The anatomy of the mammalian visual system, from the retina to the neocortex, is organized hierarchically1. However, direct observation of cellular-level functional interactions across this hierarchy is lacking due to the challenge of simultaneously recording activity across numerous regions. Here we describe a large, open dataset—part of the Allen Brain Observatory2—that surveys spiking from tens of thousands of units in six cortical and two thalamic regions in the brains of mice responding to a battery of visual stimuli. Using cross-correlation analysis, we reveal that the organization of inter-area functional connectivity during visual stimulation mirrors the anatomical hierarchy from the Allen Mouse Brain Connectivity Atlas3. We find that four classical hierarchical measures—response latency, receptive-field size, phase-locking to drifting gratings and response decay timescale—are all correlated with the hierarchy. Moreover, recordings obtained during a visual task reveal that the correlation between neural activity and behavioural choice also increases along the hierarchy. Our study provides a foundation for understanding coding and signal propagation across hierarchically organized cortical and thalamic visual areas. A large, open dataset containing parallel recordings from six visual cortical and two thalamic areas of the mouse brain is presented, from which the relative timing of activity in response to visual stimuli and behaviour is used to construct a hierarchy scheme that corresponds to anatomical connectivity data.

The mammalian brain is composed of diverse neuron types that play different functional roles. Recent single-cell RNA sequencing approaches have led to a whole brain taxonomy of transcriptomically-defined cell types, yet cell type definitions that include multiple cellular properties can offer additional insights into a neuron's role in brain circuits. While the Patch-seq method can investigate how transcriptomic properties relate to the local morphological and electrophysiological properties of cell types, linking transcriptomic identities to long-range projections is a major unresolved challenge. To address this, we collected coordinated Patch-seq and whole brain morphology data sets of excitatory neurons in mouse visual cortex. From the Patch-seq data, we defined 16 integrated morpho-electric-transcriptomic (MET)-types; in parallel, we reconstructed the complete morphologies of 300 neurons. We unified the two data sets with a multi-step classifier, to integrate cell type assignments and interrogate cross-modality relationships. We find that transcriptomic variations within and across MET-types correspond with morphological and electrophysiological phenotypes. In addition, this variation, along with the anatomical location of the cell, can be used to predict the projection targets of individual neurons. We also shed new light on infragranular cell types and circuits, including cell-type-specific, interhemispheric projections. With this approach, we establish a comprehensive, integrated taxonomy of excitatory neuron types in mouse visual cortex and create a system for integrated, high-dimensional cell type classification that can be extended to the whole brain and potentially across species.

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.