Spike-timing patterns - crucial for synaptic plasticity and neural computation - are often modeled as Poisson-like random processes, log-normal distribution or gamma-distribution patterns, each with different underlying assumptions that may or may not be biologically true. However, it is not entirely clear whether (and how well) these different models would or would not capture spike-timing statistical patterns across different neurons, regions, animal species and cognitive states. Here, we examine statistical patterns of spike-timing irregularity in 13 different cortical and subcortical regions from mouse, hamster, cat and monkey brains. In contrast to the widely-assumed Poisson or log-normal distribution patterns, we show that spike-timing patterns of various projection neurons - including cortical excitatory principal cells, hippocampal pyramidal cells, inhibitory striatal medium spiny neurons and dopaminergic neurons, as well as fast-spiking interneurons - all invariantly conform to the gamma-distribution model. While higher regularity in spike-timing patterns are observed in a few cases, such as mouse DA neurons and monkey motor cortical neurons, there is no clear tendency in increased firing regularity from the sensory and subcortical neurons to prefrontal or motor cortices, as previously entertained. Moreover, gamma shapes of spike-timing patterns remain robust over various natural cognitive states, such as sleep, awake periods, or during fearful episodic experiences. Interestingly, ketamine-induced general anesthesia or unconsciousness is associated with the breakdown of forebrain spike patterns from a singular gamma distribution into two distinct subtypes of gamma distributions, suggesting the importance of this spike-timing pattern in supporting natural cognitive states. These results suggest that gamma-distribution patterns of spike timing reflect not only a fundamental property conserved across different neurons, regions and animal species, but also an operation crucial for supporting natural cognitive states. Such gamma-distribution-based spike-timing patterns can also have important implications for real-time neural coding and realistic neuromorphic computing.

The brain generates cognition and behavior through firing changes of its neurons, yet, with enormous firing variability, the organizing principle underlying real-time neural code remains unclear. Here, we test the Neural Self-Information Theory that neural code is constructed via the self-information principle under which each inter-spike-interval (ISI) is inherently self-tagged with discrete information based on its relation to ISI variability-probability distribution - higher-probability ISIs, which reflect the balanced excitation-inhibition ground state, convey minimal information, whereas lower-probability ISIs, which signify statistical surprisals, carry more information. Moreover, temporally coordinated ISI surprisals across neural cliques intrinsically give rise to real-time cell-assembly neural code. As a result, this self-information-based neural coding is uniquely intrinsic to the neurons themselves, with no need for outside observers to set any reference point to manually mark external or internal inputs. Applying this neural self-information concept, we devised an unbiased general decoding strategy and successfully uncovered 15 distinct cell-assembly patterns from multiple cortical and hippocampal circuits associated with different sleep cycles, earthquake, elevator-drop, foot-shock experiences, navigation or various actions in five-choice visual-discrimination operant-conditioning tasks. Detailed analyses of all 15 cell assemblies revealed that ~20% of the skewed ISI distribution tails were responsible for the emergence of robust cell-assembly codes, conforming to the Pareto Principle. These findings support the notion that neural coding is organized via the self-information principle to generate real-time information across brain regions, cognitive modalities, and behaviors.

Abstract Selective attention modulates sensory cortical activity. It remains unclear how auditory cortical activity represents stimuli that differ behaviorally. We designed a cross-modality task in which mice made decisions to obtain rewards based on attended visual or auditory stimuli. We recorded auditory cortical activity in behaving mice attending to, ignoring, or passively hearing auditory stimuli. Engaging in the task bidirectionally modulates neuronal responses to the auditory stimuli in both the attended and ignored conditions compared to passive hearing. Neuronal ensemble activity in response to stimuli under attended, ignored and passive conditions are readily distinguishable. Furthermore, ensemble activity under attended and ignored conditions are in closer states compared to passive condition, and they share a component of attentional modulation which drives them to the same direction in the population activity space. Our findings suggest that task engagement changes sensory cortical representations across modalities in the same directions, and cross-modality attention may differentially modulates attended and ignored modalities.