in vivo functional properties of claustrum neurons are not well understood. Here we use microendoscope imaging in mice to measure activity in populations of genetically-labelled Gnb4+ claustrum neurons. We find that only a small fraction of cells in the anterior claustrum are responsive to visual or auditory stimuli when delivered under passive yet wakeful conditions. In contrast, during a visual behavioral task, the majority of cells in the anterior claustrum are strongly modulated, with separate and spatially intermingled cell populations showing either increases or decreases in activity relative to spontaneous levels. Our results suggest that the Gnb4+ cells in the anterior claustrum do not represent passively presented sensory stimuli; rather, these cells are strongly engaged during behavior associated with sensory-motor transformations.

Electric fields affect the activity of neurons and brain circuits, yet how this happens at the cellular level remains enigmatic. Lack of understanding of how to stimulate the brain to promote or suppress specific activity significantly limits basic research and clinical applications. Here, we study how electric fields impact subthreshold and spiking properties of major cortical neuronal classes. We find that neurons in the rodent and human cortex exhibit strong, cell-class-dependent entrainment that depends on stimulation frequency. Excitatory pyramidal neurons, with their slower spike rate, entrain to both slow and fast electric fields, while inhibitory classes like Pvalb and Sst (with their fast spiking) predominantly phase-lock to fast fields. We show that this spike-field entrainment is the result of two effects: non-specific membrane polarization occurring across classes and class-specific excitability properties. Importantly, these properties are present across cortical areas and species. These findings allow for the design of selective and class-specific neuromodulation.

Abstract Local field potential (LFP) recordings reflect the dynamics of the current source density (CSD) in brain tissue. The synaptic, cellular and circuit contributions to current sinks and sources are ill-understood. We investigated these in mouse primary visual cortex using public Neuropixels recordings and a detailed circuit model based on simulating the Hodgkin-Huxley dynamics of numerous cortical neurons belonging to 17 cell types. The model simultaneously captured spiking and CSD responses and demonstrated a two-way dissociation: Firing rates are altered with minor effects on the CSD pattern by adjusting synaptic weights, and CSD is altered with minor effects on firing rates by adjusting synaptic placement on the dendrites. We describe how thalamocortical inputs and recurrent connections sculpt specific sinks and sources early in the visual response, whereas cortical feedback crucially alters them in later stages. Our findings show that CSD analysis provides powerful constraints for modeling beyond those from considering spikes.

Abstract The visual cortex is organized hierarchically, but the presence of extensive recurrent and parallel pathways make it challenging to decipher how signals flow between neuronal populations. Here, we tracked the flow of spiking activity recorded from six interconnected levels of the mouse visual hierarchy. By analyzing leading and lagging spike-timing relationships among pairs of simultaneously recorded neurons, we created a cellular-scale directed network graph. Using a module-detection algorithm to cluster neurons based on shared connectivity patterns, we uncovered two multi-regional communication modules distributed across the hierarchy. The direction of signal flow between and within these modules, differences in layer and area distributions, and distinct temporal dynamics suggest that one module is positioned to transmit feedforward sensory signals, whereas the other integrates inputs for recurrent processing. These results suggest that multi-regional functional modules may be a fundamental feature of organization beyond cortical areas that supports signal propagation across hierarchical recurrent networks.

Influenced by factors such as brain states and behavior, neurons exhibit substantial response variability even to identical stimuli. Because these factors are non-stationary, they dynamically impact the fidelity of sensory processing. However, it remains unclear how their relative impact on neuronal variability evolves over time. To address this question, we designed an encoding model with latent states to partition visual cortical variability across three crucial categories of sources: internal brain dynamics, behavior, and external visual stimulus. Applying a hidden Markov model to the rhythmic patterns of cortical local field potentials, we consistently identified three distinct oscillation states. Each state revealed a unique variability profile and a consistent descending trend of stimulus modulation across the visual hierarchy. Regression models within each state revealed a dynamic composition of factors contributing to the observed spiking variability, with the primary influencing factor switching within seconds. In the state dominated by high-frequency oscillations, sensory inputs and behavior exerted the most influence on population dynamics. Conversely, internal brain activity explained most of the variance in the state dominated by low-frequency oscillations. This heterogeneity across states underscores the importance of partitioning variability over time, particularly when considering the dynamic influence of non-stationary factors on sensory processing.

