Top-down prefrontal cortex inputs to the hippocampus have been hypothesized to be important in memory consolidation, retrieval, and the pathophysiology of major psychiatric diseases; however, no such direct projections have been identified and functionally described. Here we report the discovery of a monosynaptic prefrontal cortex (predominantly anterior cingulate) to hippocampus (CA3 to CA1 region) projection in mice, and find that optogenetic manipulation of this projection (here termed AC–CA) is capable of eliciting contextual memory retrieval. To explore the network mechanisms of this process, we developed and applied tools to observe cellular-resolution neural activity in the hippocampus while stimulating AC–CA projections during memory retrieval in mice behaving in virtual-reality environments. Using this approach, we found that learning drives the emergence of a sparse class of neurons in CA2/CA3 that are highly correlated with the local network and that lead synchronous population activity events; these neurons are then preferentially recruited by the AC–CA projection during memory retrieval. These findings reveal a sparsely implemented memory retrieval mechanism in the hippocampus that operates via direct top-down prefrontal input, with implications for the patterning and storage of salient memory representations. Here, a sparse neuronal projection from a part of the prefrontal cortex, the anterior cingulate, to the hippocampus is identified that, when activated, can elicit memory retrieval in mice. Recent work has begun to explore how neural ensembles in the hippocampus encode and reactivate a memory, but relatively little is known about how hypothesized 'top-down' inputs arising in the cortex could potentially influence memory processes. Here Karl Deisseroth and colleagues develop new tools and strategies to identify a sparse neuronal projection from the anterior cingulate (part of the prefrontal cortex) to the hippocampus. When activated, these projections can elicit memory retrieval in mice.

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.

Identifying the cell types constituting brain circuits is a fundamental question in neuroscience and motivates the generation of taxonomies based on electrophysiological, morphological and molecular single cell properties. Establishing the correspondence across data modalities and understanding the underlying principles has proven challenging. Bio-realistic computational models offer the ability to probe cause-and-effect and have historically been used to explore phenomena at the single-neuron level. Here we introduce a computational optimization workflow used for the generation and evaluation of more than 130 million single neuron models with active conductances. These models were based on 230 in vitro electrophysiological experiments followed by morphological reconstruction from the mouse visual cortex. We show that distinct ion channel conductance vectors exist that distinguish between major cortical classes with passive and h-channel conductances emerging as particularly important for classification. Next, using models of genetically defined classes, we show that differences in specific conductances predicted from the models reflect differences in gene expression in excitatory and inhibitory cell types as experimentally validated by single-cell RNA-sequencing. The differences in these conductances, in turn, explain many of the electrophysiological differences observed between cell types. Finally, we show the robustness of the herein generated single-cell models as representations and realizations of specific cell types in face of biological variability and optimization complexity. Our computational effort generated models that reconcile major single-cell data modalities that define cell types allowing for causal relationships to be examined.### Competing Interest StatementThe authors have declared no competing interest.

Only a few adolescents are meeting their daily vegetable requirement. At the same time, spicy food is increasingly popular and familiar across cultures.