所有实验程序均由哈佛医学院机构动物护理和使用委员会批准
。使用以下鼠标线：GAD2-CR（JAX，010802） ，SUN1-GFP（JAX
，021039），C57BL/6J（JAX ，000664）
，SST-CRE（JAX，013044）32和AI14（JAX ，007914）33。将小鼠放置在反向12 h – 12 h的浅色光周期下 。根据先前的类似实验选择样本量
。试验类型是随机交织的。盲目无关紧要
，因为在动物或样品中进行了比较 。 　　PAAV2-SST44-MTAGBFP2（PAAV2-2XSV40PA-SST44-CMVMVMINP-NLS-FLAG-MTAGBFP2-NLS-WPRE-SV40PA），PAAV2-A2-A2-SST4444-MTAGBFP2(pAAV2-A2-2xSV40pA-Sst44-CMVminP-NLS-Flag-mTagBFP2-NLS-WPRE-SV40pA-A2) and pAAV2-A2-syn-jGCaMP7f (pAAV2-A2-syn-jGCaMP7f-WPRE-SV40pA-A2) were cloned in-house and verified by Sanger sequencing使用Genewiz
。在最后两个构建体中添加了A2 Insulator34 ，以测试其对细胞类型特异性的影响
，但是在两种情况下，我们都观察到了相似的特异性。Genscript制作了PAAV2-SYN-DIO-CHRMINE-MSCARLET（PAAV2/9-HSYN-DIO-CHRMINE-CARMINE-MSCARLET-KV2.1-WPRE-HGHPA） 。PAAV2-SST44-STGTACR2-MNEONGREEN（PAAV2-2XSV40PA-SST44-CMVMINP-GTACR2-MNEONGREEN-ST-WPRE-SV40PA）被克隆 ，用AAV9包装，并由Vigene倾斜
。从Addgene（104488）获得AAV9包装的Syn-JGCAMP7F。其他定制结构是用AAV9包装的
，并由QPCR to the Boston儿童医院病毒核心 。将所有病毒均在PBS中稀释至每个实验中指示的最终滴定
。 　　对于单细胞ATAC分析的细胞核分离35，我们使用了两个GAD2-CRE +/-; SUN1-GFP +/-雌性小鼠在核膜上分离表达SUN1 – GFP的抑制性神经元。该选择产生了抑制性神经元的高分辨率细胞类型信息 ，这些信息在没有富集程序的情况下在单核隔离方案中数值不足 。如先前所述6,36分离核
，对荧光激活细胞分选（FACS）进行了修改。在冰冷的胆碱溶液（2.1 g l-1 Nahco3，2.16 g l-1葡萄糖 ，0.172 g l-1 naH2pO4·H2O
，7.5 mmmgcl2·6H2O，2.5 mm kcl ，2.5 mm kcl
，15毫米Hepes中，在冰冷的胆碱溶液中解剖了后皮层（约3毫米乘3 mm）（2.1 g l-1 nahco3 ，2.1 g l-1 nahco3
，2.1 g l-1 nahco3，2.1 g l-1 nahco3 ，2.16 g l-1chloride, 2.3 g l−1 ascorbic acid, 0.34 g l−1 pyruvic acid), and transferred to a Dounce homogenizer containing homogenization buffer (0.25 M sucrose, 25 mM KCl, 5 mM MgCl2, 20 mM Tricine-KOH, pH 7.8, 1 mM DTT, 0.15 mM spermine, 0.5 mM spermidine and protease inhibitors).将组织用紧密的杵散发直到被很好地匀浆（10-15杆）
。添加了igepal（最终0.15％），然后增加5-10杆。匀浆通过40 µm的滤波器 。Tween-20（最终0.1％）和BSA（最终1％）被添加到滤液中
。将细胞核在4°C下以500克离心5分钟
，并重悬于0.5 ml洗涤缓冲液（10 mM Tris-HCl pH 7.4
、10 mM NaCl，3 mM MGCL2 ，1％BSA
，0.1％BSA，0.1％Tween-20）中。通过SUN1-GFP信号（Suny ，Sh800Z）对每个样品的核进行分类
，以涂有洗涤缓冲液的冷却的96孔板中的两个孔中的两个孔中的两个孔 。我们使用了96孔板，因为排序的体积很小
。排序后 ，将板以500克离心5分钟在4°C
，并将核重悬于20 µL的洗涤缓冲液中。 　　将每个样品的大约15,000个核与转座混合物（10倍基因组学）合并，并使用一个铬控制器（10x基因组）泳道进行细胞条形码 。在NextSeq 500 DNA Sequencer（Illumina）上对库进行了测序
。 　　将读数映射到小鼠基因组（MM10） ，并使用默认参数使用细胞游舱管道（10x基因组）处理细胞条形码。We used SnapATAC37 (v.1.0.0) to further process the data, including binning mapped reads across the genome into 5,000 bp bins, filtering barcodes on the basis of the number of unique fragments (1,000–100,000) and the fraction of reads in promoters (0.1–0.6), performing dimensionality reduction (30 dimensions) on the normalized Jaccard similarity matrix and constructing ak-nearest-neighbour图（k = 0.5×√（条形码的数量））（有关完整说明
