Summary Many factors modulate the state of cortical activity, but the importance of cortical states for sensory perception remains debated. We trained mice to detect spatially localized visual stimuli, and simultaneously measured local field potentials and excitatory and inhibitory neuron populations across layers of primary visual cortex (V1). Cortical states with low firing rates and correlations between excitatory neurons, and reduced oscillatory activity in Layer 4, accurately predicted single trials of visual spatial detection behavior. Our results show that cortical states exert strong effects at the initial stage of cortical processing in V1, and play a decisive role for visual spatial behavior in mice.

Setting up an experiment in behavioral neuroscience is a complex process that is often managed with ad hoc solutions. To streamline this process we developed Rigbox, a high-performance, open-source software toolbox that facilitates a modular approach to designing experiments ([github.com/cortex-lab/Rigbox][1]). Rigbox simplifies hardware I/O, synchronizes data streams from multiple sources, communicates with remote databases, and implements visual and auditory stimuli presentation. Its main submodule, Signals, allows intuitive programming of behavioral tasks. Here we illustrate its function with two interactive examples: a human psychophysics experiment, and the game of Pong. We give an overview of the other packages in Rigbox, provide benchmarks, and conclude with a discussion on the extensibility of the software and comparisons with similar toolboxes. Rigbox runs in MATLAB, with Java components to handle network communication, and a C library to boost performance. [1]: http://github.com/cortex-lab/Rigbox

Research in neuroscience relies increasingly on the mouse, a mammalian species that affords unparalleled genetic tractability and brain atlases. Here we introduce high-yield methods for probing mouse visual decisions. Mice are head-fixed, which facilitates repeatable visual stimulation, eye tracking, and brain access. They turn a steering wheel to make two-alternative choices, forced or unforced. Learning is rapid thanks to intuitive coupling of stimuli to wheel position. The mouse decisions deliver high-quality psychometric curves for detection and discrimination, and conform to the predictions of a simple probabilistic observer model. The task is readily paired with two-photon imaging of cortical activity. Optogenetic inactivation reveals that the task requires the visual cortex. Mice are motivated to perform the task by fluid reward or optogenetic stimulation of dopaminergic neurons. This stimulation elicits larger number of trials and faster learning. These methods provide a platform to accurately probe mouse vision and its neural basis.