Abstract Maintaining the balance between excitation and inhibition is essential for the appropriate control of neuronal network activity. Sustained excitation-inhibition (E-I) balance relies on the orchestrated adjustment of synaptic strength, neuronal activity and network circuitry. While growing evidence indicates that extracellular matrix (ECM) of the brain is a crucial regulator of neuronal excitability and synaptic plasticity, it remains unclear whether and how ECM contributes to neuronal circuit stability. Here we demonstrate that the integrity of ECM supports the maintenance of E-I balance by retaining inhibitory connectivity. Depletion of ECM in mature neuronal networks preferentially decreases the density of inhibitory synapses and the size of individual inhibitory postsynaptic scaffolds. After ECM depletion, inhibitory synapse strength homeostatically increases via the reduction of presynaptic GABA B receptors. However, the inhibitory connectivity reduces to an extent that inhibitory synapse scaling is no longer efficient in controlling neuronal network activity. Our results indicate that the brain ECM preserves the balanced network state by stabilizing inhibitory synapses. Significance statement The question how the brain’s extracellular matrix (ECM) controls neuronal plasticity and network activity is key for an appropriate understanding of brain functioning. In this study, we demonstrate that ECM depletion much more strongly affects the integrity of inhibitory than excitatory synapses in vitro and in vivo. We revealed that by retaining inhibitory connectivity, ECM ensures the efficiency of inhibitory control over neuronal network activity. Our work significantly expands our current state of knowledge about the mechanisms of neuronal network activity regulation. Our findings are similarly relevant for researchers working on the physiological regulation of neuronal plasticity in vitro and in vivo and for researchers studying the remodeling of neuronal networks upon brain injury, where prominent ECM alterations occur.

Glial scar formation represents a fundamental response to central nervous system (CNS) injuries. It is mainly characterized by a well-defined spatial rearrangement of reactive astrocytes and microglia. The mechanisms underlying glial scar formation have been extensively studied, yet quantitative descriptors of the spatial arrangement of reactive glial cells remain limited. Here, we present a novel approach using point pattern analysis (PPA) and topological data analysis (TDA) to quantify spatial patterns of reactive glial cells after experimental ischemic stroke in mice. We provide open and reproducible tools using R and Julia to quantify spatial intensity, cell covariance and conditional distribution, cell-to-cell interactions, and short/long-scale arrangement, which collectively disentangle the arrangement patterns of the glial scar. This approach unravels a substantial divergence in the distribution of GFAP+ and IBA1+ cells after injury that conventional analysis methods cannot fully characterize. PPA and TDA are valuable tools for studying the complex spatial arrangement of reactive glia and other nervous cells following CNS injuries and have potential applications for evaluating glial-targeted restorative therapies.

Glial scar formation represents a fundamental response to central nervous system (CNS) injury. It is mainly characterized by a well-defined spatial rearrangement of reactive astrocytes and microglia. The mechanisms underlying glial scar formation have been extensively studied, yet quantitative descriptors of the spatial arrangement of reactive glial cells remain limited. Here, we present a novel approach using point pattern analysis (PPA) and topological data analysis (TDA) to quantify spatial patterns of reactive glial cells after experimental ischemic stroke in mice. We provide open and reproducible tools using R and Julia to quantify spatial intensity, cell covariance and conditional distribution, cell-to-cell interactions, and short/long-scale arrangement, which collectively disentangle the arrangement patterns of the glial scar. This approach unravels a substantial divergence in the distribution of reactive astrocytes and microglia after injury that conventional analysis methods cannot fully characterize. PPA and TDA are valuable tools for studying the complex spatial arrangement of reactive glia and other nervous cells following CNS injuries and have potential applications for evaluating glial-targeted restorative therapies.