Recurrent neural networks exhibit chaotic dynamics when the variance in their connection strengths exceed a critical value. Recent work indicates connection variance also modulates learning strategies; networks learn "rich" representations when initialized with low coupling and "lazier" solutions with larger variance. Using Watts-Strogatz networks of varying sparsity, structure, and hidden weight variance, we find that the critical coupling strength dividing chaotic from ordered dynamics also differentiates rich and lazy learning strategies. Training moves both stable and chaotic networks closer to the edge of chaos, with networks learning richer representations before the transition to chaos. In contrast, biologically realistic connectivity structures foster stability over a wide range of variances. The transition to chaos is also reflected in a measure that clinically discriminates levels of consciousness, the perturbational complexity index (PCIst). Networks with high values of PCIst exhibit stable dynamics and rich learning, suggesting a consciousness prior may promote rich learning. The results suggest a clear relationship between critical dynamics, learning regimes and complexity-based measures of consciousness.

Two-photon calcium imaging is often used with genetically encoded calcium indicators (GECIs) to investigate neural dynamics, but the relationship between fluorescence and action potentials (spikes) remains unclear. Pioneering work linked electrophysiology and calcium imaging in vivo with viral GECI expression, albeit in a small number of cells. Here we characterized the spike-fluorescence transfer function in vivo of 91 layer 2/3 pyramidal neurons in primary visual cortex in four transgenic mouse lines expressing GCaMP6s or GCaMP6f. We found that GCaMP6s cells have spike-triggered fluorescence responses of larger amplitude, lower variability and greater single-spike detectability than GCaMP6f cells. Single spike detection rates differed substantially across neurons in each line. They declined from ~40-90% at 5% false positive rate under high-resolution imaging to ~10-15% when imaging hundreds of neurons across a larger field of view. Our dataset thus provides quantitative insights to support more refined inference of neuronal activity from calcium imaging data.

Summary Different theories explain how subjective experience arises from brain activity 1,2 . These theories have independently accrued evidence, yet, confirmation bias and dependence on design choices hamper progress in the field 3 . Here, we present an open science adversarial collaboration which directly juxtaposes Integrated Information Theory (IIT) 4,5 and Global Neuronal Workspace Theory (GNWT) 6–10 , employing a theory-neutral consortium approach 11,12 . We investigate neural correlates of the content and duration of visual experience. The theory proponents and the consortium developed and preregistered the experimental design, divergent predictions, expected outcomes, and their interpretation 12 . 256 human subjects viewed suprathreshold stimuli for variable durations while neural activity was measured with functional magnetic resonance imaging, magnetoencephalography, and electrocorticography. We find information about conscious content in visual, ventro-temporal and inferior frontal cortex, with sustained responses in occipital and lateral temporal cortex reflecting stimulus duration, and content-specific synchronization between frontal and early visual areas. These results confirm some predictions of IIT and GNWT, while substantially challenging both theories: for IIT, a lack of sustained synchronization within posterior cortex contradicts the claim that network connectivity specifies consciousness. GNWT is challenged by the general lack of ignition at stimulus offset and limited representation of certain conscious dimensions in prefrontal cortex. Beyond challenging the theories themselves, we present an alternative approach to advance cognitive neuroscience through a principled, theory-driven, collaborative effort. We highlight the challenges to change people’s mind 13 and the need for a quantitative framework integrating evidence for systematic theory testing and building.

The mammalian visual system, from retina to neocortex, has been extensively studied at both anatomical and functional levels. Anatomy indicates the corticothalamic system is hierarchical, but characterization of cellular-level functional interactions across multiple levels of this hierarchy is lacking, partially due to the challenge of simultaneously recording activity across numerous regions. Here, we describe a large, open dataset (part of the Allen Brain Observatory ) that surveys spiking from units in six cortical and two thalamic regions responding to a battery of visual stimuli. Using spike cross-correlation analysis, we find that inter-area functional connectivity mirrors the anatomical hierarchy from the Allen Mouse Brain Connectivity Atlas . Classical functional measures of hierarchy, including visual response latency, receptive field size, phase-locking to a drifting grating stimulus, and autocorrelation timescale are all correlated with the anatomical hierarchy. Moreover, recordings during a visual task support the behavioral relevance of hierarchical processing. Overall, this dataset and the hierarchy we describe provide a foundation for understanding coding and dynamics in the mouse corticothalamic visual system.