Cortical inhibitory interneurons expressing vasoactive intestinal polypeptide (VIP) are shown to specialize in suppressing the activity of other inhibitory interneurons and are activated by reinforcement signals, thus increasing the activity of excitatory neurons by releasing them from inhibition; these results reveal a cell-type-specific microcircuit that tunes cortical activity under certain behavioural conditions. Disinhibition is a potentially powerful mechanism for controlling the activity and computation in neural circuits. Relatively little is known about neurons specializing in disinhibition and their specific function. Now Adam Kepecs and colleagues report that a cortical interneuron type defined by vasoactive intestinal polypeptide (VIP) expression inhibits the activity of other inhibitory interneurons, thereby adding an additional level of control over excitatory neurons. They further find that VIP interneurons are activated by rewards and punishments when rats perform a reinforcement learning task. These results reveal a cell-type-specific microcircuit that tunes cortical activity under certain behavioural conditions. In the mammalian cerebral cortex the diversity of interneuronal subtypes underlies a division of labour subserving distinct modes of inhibitory control1,2,3,4,5,6,7. A unique mode of inhibitory control may be provided by inhibitory neurons that specifically suppress the firing of other inhibitory neurons. Such disinhibition could lead to the selective amplification of local processing and serve the important computational functions of gating and gain modulation8,9. Although several interneuron populations are known to target other interneurons to varying degrees10,11,12,13,14,15, little is known about interneurons specializing in disinhibition and their in vivo function. Here we show that a class of interneurons that express vasoactive intestinal polypeptide (VIP) mediates disinhibitory control in multiple areas of neocortex and is recruited by reinforcement signals. By combining optogenetic activation with single-cell recordings, we examined the functional role of VIP interneurons in awake mice, and investigated the underlying circuit mechanisms in vitro in auditory and medial prefrontal cortices. We identified a basic disinhibitory circuit module in which activation of VIP interneurons transiently suppresses primarily somatostatin- and a fraction of parvalbumin-expressing inhibitory interneurons that specialize in the control of the input and output of principal cells, respectively3,6,16,17. During the performance of an auditory discrimination task, reinforcement signals (reward and punishment) strongly and uniformly activated VIP neurons in auditory cortex, and in turn VIP recruitment increased the gain of a functional subpopulation of principal neurons. These results reveal a specific cell type and microcircuit underlying disinhibitory control in cortex and demonstrate that it is activated under specific behavioural conditions.

Progress in science requires standardized assays whose results can be readily shared, compared, and reproduced across laboratories. Reproducibility, however, has been a concern in neuroscience, particularly for measurements of mouse behavior. Here we show that a standardized task to probe decision-making in mice produces reproducible results across multiple laboratories. We designed a task for head-fixed mice that combines established assays of perceptual and value-based decision making, and we standardized training protocol and experimental hardware, software, and procedures. We trained 140 mice across seven laboratories in three countries, and we collected 5 million mouse choices into a publicly available database. Learning speed was variable across mice and laboratories, but once training was complete there were no significant differences in behavior across laboratories. Mice in different laboratories adopted similar reliance on visual stimuli, on past successes and failures, and on estimates of stimulus prior probability to guide their choices. These results reveal that a complex mouse behavior can be successfully reproduced across multiple laboratories. They establish a standard for reproducible rodent behavior, and provide an unprecedented dataset and open-access tools to study decision-making in mice. More generally, they indicate a path towards achieving reproducibility in neuroscience through collaborative open-science approaches.

Decision confidence is a forecast about the probability that a decision will be correct. Despite this description is suggestive of a potential statistical treatment, a theoretical foundation of subjective confidence evaluation is missing. Nevertheless, confidence can be framed as an objective mathematical quantity, the Bayesian posterior probability, providing a formal definition of statistical decision confidence. Here we use this definition as a starting point to develop a normative statistical framework for decision confidence. We analytically prove interrelations between statistical decision confidence and other observable decision measures. Among these is a counterintuitive property of confidence - that the lowest average confidence occurs when classifiers err in the presence of the strongest evidence. These results lay the foundations for a mathematically rigorous treatment of decision confidence that can lead to a common framework for understanding confidence across different research domains, from human behavior to neural representations.

Experiments aiming to understand sensory-motor systems, cognition and behavior often require animals trained to perform complex tasks. Traditional training protocols require lab personnel to move the animals between home cages and training chambers, to start and end training sessions, and in some cases, to hand-control each training trial. Human labor not only limits the amount of training per day, but also introduces several sources of variability and may increase animal stress. Here we present an automated training system for the 5-choice serial reaction time task (5CSRTT), a classic rodent task often used to test sensory detection, sustained attention and impulsivity. We found that fully automated training without human intervention greatly increased the speed and efficiency of learning, and decreased stress as measured by corticosterone levels. Introducing training breaks did not cancel these beneficial effects of automated training, and mice readily generalized across training systems when transferred from automated to manual protocols. Additionally, we validated our automated training system with mice implanted with wireless optogenetic stimulators, expanding the breadth of experimental needs our system may fulfill. Our automated 5CSRTT system can serve as a prototype for fully automated behavioral training, with methods and principles transferrable to a range of rodent tasks.

Animals often navigate environments that are uncertain, volatile and complex, making it challenging to locate reliable food sources. Therefore, it is not surprising that many species evolved multiple, parallel and complementary foraging strategies to survive. Current research on animal behavior is largely driven by a reductionist approach and attempts to study one particular aspect of behavior in isolation. This is justified by the huge success of past and current research in understanding neural circuit mechanisms of behaviors. But focusing on only one aspect of behaviors obscures their inherent multidimensional nature. To fill this gap we aimed to identify and characterize distinct behavioral modules using a simple reward foraging assay. For this we developed a single-animal, trial-based probabilistic foraging task, where freely walking fruit flies experience optogenetic sugar-receptor neuron stimulation. By carefully analyzing the walking trajectories of flies, we were able to dissect the animals foraging decisions into multiple underlying systems. We show that flies perform local searches, cue-based navigation and learn task relevant contingencies. Using probabilistic reward delivery allowed us to bid several competing reinforcement learning (RL) models against each other. We discover that flies accumulate chosen option values, forget unchosen option values and seek novelty. We further show that distinct behavioral modules -learning and navigation-based systems- cooperate, suggesting that reinforcement learning in flies operates on dimensionality reduced representations. We therefore argue that animals will apply combinations of multiple behavioral strategies to generate foraging decisions.