Visualizing neuronal activity in vivo Imaging the changes in fluorescence of voltage-sensitive reagents would enable monitoring of the activity of neurons in vivo. Abdelfattah et al. created such a voltage indicator by designing a protein that combines the voltage sensor domain from microbial rhodopsin with a domain that captures a dye molecule with exceptional brightness and photostability. When the protein was expressed in mice, flies, or zebrafish, they could monitor single action potentials in dozens of neurons simultaneously for many minutes. Science , this issue p. 699

We present a unique, extensive, and open synaptic physiology analysis platform and dataset. Through its application, we reveal principles that relate cell type to synaptic properties and intralaminar circuit organization in the mouse and human cortex. The dynamics of excitatory synapses align with the postsynaptic cell subclass, whereas inhibitory synapse dynamics partly align with presynaptic cell subclass but with considerable overlap. Synaptic properties are heterogeneous in most subclass-to-subclass connections. The two main axes of heterogeneity are strength and variability. Cell subclasses divide along the variability axis, whereas the strength axis accounts for substantial heterogeneity within the subclass. In the human cortex, excitatory-to-excitatory synaptic dynamics are distinct from those in the mouse cortex and vary with depth across layers 2 and 3.

The brain contains an astronomical number of neurons, but it is their collective activity that underlies brain function. The number of degrees of freedom that this collective activity explores – its dimensionality – is therefore a fundamental signature of neural dynamics and computation (1–7). However, it is not known what controls this dimensionality in the biological brain – and in particular whether and how recurrent synaptic networks play a role (8–10). Through analysis of high-density Neuropixels recordings (11), we argue that areas across the mouse cortex operate in a sensitive regime that gives these synaptic networks a very strong role in controlling dimensionality. We show that this control is expressed across time, as cortical activity transitions among states with different dimensionalities. Moreover, we show that the control is mediated through highly tractable features of synaptic networks. We then analyze these key features via a massive synaptic physiology dataset (12). Quantifying these features in terms of cell-type specific network motifs, we find that the synaptic patterns that impact dimensionality are prevalent in both mouse and human brains. Thus local circuitry scales up systematically to help control the degrees of freedom that brain networks may explore and exploit.

Abstract To elucidate cortical microcircuit structure and synaptic properties we present a unique, extensive, and public synaptic physiology dataset and analysis platform. Through its application, we reveal principles that relate cell type to synapse properties and intralaminar circuit organization in the mouse and human cortex. The dynamics of excitatory synapses align with the postsynaptic cell subclass, whereas inhibitory synapse dynamics partly align with presynaptic cell subclass but with considerable overlap. Despite these associations, synaptic properties are heterogeneous in most subclass to subclass connections. The two main axes of heterogeneity are strength and variability. Cell subclasses divide along the variability axis, while the strength axis accounts for significant heterogeneity within the subclass. In human cortex, excitatory to excitatory synapse dynamics are distinct from those in mouse and short-term plasticity varies with depth across layers 2 and 3. With a novel connectivity analysis that enables fair comparisons between circuit elements, we find that intralaminar connection probability among cell subclasses exhibits a strong layer dependence.These and other findings combined with the analysis platform create new opportunities for the neuroscience community to advance our understanding of cortical microcircuits.

Abstract Generating a comprehensive description of cortical networks requires a large-scale, systematic approach. To that end, the Allen Institute is engaged in a pipeline project using multipatch electrophysiology, supplemented with 2-photon optogenetics, to characterize connectivity and synaptic signaling between classes of neurons in adult mouse and human cortex. We focus on producing results detailed enough for the generation of computational models and enabling comparison with future studies. Here we report our examination of intralaminar connectivity within each of several classes of excitatory neurons. We find that connections are sparse but present among all excitatory cell types and layers we sampled, with the most sparse connections in layers 5 and 6. Almost all mouse synapses exhibited short-term depression with similar dynamics. Synaptic signaling between a subset of layer 2/3 neurons; however, exhibited facilitation. These results contribute to a body of evidence describing recurrent excitatory connectivity as a conserved feature of cortical microcircuits.

ABSTRACT Rodent studies have demonstrated that synaptic dynamics from excitatory to inhibitory neuron types are often dependent on the target cell type. However, these target cell-specific properties have not been well investigated in human cortex, where there are major technical challenges in reliably identifying cell types. Here, we take advantage of newly developed methods for human neurosurgical tissue analysis with multiple patch-clamp recordings, post-hoc fluorescent in situ hybridization (FISH), and prospective GABAergic AAV-based labeling to investigate synaptic properties between pyramidal neurons and PVALB- vs. SST- positive interneurons. We find that there are robust molecular differences in synapse-associated genes between these neuron types, and that individual presynaptic pyramidal neurons evoke postsynaptic responses with heterogeneous synaptic dynamics in different postsynaptic cell types. Using molecular identification with FISH and classifiers based on transcriptomically identified PVALB neurons analyzed with Patch-seq methods, we find that PVALB neurons typically show depressing synaptic characteristics, whereas other interneuron types including SST-positive neurons show facilitating characteristics. Together, these data support the existence of target cell-specific synaptic properties in human cortex that are similar to rodent, thereby indicating evolutionary conservation of local circuit connectivity motifs from excitatory to inhibitory neurons and their synaptic dynamics.

