Phase-synchronization is a manifestation of interaction between neuronal groups measurable from LFP, EEG or MEG signals, however, volume conduction can cause the coherence and the phase locking value to spuriously increase. It has been shown that the imaginary component of the coherency (ImC) cannot be spuriously increased by volume-conduction of independent sources. Recently, it was proposed that the phase lag index (PLI), which estimates to what extent the phase leads and lags between signals from two sensors are nonequiprobable, improves on the ImC. Compared to ImC, PLI has the advantage of being less influenced by phase delays. However, sensitivity to volume-conduction and noise, and capacity to detect changes in phase-synchronization, is hindered by the discontinuity of the PLI, as small perturbations turn phase lags into leads and vice versa. To solve this problem, we introduce a related index, namely the weighted phase lag index (WPLI). Differently from PLI, in WPLI the contribution of the observed phase leads and lags is weighted by the magnitude of the imaginary component of the cross-spectrum. We demonstrate two advantages of the WPLI over the PLI, in terms of reduced sensitivity to additional, uncorrelated noise sources and increased statistical power to detect changes in phase-synchronization. Another factor that can affect phase-synchronization indices is sample-size bias. We show that, when directly estimated, both PLI and the magnitude of the ImC have typically positively biased estimators. To solve this problem, we develop an unbiased estimator of the squared PLI, and a debiased estimator of the squared WPLI.

Spontaneous and sensory-evoked cortical activity is highly state-dependent, yet relatively little is known about transitions between distinct waking states. Patterns of activity in mouse V1 differ dramatically between quiescence and locomotion, but this difference could be explained by either motor feedback or a change in arousal levels. We recorded single cells and local field potentials from area V1 in mice head-fixed on a running wheel and monitored pupil diameter to assay arousal. Using naturally occurring and induced state transitions, we dissociated arousal and locomotion effects in V1. Arousal suppressed spontaneous firing and strongly altered the temporal patterning of population activity. Moreover, heightened arousal increased the signal-to-noise ratio of visual responses and reduced noise correlations. In contrast, increased firing in anticipation of and during movement was attributable to locomotion effects. Our findings suggest complementary roles of arousal and locomotion in promoting functional flexibility in cortical circuits.Video AbstracteyJraWQiOiI4ZjUxYWNhY2IzYjhiNjNlNzFlYmIzYWFmYTU5NmZmYyIsImFsZyI6IlJTMjU2In0.eyJzdWIiOiJiOGZjNmViNWI4NWRjOGNmNjIyZTgzN2NmOGIyZjExYSIsImtpZCI6IjhmNTFhY2FjYjNiOGI2M2U3MWViYjNhYWZhNTk2ZmZjIiwiZXhwIjoxNjc4NDA2Mjc1fQ.U8KTsomqiRNwzqjLL3oR75DrAXzfECdbIFynv-G0YjBxSshxynjqRGJdcXKBqwiCUDYuGqagwwtupIQjLtMytSNSnkBAtG_FRzFRfoEAUM14kDpj-XI4SAqlxkvDY0SJXGIipBu_w0wKkFKlePe_2UwjgXKzIOWMhW8gX5l-kBOr0WYwrGj4vElMwoUZAqtWz1U6Ym3HAVfLThdn5_jVrUOoZetqSoMJeemrGLBJmxEvrkTw5OBIXBi_Df-Ef6IcbmO36aVMJwEdbb4IsqPxCUgyxQE7A6nYvt3mnZgF3V_0OIBigbTVJ-eq6GlogNrobiPLxMjrgTdVbDzqi2-8wQ(mp4, (81.63 MB) Download video

Oscillatory activity is a widespread phenomenon in nervous systems and has been implicated in numerous functions. Signals that are generated by two separate neuronal sources often demonstrate a consistent phase-relationship in a particular frequency-band, i.e., they demonstrate rhythmic neuronal synchronization. This consistency is conventionally measured by the PLV (phase-locking value) or the spectral coherence measure. Both statistical measures suffer from significant bias, in that their sample estimates overestimate the population statistics for finite sample sizes. This is a significant problem in the neurosciences where statistical comparisons are often made between conditions with a different number of trials or between neurons with a different number of spikes. We introduce a new circular statistic, the PPC (pairwise phase consistency). We demonstrate that the sample estimate of the PPC is a bias-free and consistent estimator of its corresponding population parameter. We show, both analytically and by means of numerical simulations, that the population statistic of the PPC is equivalent to the population statistic of the squared PLV. The variance and mean squared error of the PPC and PLV are compared. Finally, we demonstrate the practical relevance of the method in actual neuronal data recorded from the orbitofrontal cortex of rats that engage in a two-odour discrimination task. We find a strong increase in rhythmic synchronization of spikes relative to the local field potential (as measured by the PPC) for a wide range of low frequencies (including the theta-band) during the anticipation of sucrose delivery in comparison to the anticipation of quinine delivery.

