Neuron activity across the brain How is it that groups of neurons dispersed through the brain interact to generate complex behaviors? Three papers in this issue present brain-scale studies of neuronal activity and dynamics (see the Perspective by Huk and Hart). Allen et al. found that in thirsty mice, there is widespread neural activity related to stimuli that elicit licking and drinking. Individual neurons encoded task-specific responses, but every brain area contained neurons with different types of response. Optogenetic stimulation of thirst-sensing neurons in one area of the brain reinstated drinking and neuronal activity across the brain that previously signaled thirst. Gründemann et al. investigated the activity of mouse basal amygdala neurons in relation to behavior during different tasks. Two ensembles of neurons showed orthogonal activity during exploratory and nonexploratory behaviors, possibly reflecting different levels of anxiety experienced in these areas. Stringer et al. analyzed spontaneous neuronal firing, finding that neurons in the primary visual cortex encoded both visual information and motor activity related to facial movements. The variability of neuronal responses to visual stimuli in the primary visual area is mainly related to arousal and reflects the encoding of latent behavioral states. Science , this issue p. eaav3932 , p. eaav8736 , p. eaav7893 ; see also p. 236

Summary Functional ultrasound imaging (fUSI) is a popular method for measuring blood flow and thus infer brain activity, but it relies on the physiology of neurovascular coupling and requires extensive signal processing. To establish to what degree its trial-by-trial signals reflect neural activity, we performed simultaneous fUSI and neural recordings with Neuropixels probes in awake mice. fUSI signals strongly correlated with the slow (<0.3 Hz) fluctuations in local firing rate, and were closely predicted by the smoothed firing rate of local neurons, particularly putative inhibitory neurons. The optimal smoothing filter had width ~3 s, matched the hemodynamic response function of awake mouse, was invariant across mice and stimulus conditions, and similar in cortex and hippocampus. fUSI signals also matched neural firing spatially: firing rates were as highly correlated across hemispheres as fUSI signals. Thus, hemodynamic signals measured by ultrasound bear a simple and accurate relationship to neuronal firing.

Sensory cortices can be affected by stimuli of multiple modalities and are thus increasingly thought to be multisensory. For instance, primary visual cortex (V1) is influenced not only by images but also by sounds. Here we show that the activity evoked by sounds in V1 is highly stereotyped across neurons and even across mice. It resembles activity measured elsewhere in the brain and is independent of projections from auditory cortex. Its low-dimensional nature starkly contrasts the high dimensional code that V1 uses to represent images. Furthermore, this sound-evoked activity can be precisely predicted by small body movements that are elicited by each sound and are highly stereotyped across trials and across mice. Thus, neural activity that is apparently multisensory may simply arise from low-dimensional signals associated with changes in internal state and behavior.

Transcriptomics has revealed the exquisite diversity of cortical inhibitory neurons 1–7 , but it is not known whether these fine molecular subtypes have correspondingly diverse activity patterns in the living brain. Here, we show that inhibitory subtypes in primary visual cortex (V1) have diverse correlates with brain state, but that this diversity is organized by a single factor: position along their main axis of transcriptomic variation. We combined in vivo 2-photon calcium imaging of mouse V1 with a novel transcriptomic method to identify mRNAs for 72 selected genes in ex vivo slices. We used transcriptomic clusters (t-types) 4 to classify inhibitory neurons imaged in layers 1-3 using a three-level hierarchy of 5 Families, 11 Classes, and 35 t-types. Visual responses differed significantly only across Families, but modulation by brain state differed at all three hierarchical levels. Nevertheless, this diversity could be predicted from the first transcriptomic principal component, which predicted a cell type’s brain state modulation and correlations with simultaneously recorded cells. Inhibitory t-types with narrower spikes, lower input resistance, weaker adaptation, and less axon in layer 1 as determined in vitro 8 fired more in resting, oscillatory brain states. Transcriptomic types with the opposite properties fired more during arousal. The former cells had more inhibitory cholinergic receptors, and the latter more excitatory receptors. Thus, despite the diversity of V1 inhibitory neurons, a simple principle determines how their joint activity shapes state-dependent cortical processing.

During navigation, responses in primary visual cortex (V1) are modulated by the animal’s position. Here, we show that this modulation is present across multiple higher visual cortical areas but largely absent in geniculate inputs to V1. Spatial modulation is stronger during active navigation than during passive viewing. Moreover, navigation activates different neurons than classical drifting gratings, and promotes the reliability of neural responses in parietal and medial cortical areas.

Making efficient decisions requires combining present sensory evidence with previous reward values, and learning from the resulting outcome. To establish the underlying neural processes, we trained mice in a task that probed such decisions. Mouse choices conformed to a reinforcement learning model that estimates predicted value (reward value times sensory confidence) and prediction error (outcome minus predicted value). Predicted value was encoded in the pre-outcome activity of prelimbic frontal neurons and midbrain dopamine neurons. Prediction error was encoded in the post-outcome activity of dopamine neurons, which reflected not only reward value but also sensory confidence. Manipulations of these signals spared ongoing choices but profoundly affected subsequent learning. Learning depended on the pre-outcome activity of prelimbic neurons, but not dopamine neurons. Learning also depended on the post-outcome activity of dopamine neurons, but not prelimbic neurons. These results reveal the distinct roles of frontal and dopamine neurons in learning under uncertainty.

Cortical responses to sensory stimuli are highly variable, and sensory cortex exhibits intricate spontaneous activity even without external sensory input. Cortical variability and spontaneous activity have been variously proposed to represent random noise, recall of prior experience, or encoding of ongoing behavioral and cognitive variables. Here, by recording over 10,000 neurons in mouse visual cortex, we show that spontaneous activity reliably encodes a high-dimensional latent state, which is partially related to the ongoing behavior of the mouse and is represented not just in visual cortex but across the forebrain. Sensory inputs do not interrupt this ongoing signal, but add onto it a representation of visual stimuli in orthogonal dimensions. Thus, visual cortical population activity, despite its apparently noisy structure, reliably encodes an orthogonal fusion of sensory and multidimensional behavioral information.

Research in neuroscience relies increasingly on the mouse, a mammalian species that affords unparalleled genetic tractability and brain atlases. Here we introduce high-yield methods for probing mouse visual decisions. Mice are head-fixed, which facilitates repeatable visual stimulation, eye tracking, and brain access. They turn a steering wheel to make two-alternative choices, forced or unforced. Learning is rapid thanks to intuitive coupling of stimuli to wheel position. The mouse decisions deliver high-quality psychometric curves for detection and discrimination, and conform to the predictions of a simple probabilistic observer model. The task is readily paired with two-photon imaging of cortical activity. Optogenetic inactivation reveals that the task requires the visual cortex. Mice are motivated to perform the task by fluid reward or optogenetic stimulation of dopaminergic neurons. This stimulation elicits larger number of trials and faster learning. These methods provide a platform to accurately probe mouse vision and its neural basis.