，请参见Snapatac Pipeline） 。在发布的多重检测算法38,39之后，我们通过求和细胞的随机组合和删除单元的多重分数（定义为模拟多重分数的最接近的邻居的比例）（较高的多重分数表明较高的可能性表明单元格不是单人单曲） ，我们模拟了双重组，三重态和四倍体
。我们根据其分布中的低谷选择了一个多重分数得分阈值
，以及基于该阈值以上的细胞是否倾向于具有较高的片段计数。自从我们在第一轮观察到大量的多重小部分以来，我们总共重复了这一过程两次 ，这与FACS之后的核团块一致 。 　　根据标记基因的可及性去除不是抑制性神经元的细胞后
，我们的数据集包括10,375个抑制性神经元，每个细胞平均为12,594个片段。尽管很严格 ，但此过程大大清除了数据
，并揭示了所有五个抑制性神经元类别（SST，PVALB ，VIP
，LAMP5和SNCG；扩展数据图1A），并具有足够高的分辨率以区分这些类别的精确细胞类型
。我们重复降低维度（n = 24） ，并在此选择后重复了k-nearebt邻居图（k = 15）的构建。我们使用Leiden AlgorithM40（分辨率= 0.7）和具有UMAP41（Snapatac中默认参数）的可视化单元格类型簇聚集了细胞类型 。 　　我们双侧给四只C57BL/6J小鼠注射了八个注射半球
。在每个半球中
，在PPC的一个网格中，将四次注射（以1.7毫米的侧面为中心 ，在董事后2.0 mm），深度为0.20
，在硬脑膜下的深度为0.70 mm。每次注射约为PBS的AAV2/9-SST44-MTAGBFP2的AAV2/9-SST44-MTAGBFP2 。我们认为注射的每个单方面网格是一个重复
。 　　注射后约2周（13-16天），将小鼠灌注PBS和4％副甲基氢（PFA）。将大脑在4％PFA的4°C中固定过夜过夜 ，然后将50 µm的冠状切片（Leica
，VT1000S）切成50 µm 。将切片存储在抗冻剂溶液（40％1×PBS，30％乙二醇 ，30％甘油）中
，在-20°C长达2个月
。 　　为了结合MTAGBFP242和RNASCOPE（ACDBIO）成像，我们首先成像MTAGBFP2天然荧光 ，然后对同一切片进行RNASCOPE分析
，并在同一区域中成像RNA信号。该协议使我们能够将天然荧光和RNA标记结合在一起，因为RNA标记方案涉及蛋白质降解步骤 。 　　在PBS（PBS-T）中 ，将切片用0.3％Triton X-100洗涤3次
，以在施加DRAQ7（ABCAM，AB109202）之前将细胞膜通透 ，以在室温下PBS-T中的核染色1：500在PBS-T中持续7分钟
。将含有注入位点的切片在PBS中洗涤，然后将其安装到Superfrost Plus载玻片（Thermo Fisher Scientific
，12-550-15）上，并使用玻璃盖玻璃盖 ，使用延长的金抗固定式固定剂（Invitrogen
，p36934）。 　　使用Olympus FV1000共聚焦显微镜获取注射位点的图像，该显微镜具有0.4 Na×10空气物镜（哈佛医学院神经生物学成像设施） ，并涵盖了1,272 µm的面积为1,272 µm 。将载玻片在室温下在柠檬酸钠钠中储存在室温下过夜。 　　在5x盐水柠檬酸钠中轻轻滑动盖玻片后
，将载玻片在PBS中洗涤，然后彻底干燥
。根据rnascope荧光多路复用试剂盒V2（ACDBIO ，323110）对固定液体组织进行的固定组织进行的规程进行了组织预处理和原位杂交。烘烤后
，将切片固定在4％PFA中，在4°C下固定30分钟 。为了最大程度地减少组织翘曲 ，过氧化氢（ACDBIO
，322381）的孵育限制为5分钟，并将目标检索（ACDBIO ，322000）沸腾，然后煮沸
，然后冷却直到沸腾停止，然后煮沸之前 ，然后浸入幻灯片倒入15分钟
。最后
，将切片与蛋白酶IV（ACDBIO，322336）在40°C下孵育15分钟。 　　我们使用了ACDBIO生产的以下RNA探针：SST（404631-C3） ，HPSE（412251-C2）
，CHODL（450211-C2），CALB2（313641）和CRH（316091-C2） 。以以下浓度将荧光团氰基3扩增试剂（FP1170）和荧光素扩增试剂（FP1168）稀释在TSA缓冲液（ACDBIO ，322810）中
，以以下浓度：SST荧光素1：1,500；Cyanine 3 1：375用于HPSE，CHODL和CALB2；和Cyanine 3 1：190用于CRH
。我们还使用NR2F2探针和其他基因标记进行了NR2F2+ SST细胞簇进行实验 ，但无法提取可靠的信号
，因此在此处没有显示这些结果。 　　原位杂交后，将切片与DRAQ7 1:25在室温下在PBS-T中孵育10分钟 ，并在蒸馏水中短暂洗涤 。在用延长的金抗固定剂固定盖玻片之前，将多余的液体从幻灯片上取出
。通过使用DRAQ7核染料对齐两者
，拍摄与天然荧光图像相同的区域。 　　根据ACDBIO HIPLEX注册软件或手动选择控制点（25-70对）来计算MATLAB中的局部加权平均转换，根据使用ACDBIO HIPLEX注册软件或手动选择控制点（25-70对）对每个切片进行分析之前和之后对每个切片进行分析之前和之后进行的注册矩阵 。这些登记矩阵被应用于rnascope图像中的每个通道
。 　　我们训练了两个CellPose43模型 ，以分割NLS-MTAGBFP2标记的核和SST-RNA标记的细胞。如果这些细胞模型产生的掩模对于BFP掩模的面积小于75像素
，而SST掩码的面膜小于75像素，则将其排除在分析之外 。我们还排除了与RNASCOPE图像没有重叠的区域中的BFP面具。在rnascope前后 ，在蒙盖河中心和之后拍摄的图像中
，在掩模中心周围和之后拍摄的图像中，在DRAQ7核通道之间具有Pearson的空间相关性的BFP和SST掩模也被排除在分析之外
。 　　我们使用fiji44在每个图中生成图像。 　　为了定义SST阳性BFP标记的细胞 ，我们将BFP掩模映射到SST掩模 。如果BFP掩模至少与该SST蒙版重叠50％
