Summary Determining which features of the neural code drive perception and behavior requires the ability to simultaneous read out and write in neural activity patterns with high precision across many neurons. All-optical systems that combine two photon (2p) calcium imaging and targeted 2p photostimulation enable the activation of specific, functionally defined groups of neurons in behaving animals. However, these techniques do not yet have the ability to reveal how the specific distribution of firing rates across a relevant neural population mediates neural computation and behavior. The key technical obstacle is the inability to transform single-cell calcium signals into accurate estimates of firing rate changes and then write in these cell-specific firing rate changes to each individual neuron in a targeted population. To overcome this challenge, we made two advances: first we introduce a new genetic line of mice for robust Cre-dependent co-expression of a high-performance calcium indicator and a potent soma-targeted microbial opsin. Second, using this line, we developed a pipeline that enables the read-out and write-in of precise population vectors of neural activity across a targeted group of neurons. The combination of the new multifunctional transgenic line and the photostimulation paradigm offer a powerful and convenient platform for investigating the neural codes of computation and behavior. It may prove particularly useful for probing causal features of the geometry of neural representations where the ability to directly control the topology of population activity is essential.

Summary Patterned optogenetic activation of defined neuronal populations in the intact brain can reveal fundamental aspects of the neural codes of perception and behavior. The biophysical properties of existing optogenetic tools, however, constrain the scale, speed, and fidelity of precise optical control. Here we use structure-guided mutagenesis to engineer opsins that exhibit very high potency while retaining fast kinetics. These new opsins enable large-scale, temporally and spatially precise control of population neural activity in vivo and in vitro . We benchmark these new opsins against existing optogenetics tools with whole-cell electrophysiology and all-optical physiology and provide a detailed biophysical characterization of a diverse family of microbial opsins under two-photon illumination. This establishes a toolkit and a resource for matching the optimal opsin to the goals and constraints of patterned optogenetics experiments. Finally, by combining these new opsins with optimized procedures for cell-specific holographic photo-stimulation, we demonstrate the simultaneous co-activation of several hundred spatially defined neurons with a single hologram, and nearly double that number by temporally interleaving holograms at fast rates. These newly engineered opsins substantially extend the capabilities of patterned illumination optogenetic paradigms for addressing neural circuits and behavior.

Abstract Discovering how neural computations are implemented in the cortex at the level of monosynaptic connectivity requires probing for the existence of synapses from possibly thousands of presynaptic candidate neurons. Two-photon optogenetics has been shown to be a promising technology for mapping such monosynaptic connections via serial stimulation of neurons with single-cell resolution. However, this approach is limited in its ability to uncover connectivity at large scales because stimulating neurons one-by-one requires prohibitively long experiments. Here we developed novel computational tools that, when combined, enable learning of monosynaptic connectivity from high-speed holographic neural ensemble stimulation. First, we developed a model-based compressed sensing algorithm that identifies connections from postsynaptic responses evoked by stimulation of many neurons at once, considerably increasing the rate at which the existence and strength of synapses are screened. We show that this model-based approach, explicitly incorporating known biophysics of optogenetic mapping experiments, is critical for accurately determining synaptic connectivity using compressed sensing. Second, we developed a deep learning method that isolates the postsynaptic response evoked by each stimulus, allowing stimulation to rapidly switch between ensembles without waiting for the postsynaptic response to return to baseline. Together, our system increases the throughput of monosynaptic connectivity mapping by an order of magnitude over existing approaches, enabling the acquisition of connectivity maps at speeds needed to discover the synaptic circuitry implementing neural computations.

Abstract Two-photon optogenetics has transformed our ability to probe the structure and function of neural circuits. However, achieving precise optogenetic control of neural ensemble activity has remained fundamentally constrained by the problem of off-target stimulation (OTS): the inadvertent activation of nearby non-target neurons due to imperfect confinement of light onto target neurons. Here we propose a novel computational approach to this problem called Bayesian target optimisation. Our approach uses nonparametric Bayesian inference to model neural responses to optogenetic stimulation, and then optimises the laser powers and optical target locations needed to achieve a desired activity pattern with minimal OTS. We validate our approach in simulations and using data from in vitro experiments, showing that Bayesian target optimisation considerably reduces OTS across all conditions we test. Together, these results establish our ability to overcome OTS, enabling optogenetic stimulation with substantially improved precision.

Abstract Monosynaptic connectivity mapping is crucial for building circuit-level models of neural computation. Two-photon optogenetic stimulation, when combined with whole-cell recordings, has the potential to map monosynaptic connectivity at an unprecedented scale. However, optogenetic mapping of nearby connections poses a challenge, due to stimulation artifacts. When the postsynaptic cell expresses opsin, optical excitation can directly induce current in the patched cell, confounding connectivity measurements. This problem is most severe in nearby cell pairs, where synaptic connectivity is often strongest. To overcome this problem, we developed a computational tool, Photocurrent Removal with Constraints (PhoRC). Our method is based on a constrained matrix factorization model which leverages the fact that photocurrent kinetics are consistent across repeated stimulations at similar laser power. We demonstrate on real and simulated data that PhoRC consistently removes photocurrents while preserving synaptic currents, despite variations in photocurrent kinetics across datasets. Our method allows the discovery of synaptic connections which would have been otherwise obscured by photocurrent artifacts, and may thus reveal a more complete picture of synaptic connectivity. PhoRC runs faster than real time and is available at https://github.com/bantin/PhoRC .