Abstract Transcranial random noise stimulation (tRNS), a non-invasive neuromodulatory technique capable of altering cortical activity, has been proposed to improve the signal-to-noise ratio at the neuronal level and the sensitivity of the neurons following an inverted U-function. The aim of this study was to examine the effects of tRNS on vGLUT1 and GAD 65-67 and its safety in terms of pathological changes. For that, juvenile mice were randomly distributed in three different groups: “tRNS 1x” receiving tRNS at the density current used in humans (0.3 A/m 2 , 20 min), “tRNS 100x” receiving tRNS at two orders of magnitude higher (30.0 A/m 2 , 20 min) and “sham” (0.3 A/m 2 , 15 s). Nine tRNS sessions during five weeks were administered to the prefrontal cortex of alert animals. No detectable tissue macroscopic lesions were observed after tRNS sessions. Post-stimulation immunohistochemical analysis of GAD 65-67 and vGLUT1 immunoreactivity showed a reduced GAD 65-67 immunoreactivity levels in the region directly beneath the electrode for tRNS 1x group with no significant effects in the tRNS 100x nor sham group. The observed results points to an excitatory effect associated with a decrease in GABA levels in absence of major histopathological alterations providing a novel mechanistic explanation for tRNS effects.

High-density probes allow electrophysiological recordings from many neurons simultaneously across entire brain circuits but don't reveal cell type. Here, we develop a strategy to identify cell types from extracellular recordings in awake animals, revealing the computational roles of neurons with distinct functional, molecular, and anatomical properties. We combine optogenetic activation and pharmacology using the cerebellum as a testbed to generate a curated ground-truth library of electrophysiological properties for Purkinje cells, molecular layer interneurons, Golgi cells, and mossy fibers. We train a semi-supervised deep-learning classifier that predicts cell types with greater than 95% accuracy based on waveform, discharge statistics, and layer of the recorded neuron. The classifier's predictions agree with expert classification on recordings using different probes, in different laboratories, from functionally distinct cerebellar regions, and across animal species. Our classifier extends the power of modern dynamical systems analyses by revealing the unique contributions of simultaneously-recorded cell types during behavior.

Transcranial direct-current stimulation (tDCS) is a promising non-invasive neuromodulatory technique being proposed for treating neurologic disorders. However, there is a lack of knowledge about how externally applied currents affect neuronal spiking activity in cerebellar circuits in vivo. In this study, we observe a heterogeneous polarity modulation of the firing rate of Purkinje cells (PC) and non-PC in the mouse cerebellar cortex. Using a combination of juxtacellular labeling and high-density Neuropixels recordings, we demonstrate that the apparently heterogeneous effects of tDCS on PC activity can be fully explained by taking into account the somatodendritic orientation relative to the electric field. Our findings emphasize the importance of considering neuronal orientation and morphological aspects to increase the predictive power of tDCS computational models and optimize desired effects in basic and clinical human applications.