，则将其分配为SST单元
。 　　我们使用SST掩码来定义每个SST亚型标记的强度，该标记计算为SST蒙版内部的平均强度。如果强度大于每个图像中的细胞平均值（用作估计值的估计值） ，则认为细胞是阳性的 。 　　如果BFP强度大于每个图像的三个最亮BFP掩模的平均强度的15％
，则认为细胞为BFP+
。为了确定BFP+的亚型细胞的百分比，仅当图像至少包含十个BFP+细胞时才使用。对于亚型阳性的BFP+细胞的百分比 ，只有在切片中至少包含10个BFP+细胞的情况下，才使用注射（可能包括多个图像） 。 　　每个图像在斐济imagej中手动绘制沿PIA的线
。细胞深度定义为从该线到BFP或SST面膜中心的垂直距离。 　　为了分析PPC中SST-CRE线的特异性
，我们使用rnascope计算了表达TDTOMATO的SST-CRE细胞与SST探针之间的重叠 。 　　在8-12周大的时候进行手术
。手术前1-6小时，将小鼠注射地塞米松（每公斤2毫克）。将钛头板固定在带有牙齿水泥（Metabond ，Parkell）的颅骨上
，以防止光污染，以（-1.7 ，-2 mm
，内侧 - 延伸（ML）和前轴（AP）（AP）轴（分别来自Bregma），在左侧 。对以（-1.7（ml） ，-2 mM（AP））为中心进行了直径3.5 mm的颅骨切开术。将病毒注射在九个位点
，在硬脑膜下0.25 mm处注入：四个以（-1.7（ml）为中心，靶向PPC的0.3-0.4 mm距离（-2 mm（ap）） ，两个以（-0.8（ml）
，-2 mm（ap）为目标的pPC，两个焦点为中心
。三个位于（-2.3（ml） ，-2.6 mm（ap）），（-1.9（ml）
，-2.6 mm（ap））和（-2.7（ml），-3 mm（ap）） ，靶向视觉皮层和周围的视觉区域。最后三个注射仅用于视网膜映射 。对于每次注射
，将一个贝板的玻璃移液器插入了50 µm经过所需深度，然后将其撤回到正确的深度
。在3分钟内注入大约65 nL ，之后我们等待3分钟
，以使压力在缩回移液器之前保持平衡。进行尿道切开术后，插入了一个由两个3毫米直径的盖玻片和一个4毫米直径的盖玻片（＃1厚度 ，华纳仪器）组成的颅窗
，使用紫外线可抗形的光学粘合剂（Norland Optics，NOA81）粘合了 。将铝环胶结在钛头板上 ，作为防止光污染的适配器
。 　　将头板安装到左PPC的切线平面大约平行的安装。这意味着在所有实验中
，将鼠标的头稍微向右倾斜 。这种倾斜可能有助于小鼠的行为偏见，以对向右偏差进行更多的课程校正（扩展数据图7J ，K）
。 　　对于成像实验，我们使用SST-CRE +/-; AI14 +/-雄性小鼠用TDTOMATO标记SST细胞。我们注射并训练了五只小鼠 。成像队列1（7只小鼠）用于PPC中的成像活性（3、4 、5
、7、3 、3
、3、2疗程
，每只动物，总共27个会话）和RSC（4 、2
、4、6 、3
、1、3 、1、3个疗程 ，每只动物
，总计23个术语）
。在标题扰动期间，使用成像队列2（8只小鼠）用于PPC的成像活性（2
、2、3 、2
、2、2 、1
、2、2 、2
、2个疗程 ，每只动物
，总共16个疗程）。我们从队列1和2（总共4只小鼠，每只鼠标总共1个疗程 ，总共6个疗程）中使用了2只小鼠进行奖励发射实验 。成像队列3（6只小鼠）在训练期间用于PPC的成像活性
，然后在高临界性性能之前（2、2 、2
、2、2 、2、2
、1个疗程，每只动物总共11个疗程 ，总共11个疗程）。成像队列4（7只小鼠）用于在提示开关（6、5 、6
、6、8 、7
、7、7疗程中
，每只动物，总共45次）
。成像队列5（5只小鼠）在线性迷宫上进行了训练 ，我们将其用于播放实验（每只动物的3 、3
、3、4 、3疗程，总共16个疗程）。病毒混合物由所有小鼠中由AAV2/9-Syn-JGCAMP7F（每毫升6.25×1011 GC）和AAV2/9-SST44-MTAGBFP2（每毫升5×1011 GC）组成
，除了1小鼠1中，除此之外 ，我们还注入了AV2/9-aav2/9-av2/9-A-A-A-A-A-A-A-A-A-AGC 2.2/9-A-A-A-A-A-A-A-AGC 。每毫升）和AAV2/9-A2-SST44-MTAGBFP2（每毫升1×1011 GC）
。这里唯一的区别是添加了A2绝缘子34
，我们添加了它以测试其对特异性的影响。鉴于我们没有观察到特异性差异（图2D），我们将数据汇总在一起 。 　　为了进行光刺激实验 ，我们注射和训练有训练的SST-CRE +/-雄性小鼠（SST-CRE+/+交叉至C57BL/6J; 4小鼠； 5
、3、7 、5次
，每只小鼠20个疗程，总共20个会话）
。该病毒混合物由AAV2/9-SYN-JGCAMP7F（每毫升6.25×1011 GC） ，AAV2/9-SST44-MTAGBFP2（每毫升5×1011 GC）和AAV2/9-SYN-DIO-CHRMINE-CHRMINE-MSCARLET（5×1011 GC）组成。 　　如前所述
，我们使用了微型虚拟现实系统45 。头部固定的老鼠在空气支持的8英寸直径的泡沫聚苯乙烯球上跑了
。通过两个光学传感器（ADNS-9800，Avago Technologies）跟踪球速度并数字化（USB-6003 ，国家仪器）。球的螺距和偏航速度用于控制鼠标的正向运动和标题速度（视角）
，分别在抛物线屏幕覆盖〜180°的虚拟环境中分别控制 。突出激光投影仪（Picobit激光投影仪，60 Hz ，Celluon）的光被中性密度过滤器（NE10B-A，Thorlabs）和短通滤波器（550 nm切割
，FES0550，胸部） ，这有助于改善鼠标的行为并在图像过程中最小化
。奖励是通过由电磁阀控制的金属喷口传递的
，由每100毫升aceSulfame Potassium（终身规定；人造甜味剂）组成。 　　我们构建了两个用于成像的训练钻机，还有一个用于影像成像的钻机 ，以及用于光刺激实验的钻机 。钻机的彼此尽可能相同。头板位于球的中心后面1英寸