Electric fields affect the activity of neurons and brain circuits, yet how this happens at the cellular level remains enigmatic. Lack of understanding of how to stimulate the brain to promote or suppress specific activity significantly limits basic research and clinical applications. Here, we study how electric fields impact subthreshold and spiking properties of major cortical neuronal classes. We find that neurons in the rodent and human cortex exhibit strong, cell-class-dependent entrainment that depends on stimulation frequency. Excitatory pyramidal neurons, with their slower spike rate, entrain to both slow and fast electric fields, while inhibitory classes like Pvalb and Sst (with their fast spiking) predominantly phase-lock to fast fields. We show that this spike-field entrainment is the result of two effects: non-specific membrane polarization occurring across classes and class-specific excitability properties. Importantly, these properties are present across cortical areas and species. These findings allow for the design of selective and class-specific neuromodulation.

Abstract Electric fields affect the activity of neurons and brain circuits, yet how this interaction happens at the cellular level remains enigmatic. Lack of understanding on how to stimulate the human brain to promote or suppress specific activity patterns significantly limits basic research and clinical applications. Here we study how electric fields impact the subthreshold and spiking properties of major cortical neuronal classes. We find that cortical neurons in rodent neocortex and hippocampus as well as human cortex exhibit strong and cell class-dependent entrainment that depends on the stimulation frequency. Excitatory pyramidal neurons with their typically slower spike rate entrain to slow and fast electric fields, while inhibitory classes like Pvalb and SST with their fast spiking predominantly phase lock to fast fields. We show this spike-field entrainment is the result of two effects: non-specific membrane polarization occurring across classes and class-specific excitability properties. Importantly, these properties of spike-field and class-specific entrainment are present in cells across cortical areas and species (mouse and human). These findings open the door to the design of selective and class-specific neuromodulation technologies.

The strengths of synaptic connections dynamically change depending on the history of synaptic events, which is referred to as short-term plasticity (STP). While STP's underlying mechanisms are well researched, its exact functions remain poorly understood. This is in part due to the diverse patterns of STP experimentally reported. Recently, the Allen Institute for Brain Science has launched the synaptic physiology pipeline to characterize the diverse properties of synapses. Since this pipeline generates a large-scale survey of synapses in mouse primary visual cortex using highly standardized experimental protocols, it provides a unique opportunity to study diverse patterns of STP. Here, we develop an end-to-end workflow that can characterize STP from the Allen Institute for Brain Science pipeline data and conduct network simulations to infer STP's functions. Employing this workflow, we find 1) that diverse patterns of STP exist even in the same synapse classes and 2) that postsynaptic neurons' responses have distinct characteristics depending on STP.

Abstract Since environments are constantly in flux, the brain’s ability to identify novel stimuli that fall outside its own internal representation of the world is crucial for an organism’s survival. Within the mammalian neocortex, inhibitory microcircuits are proposed to regulate activity in an experience-dependent manner and different inhibitory neuron subtypes exhibit distinct novelty responses. Discerning the function of diverse neural circuits and their modulation by experience can be daunting unless one has a biologically plausible mechanism to detect and learn from novel experiences that is both understandable and flexible. Here we introduce a learning mechanism, familiarity modulated synapses (FMSs), through which a network response that encodes novelty emerges from unsupervised synaptic modifications depending only on the presynaptic or both the pre- and postsynaptic activity. FMSs stand apart from other familiarity mechanisms in their simplicity: they operate under continual learning, do not require specialized architecture, and can distinguish novelty rapidly without requiring feedback. Implementing FMSs within a model of a visual cortical circuit that includes multiple inhibitory populations, we simultaneously reproduce three distinct novelty effects recently observed in experimental data from visual cortical circuits in mice: absolute, contextual, and omission novelty. Additionally, our model results in a set of diverse physiological responses across cell subpopulations, allowing us to analyze how their connectivity and synaptic dynamics influences their distinct behavior, leading to predictions that can be tested in experiment. Altogether, our findings demonstrate how experimentally-constrained cortical circuit structure can give rise to qualitatively distinct novelty responses using simple plasticity mechanisms. The flexibility of FMSs opens the door to computationally and theoretically investigating how distinct synapse modulations can lead to a variety of experience-dependent responses in a simple, understandable, and biologically plausible setup.