Cognitive functions are subserved by rhythmic neuronal synchronization across widely distributed brain areas. In 105 area pairs, we investigated functional connectivity (FC) through coherence, power correlation, and Granger causality (GC) in the theta, beta, high-beta, and gamma rhythms. Between rhythms, spatial FC patterns were largely independent. Thus, the rhythms defined distinct interaction networks. Importantly, networks of coherence and GC were not explained by the spatial distributions of the strengths of the rhythms. Those networks, particularly the GC networks, contained clear modules, with typically one dominant rhythm per module. To understand how this distinctiveness and modularity arises on a common anatomical backbone, we correlated, across 91 area pairs, the metrics of functional interaction with those of anatomical projection strength. Anatomy was primarily related to coherence and GC, with the largest effect sizes for GC. The correlation differed markedly between rhythms, being less pronounced for the beta and strongest for the gamma rhythm.

Abstract Predictive coding is an important candidate theory of self-supervised learning in the brain. Its central idea is that neural activity results from an integration and comparison of bottom-up inputs with contextual predictions, a process in which firing rates and synchronization may play distinct roles. Here, we quantified stimulus predictability for natural images based on self-supervised, generative neural networks. When the precise pixel structure of a stimulus falling into the V1 receptive field (RF) was predicted by the spatial context, V1 exhibited characteristic γ -synchronization (30-80Hz), despite no detectable modulation of firing rates. In contrast to γ, β -synchronization emerged exclusively for unpredictable stimuli. Natural images with high structural predictability were characterized by high compressibility and low dimensionality. Yet, perceptual similarity was mainly determined by higher-level features of natural stimuli, not by the precise pixel structure. When higher-level features of the stimulus in the receptive field were predicted by the context, neurons showed a strong reduction in firing rates and an increase in surround suppression that was dissociated from synchronization patterns. These findings reveal distinct roles of synchronization and firing rates in the predictive coding of natural images.

Abstract Spatial attention selectively enhances neural responses to visual stimuli. There are two long-standing hypotheses about how top-down feedback enhances sensory responses in areas like V4: First, by amplifying V1-to-V4 feedforward communication via 30-80Hz gamma-coherence. Second, via top-down feedback to V4 supra- and infra-granular layers. To test these hypotheses, we recorded distinct cell-types across macaque V1 and V4 layers. Attention increased both V1-V4 gamma-coherence and V4 spike-rates, yet with distinct laminar and cell-type profiles. Surprisingly, V1 gamma did not engage V4 excitatory neurons, but only Layer-4 fast-spiking interneurons. Similar observations were made in mouse visual-cortex, where feedforward gamma-influences preferentially recruit optogenetically-tagged PV+ and narrowwaveform SSt+ interneurons. By contrast, attention enhanced V4 spike-rates in both excitatory neurons and fast-spiking interneurons, with the strongest and earliest modulation in Layer-2/3, consistent with a feedback influence. These findings reveal distinct feedforward and feedback pathways for the attentional modulation of inter-areal coherence and spike rates, respectively.