，在球上方1英寸处，在视觉显示的水平和垂直中心
。通常在训练钻机上对小鼠进行训练 ，然后转移到成像或光刺激钻机上。 　　从训练前3天开始
，给小鼠每天得到1毫升的总水，包括训练期间获得的奖励 。我们监测了他们的体重 ，并进一步补充水
，以确保其超过其预训练重量的75％
。虚拟环境由MATLAB（MATHWORKS）的虚拟现实鼠标引擎（Virmen）46生成。如前所述1，环境由墙壁上有白色或黑色提示的T迷宫组成1 。一旦鼠标将9厘米进入任一臂 ，试验就结束了
。然后，如果出现了黑色提示
，则将鼠标因向左转而获得奖励，如果出现了白色提示 ，则右转。试验结束后
，我们在3 s的间间隔内显示了一个暗屏幕，以进行正确的试验和7 s ，用于不正确的试验
，此后，小鼠在新的 ，随机选择的T-Maze开始时开始了 。小鼠以短暂的迷宫（约64厘米或1个球旋转）开始
，其中迷宫末端的塔楼指示了奖励的位置，除了墙壁上的提示
。一旦小鼠开始在这个迷宫上表现良好 ，它们就会前进到更长的迷宫（113厘米和225厘米）
，这需要更好的球控制才能使它们平稳行驶至末端。一旦他们精确地表现，在T迷宫末端的两侧都添加了一座塔 ，以至于老鼠不再朝塔楼奔跑，而必须根据墙壁上的提示进行导航 。我们包括拐杖试验
，其中一只奖励塔仍然存在，因为老鼠过渡到了这个迷宫
。一旦用两个塔熟练了迷宫 ，就会在提示和T结之间添加一个延迟的迷宫段。延迟迷宫段为灰色
，质地与奖励相关的白色或黑色提示不同 。该延迟是在迷宫末端的短段引入的，并逐渐延长至迷宫长度的27％或50％。如果老鼠表现出强烈的偏见以左右转动 ， 我们通过将右迷宫的概率设置为一个减去试验的比例来实现偏差校正
，在该试验中，小鼠在最后20个试验中右转
。 　　对于标题扰动实验 ，我们在30％的试验中
，鼠标通过迷宫中的中间标记时触发了鼠标的虚拟标题速度的偏差。左右虚拟旋转发生，每个概率为50％ 。添加的偏置随高斯轮廓（MU = 1.5 s ，Sigma = 0.375 s
，峰= 0.03 rad s -1）而变化，如果小鼠不正确 ，则在3 s上旋转103°（1.5 s的峰值速度）
。请注意，这种扰动不会导致纯净的环路旋转
，而是在正常的闭环配置的顶部添加偏置。换句话说，鼠标仍然可以通过打开球来补偿扰动 。我们还注意到 ，我们最初尝试以这种平滑的方式即时地跳跃鼠标的标题
，但这倾向于以细胞类型的方式激活整个电路，这使得隔离SST44细胞特异性响应变得更加困难
。 　　对于在提示开关实验上的训练小鼠 ，我们首先训练小鼠以高精度延迟进行T迷宫（> 85％的正确试验）。然后
，我们将小鼠在T迷宫中成像，在50％的试验中 ，视觉提示在迷宫中的中途进行了更改（对于一只鼠标
，我们在迷宫的最后一个季度更改了提示；数据始终与提示开关的位置对齐），要么从黑色变为白色或从白色变为白色 。当小鼠接近它时 ，提示的变化是可见的
。奖励的位置随着提示而发生了变化。因此
，小鼠必须学会根据第二个提示来改变轨迹，以获得奖励 。其他50％的试验是对照试验 ，其中提示是恒定的，如原始迷宫中
。该实验的任何试验都没有延迟。 　　对于线性轨道上的训练小鼠
，线性轨道由与第一个训练T迷宫相同的走廊组成（64厘米长） 。小鼠在迷宫结尾获得了奖励。试验还通过间隔间隔分开，在此期间我们显示了一个暗屏幕
。我们训练了小鼠 ，直到他们每分钟至少进行一次试验
，然后进行开环播放实验。 　　我们对JGCAMP7F47进行了广阔的菲尔德表荧光成像，以生成一个视网膜图 ，该图用于确定PPC的两光子成像视野
，如前所述48 。简而言之，我们用蓝光（452-486 nm带孔滤波 ，胸部）和过滤的绿色发射光（505-545 nm频带滤波
，thorlabs）激发了JGCAMP7F，并用CMOS摄像头（ACA1920-155UM ，BASLER
，BASLER）成像，并具有覆盖整个Crananial winder窗口的视野
。小鼠在1％的异氟烷​​下进行麻醉。视觉刺激用心理盒（MATLAB ，MATHWORKS）编码，在27英寸的监视器上显示
，并由球形校正的条形宽12.5°组成，宽度为12.5° ，在10°s -1的水平或垂直方向上移动 。该条带有3 Hz交替的黑白方格图案
。如前所述
，使用时间傅立叶变换来处理数据，以提取对水平和垂直条位置的响应（由于定期及时显示了视觉刺激） ，从而创建了水平和垂直响应图。将场符号计算为水平图和垂直图梯度之间的角度的正弦 。如先前的研究48,51
，PPC的视野大约以（-1.7（ml），-2 mm（AP）为中心）
。48,51。 　　我们在定制的两光子扫描显微镜上收集了体内成像数据 ，其具有3毫米工作距离（Nikon）和可调的飞秒脉冲激光器（Chameleon Vision S
，Cooherent），具有3毫米工作距离（Nikon）和可调的飞秒脉冲激光 。将横梁用谐振和电量镜对（剑桥技术）扫描 ，并带有两个扫描透镜
，以512×512像素的分辨率为512×512像素的650 µm x 650 µm的视野，以每秒30帧的速度（请参阅下面的每个实验）
。我们在PIA以下100–250 µm的深度下对层进行了2/3层的成像。用580 nm的二科梁弹丸（FF580-FDI01-55x73 ，Semrock）和带频量过滤（绿色，500-550 nm
，FF03-5525/50-50，Semrock; Semrock; Semrock; Red ，604-679 Nm
，FF01-641-75-50，分开绿色和红灯 。蓝色和绿色的灯用484 nm的二科梁弹丸（FF484-FDI01-55x73 ，Semrock）和频道过滤（蓝色
，425-465 nm，FF01-445/40-50 ，Semrock; Semrock; semrock; green
，500-550 nm，ff03-55555555525-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50-50.用GAASP光电倍增管（Hamamatsu）检测到发出的光。显微镜由Scanimage 2018b（Vidrio）控制
