Neurons in higher cortical areas, such as the prefrontal cortex, are often tuned to a variety of sensory and motor variables, and are therefore said to display mixed selectivity. This complexity of single neuron responses can obscure what information these areas represent and how it is represented. Here we demonstrate the advantages of a new dimensionality reduction technique, demixed principal component analysis (dPCA), that decomposes population activity into a few components. In addition to systematically capturing the majority of the variance of the data, dPCA also exposes the dependence of the neural representation on task parameters such as stimuli, decisions, or rewards. To illustrate our method we reanalyze population data from four datasets comprising different species, different cortical areas and different experimental tasks. In each case, dPCA provides a concise way of visualizing the data that summarizes the task-dependent features of the population response in a single figure.

A conspicuous feature of cortical organization is the wide diversity of inhibitory interneurons; their differential computational functions remain unclear. Here we propose a local cortical circuit in which three major subtypes of interneurons play distinct roles. In a model designed for spatial working memory, stimulus tuning of persistent activity arises from the concerted action of widespread inhibition mediated by perisoma-targeting (parvalbumin-containing) interneurons and localized disinhibition of pyramidal cells via interneuron-targeting (calretinin-containing) interneurons. Moreover, resistance against distracting stimuli (a fundamental property of working memory) is dynamically controlled by dendrite-targeting (calbindin-containing) interneurons. The experimental observation of inverted tuning curves of monkey prefrontal neurons recorded during working memory supports a key model prediction. This work suggests a framework for understanding the division of labor and cooperation among different inhibitory cell types in a recurrent cortical circuit.

ABSTRACT Neurons in the prefrontal cortex (PFC) are typically activated by different cognitive tasks, and also by different stimuli and abstract variables within these tasks. A single neuron’s selectivity for a given stimulus dimension often changes depending on its context, a phenomenon known as nonlinear mixed selectivity (NMS). It has previously been hypothesized that NMS emerges as a result of training to perform tasks in different contexts. We tested this hypothesis directly by examining the neuronal responses of different PFC areas before and after monkeys were trained to perform different working memory tasks involving visual stimulus locations and/or shapes. We found that training induces a modest increase in the proportion of PFC neurons with NMS exclusively for spatial working memory, but not shape working memory tasks, with area 9/46 undergoing the most significant increase in NMS cell proportion. We also found that increased working memory task complexity, in the form of simultaneously storing location and shape combinations, does not increase the degree of NMS for stimulus shape with other task variables. Lastly, in contrast to the previous studies, we did not find evidence that NMS is predictive of task performance. Our results thus provide critical insights on the representation of stimuli and task information in neuronal populations, which may pave the way to a greater understanding of neural selectivity in working memory. SIGNIFICANCE STATEMENT How multiple types of information are represented in working memory remains a complex computational problem. It has been hypothesized that nonlinear mixed selectivity allows neurons to efficiently encode multiple stimuli in different contexts, after subjects have been trained in complex tasks. Our analysis of prefrontal recordings obtained before and after training monkeys to perform working memory tasks only partially agreed with this prediction, in that nonlinear mixed selectivity emerged for spatial but not shape information, and mostly in mid-dorsal PFC. Nonlinear mixed selectivity also displayed little modulation across either task complexity or correct performance. These results point to other mechanisms, in addition to nonlinear mixed selectivity, to represent complex information about stimulus and context in neuronal activity.

Summary Acetylcholine in the neocortex is critical for executive function. Degeneration of the basal forebrain cholinergic system is associated with cognitive decline in aging and Alzheimer’s disease. Cholinergic agonists and acetylcholinesterase inhibitors improve cognitive performance as does intermittent electrical stimulation of the cortical source of acetylcholine, the Nucleus Basalis (NB) of Meynert. Here we tested how NB stimulation improves working memory behavior and alters its neural code. NB stimulation increased dorsolateral prefrontal activity during the delay period of working memory tasks but did not strengthen phasic responses to the optimal visual stimulus of each neuron. Unexpectedly, improvement of behavioral performance was not the result of increased neural selectivity. Tuning of neuronal responses broadened, which rendered an attractor network more stable and filtered distracting visual stimuli more effectively. Thus, the effects of acetylcholine on prefrontal neural activity and selectivity in working memory contrast those of dopamine and stabilize neural ensembles based on neuromodulatory tone.

Abstract A hallmark neuronal correlate of working memory (WM) is stimulus-selective spiking activity of neurons in prefrontal cortex (PFC) during mnemonic delays. These observations have motivated an influential computational modeling framework in which WM is supported by persistent activity. Recently this framework has been challenged by arguments that observed persistent activity may be an artifact of trial-averaging, which potentially masks high variability of delay activity at the single-trial level. In an alternative scenario, WM delay activity could be encoded in bursts of selective neuronal firing which occur intermittently across trials. However, this alternative proposal has not been tested on single-neuron spike-train data. Here, we developed a framework for addressing this issue by characterizing the trial-to-trial variability of neuronal spiking quantified by Fano factor (FF). By building a doubly stochastic Poisson spiking model, we first demonstrated that the burst-coding proposal implies a significant increase in FF positively correlated with firing rate, and thus loss of stability across trials during the delay. Simulation of spiking cortical circuit WM models further confirmed that FF is a sensitive measure that can well dissociate distinct WM mechanisms. We then tested these predictions on datasets of single-neuron recordings from macaque prefrontal cortex during three WM tasks. In sharp contrast to the burst-coding model predictions, we only found a small fraction of neurons showing increased WM-dependent burstiness, and stability across trials during delay was strengthened in empirical data. Therefore, reduced trial-to-trial variability during delay provides strong constraints on the contribution of single-neuron intermittent bursting to WM maintenance. Significance Statement There are diverging classes of theoretical models explaining how information is maintained in working memory by cortical circuits. In an influential model class, neurons fire exhibit persistent elevated memorandum-selective firing, whereas a recently developed class of burst-coding models suggests that persistent activity is an artifact of trial-averaging, and spiking is sparse in each single trial, subserved by brief intermittent bursts. However, this alternative picture has not been characterized or tested on empirical spike-train data. Here we combine mathematical analysis, computational model simulation and experimental data analysis to test empirically theses two classes of models and show that the trial-to-trial variability of empirical spike trains is not consistent with burst coding. These findings provide constraints for theoretical models of working memory.

