The stereotyped features of neuronal circuits are those most likely to explain the remarkable capacity of the brain to process information and govern behaviors, yet it has not been possible to comprehensively quantify neuronal distributions across animals or genders due to the size and complexity of the mammalian brain. Here we apply our quantitative brain-wide (qBrain) mapping platform to document the stereotyped distributions of mainly inhibitory cell types. We discover an unexpected cortical organizing principle: sensory-motor areas are dominated by output-modulating parvalbumin-positive interneurons, whereas association, including frontal, areas are dominated by input-modulating somatostatin-positive interneurons. Furthermore, we identify local cell type distributions with more cells in the female brain in 10 out of 11 sexually dimorphic subcortical areas, in contrast to the overall larger brains in males. The qBrain resource can be further mined to link stereotyped aspects of neuronal distributions to known and unknown functions of diverse brain regions.

Pyramidal cells and interneurons expressing parvalbumin, somatostatin, or vasoactive intestinal peptide show cell type-specific connectivity patterns leading to a canonical microcircuit across cortex. Dissecting the dynamics of this microcircuit is essential to our understanding of the mammalian cortex. However, experiments recording from this circuit often report counterintuitive and seemingly contradictory findings. For example, the response of a V1 neural population to top-down behavioral modulation can reverse from positive to negative when the bottom-up thalamic input changes. We developed a theoretical framework to explain such response reversal, and we showed how this complex dynamics can emerge in circuits that possess two key features: the presence of multiple interneuron populations and a non-linear dependence between the input and output of the populations. Furthermore, we built a cortical circuit model and the comparison of our simulations with real data shows that our model reproduces the complex dynamics observed experimentally in mouse V1. Our explicit calculations allowed us to pinpoint the connections critical to response reversal, and to predict the existence of more types of complex dynamics that could be experimentally tested and the conditions to observe them.