Abstract The rapid progress of calcium imaging has reached a point where the activity of tens of thousands of cells can be recorded simultaneously. However, the huge amount of data in such records makes it difficult to carry out cell detection manually. Consequently, because the cell detection is the first step of multicellular data analysis, there is a pressing need for automatic cell detection methods for large-scale image data. Automatic cell detection algorithms have been pioneered by a handful of research groups. Such algorithms, however, assume a conventional field of view (FOV) (i.e. 512 × 512 pixels) and need a significantly higher computational power for a wider FOV to work within a practical period of time. To overcome this issue, we propose a method called low computational-cost cell detection (LCCD), which can complete its processing even on the latest ultra-large FOV data within a practical period of time. We compared it with two previously proposed methods, constrained non-negative matrix factorization (CNMF) and Suite2P. We found that LCCD makes it possible to detect cells from a huge-amount of high-density imaging data within a shorter period of time and with an accuracy comparable to or better than those of CNMF and Suite2P.

Abstract Fast and wide imaging with single-cell resolution, high signal-to-noise ratio and no optical aberration has the potential to open up new avenues of investigation in biology. However, this imaging is challenging because of the inevitable tradeoffs among those parameters. Here, we overcome the tradeoffs by combining a resonant scanning system, a large objective with low magnification and high numerical aperture, and highly sensitive large-aperture photodetectors. The result is a practically aberration-free, fast scanning high optical invariant two-photon microscopy (FASHIO-2PM) that enables calcium imaging from a large network composed of ∼16k neurons at 7.5 Hz in a 9 mm 2 contiguous image plane including more than 10 sensory-motor and higher-order regions of the cerebral cortex in awake mice. Through a network analysis based on single-cell activities, we discover that the brain exhibits small-world-ness rather than scale-freeness. FASHIO-2PM will enable revealing biological dynamics by simultaneous monitoring of macroscopic activity and its composing elements.

Abstract Emotional arousal is thought to enhance the consolidation of associated memories by activating the basolateral amygdala (BLA) and its projections to memory-storing regions 1–4 . Although the importance of both rapid eye movement (REM) and non-REM (NREM) sleep-state specific BLA activity for emotional memory processing has been proposed 5–9 , how and when the BLA interacts with other brain regions to enhance memory consolidation remains unclear 10 . Here, by adding emotional information to a perceptual recognition task that relies on top-down inputs from frontal to sensory cortices, we demonstrated that the BLA not only associates emotional information with perceptual information, but also enhances the retention of associated perceptual memory through BLA-frontal projections. Electrophysiological recordings revealed that emotional association increases the reactivation of coordinated activity across the BLA-frontal-sensory region during NREM sleep, but not during REM sleep. Notably, this inter-regional coordinated reactivation during NREM sleep was entrained to the BLA high-frequency oscillations in the emotional condition, suggesting that the BLA triggers inter-regional interaction. Optogenetic silencing of BLA terminals in the frontal cortex during NREM sleep, but not REM sleep, disrupted the enhanced retention of the perceptual memory, but not the association itself or the emotional component of associative memory. Our results indicate that the inter-regional coordination through the BLA-cortical inputs during NREM sleep is causally required for memory enhancement by emotional arousal.

Neural circuits are reorganized with specificity during learning. Genetically-defined subgroups of inhibitory interneurons are thought to play distinct roles in learning, but heterogeneity within these subgroups has limited our understanding of the scope and nature of their specific contributions to learning. Here we reveal that the chandelier cell (ChC), an interneuron type that specializes in inhibiting the axon-initial segment (AIS) of pyramidal neurons, establishes cortical microcircuits for organizing neural coding through selective axo-axonic synaptic plasticity. We find that organized motor control is mediated by enhanced population coding of direction-tuned premotor neurons, whose tuning is refined through suppression of irrelevant neuronal activity. ChCs are required for learning-dependent refinements via providing selective inhibitory control over pyramidal neurons rather than global suppression. Quantitative analysis on structural plasticity of axo-axonic synapses revealed that ChCs redistributed inhibitory weights to individual pyramidal neurons during learning. These results demonstrate an adaptive logic of the inhibitory circuit motif responsible for organizing distributed neural representations. Thus, ChCs permit efficient cortical computation in a target cell specific manner, which highlights the significance of interneuron diversity.