。将鼠标和球设置放置在三轴阶段（多佛）上 ，以将鼠标和视场定位。我们用切口的黑色橡胶气球屏蔽了从竞技场和其他来源泄漏的光线
，将铝环安装在头板上的物镜上 。 　　使用扫描模拟获取成像数据
。使用Virmen获取虚拟环境数据。通过在数字转换器（Axon Instruments）的Digidata类似物（Axon Instruments）上获取触发器，扫描和VIRMEN数据是同步的 ，该触发器也用于收集原始球速度 。使用最近的时间点将Virmen数据删除至成像量速率
。 　　对于每个疗程，我们收集了大脑表面的参考图像
，以沿着前后和内侧侧轴对齐。我们收集了第二个参考图像，以深度对齐 ，无论是在几天内
，并在整个会话过程中弥补了轴向漂移 。我们在整个行为会议上收集了连续成像数据，通常持续50分钟
。 　　对于成像实验 ，我们通过用压电运动仪（Physik instrumente）扫描物镜
，以7.5 Hz（一个框架空白）收集了30 µm的三个平面（一个框架空白）。我们在每个鼠标中的每个区域的几天内从相同体积收集了成像数据 。在行为会议期间，JGCAMP7F47和TDTOMATO与​​920 nm或950 nm激发（40-70 mW）一起成像
。成像疗程后 ，用850 nm激发（60 mW）对MTAGBFP242和JGCAMP7F成像。 　　对于光刺激实验
，我们以30 Hz的形式从单个平面收集了数据 。对于每个视野（包括不同的深度），我们仅在第一天就收集了成对的成像数据集 ，第二天收集了光刺激。我们在920 nm激发（40兆瓦）时单独成像JGCAMP7F
，以最大程度地减少Chrmine52的激发
。在这些条件下，Chrmine-Mscarlet53强度太弱 ，无法在这些条件下进行图像，因此
，在会议之后，我们拍摄了JGCAMP7F和Chrmine-Mscarlet的第二张图像 ，并具有980-1,000 nm的激发（40 MW）
，以及JGCAMP7F和MTAGBFP2的第三张图像，带有850 NM激发（60 MW）。 　　如先前所述23 ，该框架是运动校正的
，该代码可在github（https://github.com/harveylab/acquicition2p_class）上获得 。用Suite2P54提取来自源的原始荧光
。荧光轨迹是基线减少的，基线以滚动为基础（Suite2p基线=最大值 ，win_baseline = 60
，sig_baseline = 10），并用OASIS55进行反拨（如先前所述 ，用OASIS55（衰减为0.8 s）衰减为0.8 s并优化了）。 　　对于每个通道
，我们在运动校正后计算了平均图像 。在主成像会议中，使用绿色通道将所有通道都注册为通用参考图像
。由于蓝色通道变暗 ，有时会从绿色通道中流血，我们通过估计绿色通道的基线贡献将蓝色通道解散。我们选择了具有最大绿色值的50％的绿色值的像素
，并且从这些蓝色值的低下50个百分位数中的这些像素中选择具有基线蓝色值和极端绿色值的像素 。在添加零（20％的20％）以估计通过原点的线路后，我们对这些点进行了线性回归 ，并从蓝色值中减去了此回归
。在光刺激实验中
，我们进行了相同的过程，从红色通道中流血 ，其中红色强度相对较低。 　　我们使用fiji44在每个图中生成图像 。 　　当鼠标执行了T-Maze任务时
，进行了影响映射实验，并在显微镜上延迟了与成像实验分开的显微镜 ，该实验还配备了虚拟现实设置
。成像路径如“两光子成像”中所述。使用1,060 nm激光器（重复速率
，2 MHz，Spark） ，使用带有空间光调节器（SLM）的独立光刺激路径（SLM）串联使用 。使用Pockels电池（M350-105B-02干燥
，具有1,060 nm AR涂层，用于高功率 ，Conoptics）进行调节。安装了反射SLM（HSP-1920-1064），并扩展了梁以填充其短轴
。使用半波板（WPH10M-1064
，Thorlabs）旋转光束极化，以最大程度地提高衍射效率。使用望远镜（ACT508-400-B和ACT508-100-B ，Thorlabs）将SLM的表面成像到3 mm的Galvo（6210H
，剑桥）上，并使用一块Aluminum Fiol胶水发光的望远镜在望远镜的第一个镜头的焦点上堵塞了零级光束 。使用一对扫描透镜（SL50-2P2 ，Thorlabs）将Galvo扫描仪光学共轭
，并使用扫描透镜（55-S30-16T，Special Optics）和管透镜（MXA20696 ，Nikon
，Nikon）成像（CFI75，Nikon）的背孔上
。成像和刺激路径与1,000 nm二分色滤光片结合在一起 ，并在扫描仪中对齐
，同时对荧光花粉载玻片进行成像。为了靶向多个神经元以进行刺激，我们使用了Gerchberg – Saxton算法来计算相掩码 ，并将其写入SLM 。如下所述，以螺旋模式扫描斑点
。我们通过使用加权的Gerchberg – Saxton算法对SLM的荧光载玻片进行成像
，估算了SLM的衍射效率。 　　斑点是针对4–10 SST44+ Chrmine+细胞的手动定义的，或者与Chrmine+细胞重叠的相同数量的对照位点 。在32毫秒内（一个框架）以6.6 µm半径为6.6 µm的螺旋模式扫描这些斑点 ，以激发整个细胞
。我们使用3-5兆瓦的平均功率。我们发现
，较低的功率（1-2兆瓦）没有使用我们的病毒和光刺激参数产生可靠的光刺激 。我们还发现，在产生强大光刺激的最小功率水平下 ，光刺激的有效性（激活靶向细胞的程度）倾向于降低大约100个光刺激试验
。这些参数可能代表有限的动态范围
，可以在该范围内进行光验证。因此，我们将分析局限于前200个试验（其中一半是对照试验） ，该试验代表了行为会议中典型的试验数量 。光刺激发生在交替帧（30 Hz帧速率
，15 Hz刺激率，50％占空比）上 ，并持续1 s。当小鼠在T结构之前
