Working memory is the ability to briefly remember and manipulate information after it becomes unavailable to the senses. The mechanisms supporting working memory coding in the primate brain remain controversial. Here we demonstrate that microcircuits in layers 2/3 of the primate lateral prefrontal cortex dynamically represent memory content in a naturalistic task through sequential activation of single neurons. We simultaneously recorded the activity of hundreds of neurons in the lateral prefrontal cortex of macaque monkeys during a naturalistic visuospatial working memory task set in a virtual environment. We found that the sequential activation of single neurons encoded trajectories to target locations held in working memory. Neural sequences were not a mere successive activation of cells with memory fields at specific spatial locations, but an abstract representation of the subject’s trajectory to the target. Neural sequences were less correlated to target trajectories during perception and were not found during working memory tasks lacking the spatiotemporal structure of the naturalistic task. Finally, ketamine administration distorted neural sequences, selectively decreasing working memory performance. Our results indicate that neurons in the lateral prefrontal cortex causally encode working memory in naturalistic conditions via complex and temporally precise activation patterns.

Abstract Neurons in the primate lateral prefrontal cortex (LPFC) flexibly adapt their activity to support a wide range of cognitive tasks. Whether and how the topography of LPFC neural activity changes as a function of task is unclear. In the present study, we address this issue by characterizing the functional topography of LPFC neural activity in awake behaving macaques performing three distinct cognitive tasks. We recorded from chronically implanted multi-electrode arrays and show that the topography of LPFC activity is stable within a task, but adaptive across tasks. The topography of neural activity exhibits a spatial scale compatible with that of cortical columns and prior anatomical tracing work on afferent LPFC inputs. Our findings show that LPFC maps of neural population activity are stable for a specific task, providing robust neural codes that support task specialization. Moreover, the variability in functional topographies across tasks indicates activity landscapes can adapt, providing flexibility to LPFC neural codes.

Sleep is generally considered to be a state of large-scale synchrony across thalamus and neocortex; however, recent work has challenged this idea by reporting isolated sleep rhythms such as slow-oscillations and spindles. What is the spatial scale of sleep rhythms? To answer this question, we adapted deep learning algorithms initially developed for detecting earthquakes and gravitational waves in high-noise settings for analysis of neural recordings in sleep. We then studied sleep spindles in non-human primate ECoG, human EEG, and clinical intracranial recordings (iEEG) in the human. We find a widespread extent of spindles, which has direct implications for the spatiotemporal dynamics we have previously studied in spindle oscillations (Muller et al., 2016) and the distribution of memory engrams in the primate.

Working memory (WM) is the ability to maintain and manipulate information 'in mind'. The neural codes underlying WM have been a matter of debate. We simultaneously recorded the activity of hundreds of neurons in the lateral prefrontal cortex of male macaque monkeys during a visuospatial WM task that required navigation in a virtual 3D environment. Here, we demonstrate distinct neuronal activation sequences (NASs) that encode remembered target locations in the virtual environment. This NAS code outperformed the persistent firing code for remembered locations during the virtual reality task, but not during a classical WM task using stationary stimuli and constraining eye movements. Finally, blocking NMDA receptors using low doses of ketamine deteriorated the NAS code and behavioral performance selectively during the WM task. These results reveal the versatility and adaptability of neural codes supporting working memory function in the primate lateral prefrontal cortex.