Abstract Neural coding and memory formation depend on temporal spiking sequences that span high-dimensional neural ensembles. The unsupervised discovery and characterization of these spiking sequences requires a suitable dissimilarity measure to spiking patterns, which can then be used for clustering and decoding. Here, we present a new dissimilarity measure based on optimal transport theory called SpikeShip, which compares multineuron spiking patterns based on all the relative spike-timing relationships among neurons. SpikeShip computes the optimal transport cost to make all the relative spike-timing relationships (across neurons) identical between two spiking patterns. We show that this transport cost can be decomposed into a temporal rigid translation term, which captures global latency shifts, and a vector of neuron-specific transport flows, which reflect inter-neuronal spike timing differences. SpikeShip can be effectively computed for high-dimensional neuronal ensembles, has a low (linear) computational cost that has the same order as the spike count, and is sensitive to higher-order correlations. Furthermore SpikeShip is binless, can handle any form of spike time distributions, is not affected by firing rate fluctuations, can detect patterns with a low signal-to-noise ratio, and can be effectively combined with a sliding window approach. We compare the advantages and differences between SpikeShip and other measures like SPIKE and Victor-Púrpura distance. We applied SpikeShip to large-scale Neuropixel recordings during spontaneous activity and visual encoding. We show that high-dimensional spiking sequences detected via SpikeShip reliably distinguish between different natural images and different behavioral states. These spiking sequences carried complementary information to conventional firing rate codes. SpikeShip opens new avenues for studying neural coding and memory consolidation by rapid and unsupervised detection of temporal spiking patterns in high-dimensional neural ensembles.

Abstract Hierarchy is a major organizational principle of the cortex and underscores modern computational theories of cortical function. The local microcircuit amplifies long-distance inter-areal input, which show distance-dependent changes in their laminar profiles. Statistical modeling of these changes in laminar profiles demonstrates that inputs from multiple hierarchical levels to their target areas show remarkable consistency, allowing the construction of a cortical hierarchy based on a principle of hierarchical distance. The statistical modeling that is applied to structure can also be applied to laminar differences in the oscillatory coherence between areas thereby determining a functional hierarchy of the cortex. Close examination of the anatomy of inter-areal connectivity reveals a dual counterstream architecture with well-defined distance-dependent feedback and feedforward pathways in both the supra- and infragranular layers, suggesting a multiplicity of feedback pathways with well-defined functional properties. These findings are consistent with feedback connections providing a generative network involved in a wide range of cognitive functions. A dynamical model constrained by connectivity data shed insights into the experimentally observed signatures of frequency-dependent Granger causality for feedforward versus feedback signaling. Concerted experiments capitalizing on recent technical advances and combining tract-tracing, high-resolution fMRI, optogenetics and mathematical modeling hold the promise of a much improved understanding of lamina-constrained mechanisms of neural computation and cognition. However, because inter-areal interactions involve cortical layers that have been the target of important evolutionary changes in the primate lineage, these investigations will need to include human and non-human primates comparisons. Plan Introduction Hierarchy – signatures of inputs to the local circuits. Models of hierarchy Hierarchy – input consistency Dual stream architecture. Functional characteristics of FF and FB pathways. The predictive brain and the importance of top-down generative networks. Conclusion.

When a visual stimulus is repeated, average neuronal responses typically decrease, yet they might maintain or even increase their impact through increased synchronization. Previous work has found that many repetitions of a grating lead to increasing gamma-band synchronization. Here we show in awake macaque area V1 that both, repetition-related reductions in firing rate and increases in gamma are specific to the repeated stimulus. These effects showed some persistence on the timescale of minutes. Further, gamma increases were specific to the presented stimulus location. Importantly, repetition effects on gamma and on firing rates generalized to natural images. These findings suggest that gamma-band synchronization subserves the adaptive processing of repeated stimulus encounters, both for generating efficient stimulus responses and possibly for memory formation.

Abstract Cortical computation depends on interactions between excitatory and inhibitory neurons. The contributions of distinct neuron-types to sensory processing and network synchronization in primate visual-cortex remain largely undetermined. We show that in awake monkey V1, there exists a distinct cell-type (≈30% of neurons) that has narrow-waveform action-potentials, high spontaneous discharge-rates, and fires in high-frequency bursts. These neurons are more stimulus-selective and phase-locked to gamma (30-80Hz) oscillations as compared to other neuron types. Unlike the other neuron-types, their gamma phase-locking is highly predictive of their orientation tuning. We find evidence for strong rhythmic inhibition in these neurons, suggesting that they interact with interneurons to act as excitatory pacemakers for the V1 gamma rhythm. These neurons have not been observed in other primate cortical areas and we find that they are not present in rodent V1. However, they resemble the excitatory “chattering” neurons previously identified by intracellular recordings in cat V1. Given its properties, this neuron type should be pivotal for the encoding and transmission of V1 stimulus information.