To unravel the functional properties of the brain, we need to untangle how neurons interact with each other and coordinate in large-scale recurrent networks. One way to address this question is to measure the functional influence of individual neurons on each other by perturbing them in vivo. Application of such single-neuron perturbations in mouse visual cortex has recently revealed feature-specific suppression between excitatory neurons, despite the presence of highly specific excitatory connectivity, which was deemed to underlie feature-specific amplification. Here, we studied which connectivity profiles are consistent with these seemingly contradictory observations, by modeling the effect of single-neuron perturbations in large-scale neuronal networks. Our numerical simulations and mathematical analysis revealed that, contrary to the prima facie assumption, neither inhibition dominance nor broad inhibition alone were sufficient to explain the experimental findings; instead, strong and functionally specific excitatory–inhibitory connectivity was necessary, consistent with recent findings in the primary visual cortex of rodents. Such networks had a higher capacity to encode and decode natural images, and this was accompanied by the emergence of response gain nonlinearities at the population level. Our study provides a general computational framework to investigate how single-neuron perturbations are linked to cortical connectivity and sensory coding and paves the road to map the perturbome of neuronal networks in future studies.

为了解开大脑的功能特性，我们需要解开神经元如何相互作用以及如何在大规模循环网络中协调。解决这个问题的一种方法是通过在体内扰动单个神经元来测量它们对彼此的功能影响。这种单神经元扰动在小鼠视觉皮层中的应用最近揭示了兴奋性神经元之间的特征特异性抑制，尽管存在高度特异性的兴奋性连接，这被认为是特征特异性放大的基础。在这里，我们通过模拟大规模神经元网络中单神经元扰动的影响，研究了哪些连接配置文件与这些看似矛盾的观察结果一致。我们的数值模拟和数学分析表明，与初步假设相反，单独的抑制优势和广泛的抑制都不足以解释实验结果；相反，强大且功能特异性的兴奋 - 抑制连接是必要的，这与啮齿动物初级视觉皮层的最新发现一致。这样的网络具有更高的编码和解码自然图像的能力，这伴随着人口水平的响应增益非线性的出现。我们的研究提供了一个通用的计算框架来研究单神经元扰动如何与皮层连接和感觉编码相关联，并为在未来的研究中绘制神经元网络的扰动铺平道路。强大且功能特异性的兴奋 - 抑制连接是必要的，这与啮齿动物初级视觉皮层的最新发现一致。这样的网络具有更高的编码和解码自然图像的能力，这伴随着人口水平的响应增益非线性的出现。我们的研究提供了一个通用的计算框架来研究单神经元扰动如何与皮层连接和感觉编码相关联，并为在未来的研究中绘制神经元网络的扰动铺平道路。强大且功能特异性的兴奋 - 抑制连接是必要的，这与啮齿动物初级视觉皮层的最新发现一致。这样的网络具有更高的编码和解码自然图像的能力，这伴随着人口水平的响应增益非线性的出现。我们的研究提供了一个通用的计算框架来研究单神经元扰动如何与皮层连接和感觉编码相关联，并为在未来的研究中绘制神经元网络的扰动铺平道路。这伴随着人口水平响应增益非线性的出现。我们的研究提供了一个通用的计算框架来研究单神经元扰动如何与皮层连接和感觉编码相关联，并为在未来的研究中绘制神经元网络的扰动铺平道路。这伴随着人口水平响应增益非线性的出现。我们的研究提供了一个通用的计算框架来研究单神经元扰动如何与皮层连接和感觉编码相关联，并为在未来的研究中绘制神经元网络的扰动铺平道路。