Abstract Working memory ability continues to mature into adulthood in both humans and non-human primates. At the single neuron level, adolescent development is characterized by increased prefrontal firing rate in the delay period, but less is known about how coordinated activity between neurons is altered. Local field potentials (LFP) provide a window into the computation carried out by the local network. To address the effects of adolescent development on LFP activity, three male rhesus monkeys were trained to perform an oculomotor delayed response task and tested at both the adolescent and adult stage. Simultaneous single-unit and LFP signals were recorded from areas 8a and 46 of the dorsolateral prefrontal cortex (dlPFC). In both the cue and delay period, power relative to baseline increased in the gamma frequency range (32 - 128 Hz). In the adult stage, high-firing neurons were also more likely to reside at sites with strong gamma power increase from baseline. For both stages, the gamma power increase in the delay was selective for sites with neuron encoding stimulus information in their spiking. Gamma power and neuronal firing did not show stronger temporal correlations. Our results establish gamma power decrease to be a feature of prefrontal cortical maturation. Significance Statement Gamma-frequency oscillations in extracellular field recordings (such as LFP or EEG) are a marker of normal interactions between excitatory and inhibitory neurons in neural circuits. Abnormally low gamma power during working memory is seen in conditions such as schizophrenia. We sought to examine whether the immature prefrontal cortex similarly exhibits lower power in the gamma frequency range during working memory, in a non-human primate model of adolescence. Contrary to this expectation, the adolescent PFC exhibited stronger gamma power during the maintenance of working memory. Our findings reveal an unknown developmental maturation trajectory of gamma band oscillations and raise the possibility that schizophrenia represent an excessive state of prefrontal maturation.

SUMMARY Prefrontal cortical activity represents stimuli in working memory tasks in a low-dimensional manifold that transforms over the course of a trial. Such transformations reflect specific cognitive operations, so that, for example, the rotation of stimulus representations is thought to reduce interference by distractor stimuli. Here we show that rotations occur in the low-dimensional activity space of prefrontal neurons in naïve monkeys, while passively viewing familiar stimuli. Moreover, some aspects of these rotations remain remarkably unchanged after training to perform working memory tasks. Significant training effects are still present in population dynamics, which further distinguish correct and error trials during task execution. Our results reveal automatic functions of prefrontal neural circuits, allow transformations that may aid cognitive flexibility.

ABSTRACT The dorsolateral prefrontal cortex plays a critical role in spatial working memory and its activity predicts behavioral responses in delayed response tasks. Here we addressed whether this predictive ability extends to categorical judgments based on information retained in working memory, and is present in other brain areas. We trained monkeys in a novel, Match-Stay, Nonmatch-Go task, which required them to observe two stimuli presented in sequence with an intervening delay period between them. If the two stimuli were different, the monkeys had to saccade to the location of the second stimulus; if they were the same, they held fixation. Neurophysiological recordings were performed in areas 8a and 46 of the dlPFC and 7a and lateral intraparietal cortex (LIP) of the PPC. We hypothesized that random drifts causing the peak activity of the network to move away from the first stimulus location and towards the location of the second stimulus would result in categorical errors. Indeed, for both areas, when the first stimulus appeared in a neuron’s preferred location, the neuron showed significantly higher firing rates in correct than in error trials. When the first stimulus appeared at a nonpreferred location and the second stimulus at a preferred, activity in error trials was higher than in correct. The results indicate that the activity of both dlPFC and PPC neurons is predictive of categorical judgments of information maintained in working memory, and the magnitude of neuronal firing rate deviations is revealing of the contents of working memory as it determines performance. SIGNIFICANCE STATEMENT The neural basis of working memory and the areas mediating this function is a topic of controversy. Persistent activity in the prefrontal cortex has traditionally been thought to be the neural correlate of working memory, however recent studies have proposed alternative mechanisms and brain areas. Here we show that persistent activity in both the dorsolateral prefrontal cortex and posterior parietal cortex predicts behavior in a working memory task that requires a categorical judgement. Our results offer support to the idea that a network of neurons in both areas act as an attractor network that maintains information in working memory, which informs behavior.

Prefrontal cortical activity represents stimuli in working memory tasks in a low-dimensional manifold that transforms over the course of a trial. Such transformations reflect specific cognitive operations, so that, for example, the rotation of stimulus representations is thought to reduce interference by distractor stimuli. Here we show that rotations occur in the low-dimensional activity space of prefrontal neurons in naïve male monkeys (Macaca mulatta), while passively viewing familiar stimuli. Moreover, some aspects of these rotations remain remarkably unchanged after training to perform working memory tasks. Significant training effects are still present in population dynamics, which further distinguish correct and error trials during task execution. Our results reveal automatic functions of prefrontal neural circuits allow transformations that may aid cognitive flexibility. How the acquisition of a cognitive task may alter stimulus representation geometry is not fully understood. Here, the authors show that transformations are present even prior to task training, performed automatically by prefrontal circuits.