Abstract Recurrent cortical activity sculpts visual perception by refining, amplifying, or suppressing incoming visual signals. Despite the importance of recurrent circuits for cortical processing, the basic rules that govern how nearby cortical neurons influence each other remains enigmatic. We used two-photon holographic optogenetics to activate ensembles of neurons in Layer 2/3 of the primary visual cortex (V1) in the absence of external stimuli to isolate the impact of local recurrence from external inputs. We find that the spatial arrangement and the stimulus feature preference of both the stimulated and the target ensemble jointly determine the net effect of recurrent activity, defining the cortical activity patterns that drive competition versus facilitation in L2/3 circuits. Computational modeling suggests that a combination of highly local recurrent excitatory connectivity and selective convergence onto inhibitory neurons give rise to these principles of recurrent activity. Our data and modeling reveal that recurrent activity can have varied impact, but a logic emerges through an understanding of the precise spatial distribution and feature preference of the multicellular pattern of activity.

Abstract Gamma band synchronization can facilitate local and long-range communication in neural circuits. In the primary visual cortex (V1) the strength of synchronization on the local level is strongly tuned to the contrast, size and center/surround orientation of grating stimuli. On the global level, the synchronization of gamma oscillations across the retinotopic map crucially depends on matched stimulus properties in the corresponding locations in the visual field. Although these features of V1 gamma rhythms are likely to be crucial for how they might support cortico-cortical communication and visual perception, their neural basis remains largely unknown. We hypothesized VIP disinhibitory interneurons, which shape other tuning properties in V1 by inhibiting SST neurons, may be responsible for tuning local gamma band power and global gamma synchronization. To test these ideas, we combined multi-electrode electrophysiology, cell-type specific optogenetic suppression of VIP neurons and computational modeling. Contrary to expectations, our data show that on the local level, VIP activity has no role in tuning gamma power to stimulus properties; rather, it scales the gain of gamma oscillations linearly across stimulus space and across behavioral state. Conversely, on the global level, VIP neurons specifically suppress gamma synchronization (as measured by spectral coherence) between spatially separated cortical ensembles when they are processing non-matched stimulus features. A straightforward computational model of V1 shows that like-to-like connectivity across retinotopic space, and specific, but powerful VIP➔SST inhibition are sufficient to capture these seemingly opposed effects. These data demonstrate how VIP neurons differentially impact local and global properties of gamma rhythms depending on the global statistics of the retinal image. VIP neurons may thus construct temporal filters in the gamma band for spatially continuous image features, such as contours, to facilitate the downstream generation of coherent visual percepts.

Understanding the genesis of shared trial-to-trial variability in neural activity within sensory cortex is critical to uncovering the biological basis of information processing in the brain. Shared variability is often a reflection of the structure of cortical connectivity since this variability likely arises, in part, from local circuit inputs. A series of experiments from segregated networks of (excitatory) pyramidal neurons in mouse primary visual cortex challenge this view. Specifically, the across-network correlations were found to be larger than predicted given the known weak cross-network connectivity. We aim to uncover the circuit mechanisms responsible for these enhanced correlations through biologically motivated cortical circuit models. Our central finding is that coupling each excitatory subpopulation with a specific inhibitory subpopulation provides the most robust network-intrinsic solution in shaping these enhanced correlations. This result argues for the existence of excitatory-inhibitory functional assemblies in early sensory areas which mirror not just response properties but also connectivity between pyramidal cells.

Understanding the genesis of shared trial-to-trial variability in neuronal population activity within the sensory cortex is critical to uncovering the biological basis of information processing in the brain. Shared variability is often a reflection of the structure of cortical connectivity since it likely arises, in part, from local circuit inputs. A series of experiments from segregated networks of (excitatory) pyramidal neurons in the mouse primary visual cortex challenge this view. Specifically, the across-network correlations were found to be larger than predicted given the known weak cross-network connectivity. We aim to uncover the circuit mechanisms responsible for these enhanced correlations through biologically motivated cortical circuit models. Our central finding is that coupling each excitatory subpopulation with a specific inhibitory subpopulation provides the most robust network-intrinsic solution in shaping these enhanced correlations. This result argues for the existence of excitatory–inhibitory functional assemblies in early sensory areas which mirror not just response properties but also connectivity between pyramidal cells. Furthermore, our findings provide theoretical support for recent experimental observations showing that cortical inhibition forms structural and functional subnetworks with excitatory cells, in contrast to the classical view that inhibition is a nonspecific blanket suppression of local excitation.

Abstract Recent experimental works have implicated astrocytes as a significant cell type underlying several neuronal processes in the mammalian brain, from encoding sensory information to neurological disorders. Despite this progress, it is still unclear how astrocytes are communicating with and driving their neuronal neighbors. While previous computational modeling works have helped propose mechanisms responsible for driving these interactions, they have primarily focused on interactions at the synaptic level, with microscale models of calcium dynamics and neurotransmitter diffusion. Since it is computationally infeasible to include the intricate microscale details in a network-scale model, little computational work has been done to understand how astrocytes may be influencing spiking patterns and synchronization of large networks. We overcome this issue by first developing an “effective” astrocyte that can be easily implemented to already established network frameworks. We do this by showing that the astrocyte proximity to a synapse makes synaptic transmission faster, weaker, and less reliable. Thus, our “effective” astrocytes can be incorporated by considering heterogeneous synaptic time constants, which are parametrized only by the degree of astrocytic proximity at that synapse. We then apply our framework to large networks of exponential integrate-and-fire neurons with various spatial structures. Depending on key parameters, such as the number of synapses ensheathed and the strength of this ensheathment, we show that astrocytes can push the network to a synchronous state and exhibit spatially correlated patterns. Author summary In many areas of the brain, glial cells called astrocytes wrap their processes around synapses – the points of contact between neurons. The number of wrapped synapses and the tightness of wrapping varies between brain areas and changes during some diseases, such as epilepsy. We investigate the effect that this synaptic ensheathment has on communication between neurons and the resulting collective dynamics of the neuronal network. We present a general, computationally-efficient way to include astrocytes in neuronal networks using an “effective astrocyte” representation derived from detailed microscopic scale models. The resulting hybrid networks allow us to emulate and observe the effect of ensheathment conditions corresponding to different brain areas and disease states. In particular, we find that it makes the networks more likely to switch into a highly correlated regime, contrary to predictions from the traditional neurons-only view. These results open a new perspective on neural network dynamics, where our understanding of conditions for generating correlated brain activity (e.g., rhythms associated with various brain functions, epileptic seizures) needs to be reevaluated.

Abstract Peripheral sensory organ damage leads to compensatory cortical plasticity that supports a remarkable recovery of perceptual capabilities. A major knowledge gap is the lack of precise mechanisms that explain how this plasticity is implemented and distributed over a diverse collection of excitatory and inhibitory cortical neurons. Here, we explored these mechanisms in mouse A1. After peripheral damage, we found recovered sound-evoked activity of excitatory principal neurons (PNs) and parvalbumin (PVs) interneurons (INs), reduced activity in somatostatin-INs (SOMs), and recovered activity in vasoactive intestinal peptide-INs (VIPs). Given the sequentially organized cortical network where VIPs inhibit INs, SOMs inhibit PVs and PNs, and PVs inhibit PNs, our results suggest that PVs contribute to PN stability, SOMs allow for increased PN and PV activity, and VIPs enable the PN and PV recovery by inhibiting SOMs. These results highlight a strategic, cooperative, and cell-type-specific plasticity program that restores cortical sound processing after peripheral damage.