Abstract Animals likely use a variety of strategies to solve laboratory tasks. Traditionally, combined analysis of behavioral and neural recording data across subjects employing different strategies may obscure important signals and give confusing results. Hence, it is essential to develop techniques that can infer strategy at the single-subject level. We analyzed an experiment in which two monkeys performed a visually cued rule-based task. The analysis of their performance shows no indication that they used a different strategy. However, when we examined the geometry of stimulus representations in the state space of the neural activities recorded in dorsolateral prefrontal cortex, we found striking differences between the two monkeys. Our purely neural results induced us to reanalyze the behavior. The new analysis showed that the differences in representational geometry correlate with differences in the reaction times, revealing behavioral differences we were unaware of. All these analyses indicate that the monkeys are using different strategies. Finally, using recurrent neural network models trained to perform the same task, we show that these strategies correlate with the amount of training, suggesting a possible explanation for the observed neural and behavioral differences.

Abstract Recent studies have shown that neuronal stability over time can be estimated by the structure of the spike-count autocorrelation of neuronal populations. This estimation, called the intrinsic timescale, has been computed for several cortical areas and can be used to propose a cortical hierarchy reflecting a scale of temporal receptive windows between areas. In this study, we performed an autocorrelation analysis on neuronal populations of three basal ganglia (BG) nuclei, including the striatum and the subthalamic nucleus (STN), the input structures of the BG, and the external globus pallidus (GPe). The analysis was performed during the baseline period of a motivational visuomotor task in which monkeys had to apply different amounts of force to receive a different amount of reward. We found that the striatum and the STN have longer intrinsic timescales than the GPe. Moreover, our results allow for the placement of these subcortical structures within the already-defined scale of cortical temporal receptive windows. Estimates of intrinsic timescales are important in adding further constraints in the development of computational models of the complex dynamics among these nuclei and throughout cortico-BG-thalamo-cortical loops.

The neural dynamics that underlie divergent anhedonic responses to stress remain unclear. Here, we identified neuronal dynamics in an amygdala-hippocampal circuit that distinguish stress resilience and susceptibility. In a reward-choice task, basolateral amygdala (BLA) activity in resilient mice showed enhanced discrimination of upcoming reward choices. In contrast, a rumination-like signature emerged in the BLA of susceptible mice; a linear decoder could classify the intention to switch or stay on a previously chosen reward. Spontaneous activity in the BLA of susceptible mice was higher dimensional than controls, reflecting the exploration of a larger number of distinct neural states. Manipulation of vCA1-BLA inputs rescued dysfunctional neural dynamics and anhedonia in susceptible mice, suggesting that targeting this pathway can enhance BLA circuit function and ameliorate of depression-related behaviors.