，在每个行为试验上执行任务时，触发光刺激
。SST44细胞靶向（目标）和对照试验被随机交织。此外 ，在每个试验中，我们从光刺激组中省略了一个SST44细胞（换句话说
，如果每个目标和对照组选择了五个细胞，则将四个从该组中随机选择 ，以在每个试验中得到光刺激） 。我们选择了这种设计
，也可以衡量对靶向组一部分的细胞的影响
。但是，最后 ，省略了这些细胞
，因为我们选择了具有一定数量的试验的细胞来忽略低信心影响值。 　　在我们针对的细胞中，相对于对照试验 ，有78％的人被显着激活（Wilcoxon签名级测试
，P< 0.01 after Bonferroni correction for 137 targets). Of the cells that were significantly activated, our stimulation success rate (change in deconvolved activity above 10% of each cell’s 99th percentile of activation) was 75%. 　　For determining the resolution of photostimulation, we chose isolated ChRmine+jGCaMP7f+ cells and chose photostimulation targets directly over that cell, and at different distances. In this case, we did not apply a phase mask to the SLM and scanned a single spot at these different distances using the galvanometric mirrors. 　　We injected the Sst44-mTagBFP2 virus into mice at postnatal day 14–15 to allow for at least 10 days of viral expression before the experiment. Virus was injected targeting the PPC at four sites on each side, centred on (−1.7 mm (ML), −2 mm (AP) from bregma) spaced by 0.4–0.5 mm, at 0.25 mm below the dura. Nine mice were used for slice electrophysiology. A separate set of three mice were used for cell fills. 　　Coronal cortical slices were prepared from postnatal day 24–29. Mice were anaesthetized with isofluorane and transcardially perfused with ice-cold choline-based artificial cerebrospinal fluid (choline ACSF: 110 mM choline chloride, 25 mM NaHCO3, 1.25 mM NaH2PO4, 2.5 mM KCl, 7 mM MgCl2, 0.5 mM CaCl2, 25 mM glucose, 11.6 mM sodium--ascorbate and 3.1 mM sodium pyruvate, 320–330 mOsm) equilibrated with 95% O2/5% CO2. After perfusion, the brain was rapidly dissected and blocked in ice-cold equilibrated choline ACSF. Tissue was then transferred to a cutting chamber containing ice-cold equilibrated choline ACSF and cut on a Leica VT1200S (300 µm thickness, 0.10 mm s−1, 1 mm amplitude, 85 Hz). The slices were then collected in a holding chamber containing ACSF (127 mM NaCl, 25 mM NaHCO3, 1.25 mM NaH2PO4, 2.5 mM KCl, 1 mM MgCl2, 2 mM CaCl2 and 10 mM glucose, 300–310 mOsm). The slices were recovered at 32 °C for 20 min and then maintained at room temperature (22 °C) for 20 min before the start of recordings. AAV infection was assessed by epifluorescence. We recorded from Sst44 cell pairs that were less than 100 µm apart, and less than 400 µm from the pia to target layer 2/3 cells. Experiments were performed within 6 h after cutting. 　　