Measuring the dynamics of neural processing across time scales requires following the spiking of thousands of individual neurons over milliseconds and months. To address this need, we introduce the Neuropixels 2.0 probe together with newly designed analysis algorithms. The probe has more than 5000 sites and is miniaturized to facilitate chronic implants in small mammals and recording during unrestrained behavior. High-quality recordings over long time scales were reliably obtained in mice and rats in six laboratories. Improved site density and arrangement combined with newly created data processing methods enable automatic post hoc correction for brain movements, allowing recording from the same neurons for more than 2 months. These probes and algorithms enable stable recordings from thousands of sites during free behavior, even in small animals such as mice.

The origin of the spatial receptive fields of hippocampal place cells has not been established. A hippocampal CA1 pyramidal cell receives thousands of synaptic inputs, mostly from other spatially tuned neurons; however, how the postsynaptic neuron's cellular properties determine the response to these inputs during behavior is unknown. We discovered that, contrary to expectations from basic models of place cells and neuronal integration, a small, spatially uniform depolarization of the spatially untuned somatic membrane potential of a silent cell leads to the sudden and reversible emergence of a spatially tuned subthreshold response and place-field spiking. Such gating of inputs by postsynaptic neuronal excitability reveals a cellular mechanism for receptive field origin and may be critical for the formation of hippocampal memory representations.

Abstract To study the dynamics of neural processing across timescales, we require the ability to follow the spiking of thousands of individually separable neurons over weeks and months, during unrestrained behavior. To address this need, we introduce the Neuropixels 2.0 probe together with novel analysis algorithms. The new probe has over 5,000 sites and is miniaturized such that two probes plus a headstage, recording 768 sites at once, weigh just over 1 g, suitable for implanting chronically in small mammals. Recordings with high quality signals persisting for at least two months were reliably obtained in two species and six different labs. Improved site density and arrangement combined with new data processing methods enable automatic post-hoc stabilization of data despite brain movements during behavior and across days, allowing recording from the same neurons in the mouse visual cortex for over 2 months. Additionally, an optional configuration allows for recording from multiple sites per available channel, with a penalty to signal-to-noise ratio. These probes and algorithms enable stable recordings from >10,000 sites during free behavior in small animals such as mice.

Abstract Place cells are believed to organize memory across space and time, inspiring the idea of the cognitive map. Yet unlike the structured activity in the associated grid and head-direction cells, they remain an enigma: their responses have been difficult to predict and are complex enough to be statistically well-described by a random process. Here we report one step toward the ultimate goal of understanding place cells well enough to predict their fields. Within a theoretical framework in which place fields are derived as a conjunction of external cues with internal grid cell inputs, we predict that even apparently random place cell responses should reflect the structure of their grid inputs and that this structure can be unmasked if probed in sufficiently large neural populations and large environments. To test the theory, we design experiments in long, locally featureless spaces to demonstrate that structured scaffolds undergird place cell responses. Our findings, together with other theoretical and experimental results, suggest that place cells build memories of external inputs by attaching them to a largely prespecified grid scaffold.

ABSTRACT Individual neurons in prefrontal cortex – a key brain area involved in cognitive functions – are selective for variables such as space or time, as well as more cognitive aspects of tasks, such as learned categories. Many neurons exhibit mixed selectivity, that is, they show selectivity for multiple variables. A fundamental question is whether neurons are functionally specialized for particular variables and how selectivity for different variables intersects across the population. Here, we analyzed neural correlates of space and time in rats performing a navigational task with two behaviorally important categories – starts and goals. Using simultaneous recordings of many medial prefrontal cortex (mPFC) neurons during behavior, we found that population codes for elapsed time were invariant to different locations within categories, and subsets of neurons had functional preferences for time or space across categories. Thus, mPFC exhibits structured selectivity, which may facilitate complex behaviors by efficiently generating informative representations of multiple variables.

Abstract The hippocampus is critical for recollecting and imagining experiences. This is believed to involve voluntarily drawing from hippocampal memory representations of people, events, and places, including the hippocampus’ map-like representations of familiar environments. However, whether the representations in such “cognitive maps” can be volitionally and selectively accessed is unknown. We developed a brain-machine interface to test if rats could control their hippocampal activity in a flexible, goal-directed, model-based manner. We show that rats can efficiently navigate or direct objects to arbitrary goal locations within a virtual reality arena solely by activating and sustaining appropriate hippocampal representations of remote places. This should provide insight into the mechanisms underlying episodic memory recall, mental simulation/planning, and imagination, and open up possibilities for high-level neural prosthetics utilizing hippocampal representations.

Viral outbreaks, such as the 2014 ebolavirus, can spread rapidly and have complex evolutionary dynamics, including coinfection and bulk transmission of multiple viral populations. Genomic surveillance can be hindered when the spread of the outbreak exceeds the evolutionary rate, in which case consensus approaches will have limited resolution. Deep sequencing of infected patients can identify genomic variants present in intrahost populations at subclonal frequencies (i.e. <50%). Shared subclonal variants (SSVs) can provide additional phylogenetic resolution and inform about disease transmission patterns. Here, we use metrics from population genetics to analyze data from the 2014 ebolavirus outbreak in Sierra Leone and identify phylogenetic signal arising from SSVs. We use methods derived from information theory to measure a lower bound on transmission bottleneck size that is larger than one founder population, yet significantly smaller than the intrahost effective population. Our results demonstrate the important role of shared subclonal variants in genomic surveillance.