Single-neuron recordings from behaving primates have established a link between working memory processes and information-specific neuronal persistent activity in the prefrontal cortex. Using a network model endowed with a columnar architecture and based on the physiological properties of cortical neurons and synapses, we have examined the synaptic mechanisms of selective persistent activity underlying spatial working memory in the prefrontal cortex. Our model reproduces the phenomenology of the oculomotor delayed-response experiment of Funahashi et al. (S. Funahashi, C.J. Bruce and P.S. Goldman-Rakic, Mnemonic coding of visual space in the monkey's dorsolateral prefrontal cortex. J Neurophysiol 61:331–349, 1989). To observe stable spontaneous and persistent activity, we find that recurrent synaptic excitation should be primarily mediated by NMDA receptors, and that overall recurrent synaptic interactions should be dominated by inhibition. Isodirectional tuning of adjacent pyramidal cells and interneurons can be accounted for by a structured pyramid-to-interneuron connectivity. Robust memory storage against random drift of the tuned persistent activity and against distractors (intervening stimuli during the delay period) may be enhanced by neuromodulation of recurrent synapses. Experimentally testable predictions concerning the neural basis of working memory are discussed.

Slow oscillatory activity (<1 Hz) is observed in vivo in the cortex during slow-wave sleep or under anesthesia and in vitro when the bath solution is chosen to more closely mimic cerebrospinal fluid. Here we present a biophysical network model for the slow oscillations observed in vitro that reproduces the single neuron behaviors and collective network firing patterns in control as well as under pharmacological manipulations. The membrane potential of a neuron oscillates slowly (at <1 Hz) between a down state and an up state; the up state is maintained by strong recurrent excitation balanced by inhibition, and the transition to the down state is due to a slow adaptation current (Na + -dependent K + current). Consistent with in vivo data, the input resistance of a model neuron, on average, is the largest at the end of the down state and the smallest during the initial phase of the up state. An activity wave is initiated by spontaneous spike discharges in a minority of neurons, and propagates across the network at a speed of 3–8 mm/s in control and 20–50 mm/s with inhibition block. Our work suggests that long-range excitatory patchy connections contribute significantly to this wave propagation. Finally, we show with this model that various known physiological effects of neuromodulation can switch the network to tonic firing, thus simulating a transition to the waking state.

This paper addresses the electrochemical impedance of diffusion in a spatially restricted layer. A physically grounded framework is provided for the behavior Z(iω)∝(iω)−β/2 (0<β<2), thus generalising the Warburg impedance (β=1). The analysis starts from the notion of anomalous diffusion, which is characterized by a mean squared displacement of the diffusing particles that has a power law dependence on time r2∝tβ. Using a theoretical approach to anomalous diffusion that employs fractional calculus, several models are presented. In the first model, the continuity equation is generalised to a situation in which the number of diffusing particles is not conserved. In the second model the constitutive equation is derived from the stochastic scheme of a continuous time random walk. And in the third, the generalised constitutive equation can be interpreted within a non-local transport theory as establishing a relationship of the flux to the previous history of the concentration through a power-law behaving memory kernel. This third model is also related to diffusion in a fractal geometry. The electrochemical impedance is studied for each of these models, and the representation in terms of transmission lines is established. The main finding is that, while models with quite different non-trivial diffusion mechanisms behave similarly in a semi-infinite situation, the consideration of the effect of the boundaries gives rise to neatly different impedance spectra.

The Cattaneo equation, which describes a diffusion process with a finite velocity of propagation, is generalized to describe anomalous transport. Three possible generalizations are proposed, each one supported by a different scheme: continuous time random walks, non-local transport theory, and delayed flux-force relation. The properties of these generalizations are studied in both the long-time and the short-time regimes. In the long-time limit, we recover the mean-square displacement which is characteristic for these anomalous processes. As expected, the short-time behaviour is modified in comparison to generalized diffusion equations.

Working memory capacity, the maximum number of items that we can transiently store in working memory, is a good predictor of our general cognitive abilities. Neural activity in both dorsolateral prefrontal cortex and posterior parietal cortex has been associated with memory retention during visuospatial working memory tasks. The parietal cortex is thought to store the memories. However, the role of the dorsolateral prefrontal cortex, a top-down control area, during pure information retention is debated, and the mechanisms regulating capacity are unknown. Here, we propose that a major role of the dorsolateral prefrontal cortex in working memory is to boost parietal memory capacity. Furthermore, we formulate the boosting mechanism computationally in a biophysical cortical microcircuit model and derive a simple, explicit mathematical formula relating memory capacity to prefrontal and parietal model parameters. For physiologically realistic parameter values, lateral inhibition in the parietal cortex limits mnemonic capacity to a maximum of 2–7 items. However, at high loads inhibition can be counteracted by excitatory prefrontal input, thus boosting parietal capacity. Predictions from the model were confirmed in an fMRI study. Our results show that although memories are stored in the parietal cortex, interindividual differences in memory capacity are partly determined by the strength of prefrontal top-down control. The model provides a mechanistic framework for understanding top-down control of working memory and specifies two different contributions of prefrontal and parietal cortex to working memory capacity.

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 In the idling brain, neuronal circuits often exhibit transitions between periods of sustained firing (UP state) and quiescence (DOWN state). Although these dynamics occur across multiple areas and behavioral conditions, the underlying mechanisms remain unclear. Here we analyze spontaneous population activity from the somatosensory cortex of urethane-anesthetized rats. We find that UP and DOWN periods are variable (i.e. non-rhythmic) and that the population rate shows no significant decay during UP periods. We build a network model of excitatory (E) and inhibitory (I) neurons that exhibits a new bistability between a quiescent state and a balanced state of arbitrarily low rate. Fluctuating inputs trigger state transitions. Adaptation in E cells paradoxically causes a marginal decay of E-rate but a marked decay of I-rate, a signature of balanced bistability that we validate experimentally. Our findings provide evidence of a bistable balanced network that exhibits non-rhythmic state transitions when the brain rests.

The ability to successfully retain and manipulate information in working memory (WM) requires that objects' individual features are bound into cohesive representations; yet, the mechanisms supporting feature binding remain unclear. Binding (or swap) errors, where memorized features are erroneously associated with the wrong object, can provide a window into the intrinsic limits in capacity of WM that represent a key bottleneck in our cognitive ability. We tested the hypothesis that binding in WM is accomplished via neural phase synchrony and that swap errors result from perturbations in this synchrony. Using magnetoencephalography data collected from human subjects in a task designed to induce swap errors, we showed that swaps are characterized by reduced phase-locked oscillatory activity during memory retention, as predicted by an attractor model of spiking neural networks. Further, we found that this reduction arises from increased phase-coding variability in the alpha-band over a distributed network of sensorimotor areas. Our findings demonstrate that feature binding in WM is accomplished through phase-coding dynamics that emerge from the competition between different memories.

We report markedly reduced working memory-related serial dependence with preserved memory accuracy in anti-NMDAR encephalitis and schizophrenia. We argue that NMDAR-related changes in cortical excitation, while quickly destabilizing persistent neural activity, cannot fully account for a reduction of memory-dependent biases. Rather, our modeling results support a disruption of a memory mechanism operating on a longer timescale, such as short-term potentiation.