For whole-cell current-clamp recordings, patch pipettes made with borosilicate glass with filament (Sutter BF150-86-7.5) with 3–6 MΩ resistance were filled with a K+-based internal solution (142 mM K-gluconate, 4 mM KCl, 10 mM HEPES, 4 mM MgATP, 0.3 mM NaGTP, 10 mM Na2-phosphocreatine, 1.1 mM EGTA, pH 7.2, 280 mOsm). Recordings were made on an upright Olympus BX51 W1 microscope with an infrared CCD camera (Dage-MTI IR-1000) and a ×60 water-immersion objective (Olympus Lumplan FI/IR 60Å~/0.90 NA). Neuronal tissue was visualized with infrared differential interference contrast. mTagBFP2-expressing Sst44 neurons were identified by epifluorescence driven by a light-emitting diode (Excelitas XCite LED120). 　　Connectivity measurements were made in current clamp. We injected a hyperpolarizing current into one cell (the driver cell) and measured the resulting change in the membrane voltage of the second cell (the follower cell). For each driver cell, we tuned the hyperpolarizing current (range of −30 to −180 pA) to achieve an approximately −30 mV (range of −19 to −37 mV) deflection in the driver cell. The current step lasted for 600 ms. In total, 20–40 sweeps were collected from each cell pair. This procedure was then repeated in the other direction, injecting current into the second cell and measuring from the first. We initially injected both positive and negative current steps, but then focused on injecting negative current steps to test specifically for gap junctions. Before and after current-clamp recordings to measure connectivity, we measured series resistances in voltage clamp, holding cells at −70 mV and applying a 200 ms −5 pA current step 10 times. If a connection was observed, slices were perfused with a cocktail of synaptic transmission blockers consisting of 10 µM NBQX (Tocris, 1044), 50 µM AP-5 (Tocris, 0106), 10 µM gabazine (Tocris, 1262) to test whether the connection was dependent on synaptic transmission. We perfused the slice with the cocktail for 10 min before measuring the connectivity. 　　In experiments separate from our paired patch recordings, we used a patch pipette loaded with internal solution containing 250 µM Alexa Fluor488 (Life Technologies, A10436) to label single Sst44 cells. After forming a seal and breaking through the cell membrane, cells were held for 15–30 min. Over several minutes, we then slowly retracted the pipette to detach it from the cell body. We then imaged the cell without fixation under a two-photon microscope (see the ‘Two-photon imaging’ section), taking a stack with 2–5 µm steps. Cell processes were traced by hand in Fiji over a maximum z-projection image with guidance from the full z-stack. 　　We used an Axon Multiclamp700B to perform voltage and current clamp and low-pass filtering at 4 kHz. Data were sampled at 10 kHz with the Axon Digidata 1440A system. Both instruments were controlled using Clampex10.6 (Molecular Devices). The recorded traces were analysed with Stimfit0.15 and example traces were extracted using Clampfit10.6 (Molecular Devices). All statistical analysis were performed using Prism 9 (GraphPad). 　　We measured the connectivity strength as the change in membrane potential in the follower cell (cell without current injection) divided by the change in membrane potential in the driver cell (cell with current injection). The change in membrane potential was defined as the average membrane potential during hyperpolarization (600 ms duration) minus the average membrane potential during a baseline period (60 to 10 ms before current pulse onset). Most cells did not spike at the baseline. For those cells that did spike, sweeps containing action potentials were excluded from analysis of that cell. Significantly connected cells were defined using the Wilcoxon signed-rank test (P < 0.01, adjusted post hoc using the Benjamini–Hochberg method). Data were collected from nine mice. 　　To compute the delay between the follower and driver cell, we selected connections for which the deflection in the membrane potential of the follower cell was greater than 3 mV. To compute the probability of a connection (Fig. 4e), we excluded pairs if either cell had a series resistance higher than 45 MΩ. In the reciprocal connectivity analysis (Fig. 4f), we excluded pairs with a series resistance that differed by more than 30%. For the analysis of synaptic blockers (Fig. 4g,h), we excluded pairs if the series resistance changed by more than 30% after adding synaptic blockers. 　　To measure the time delay of the connection between Sst44 cells, for each cell, we computed the P value (one-sided Wilcoxon rank-sum test) at each timepoint by comparing a sliding 2 ms window to an equivalent window centred at 1.5 ms before the pulse onset, and computed the average time delay between the log[P] curves (between natural log[P] values of −5 and −10). Note that any analysis is limited by the signal to noise ratio, which can be significant when analysing small deviations in membrane voltage. We therefore chose recordings in which the deflection in the follower cell was greater than 3 mV. Owing to this noise limitation, the delays reported here should be interpreted as an upper bound. 　　We injected an AAV with stGtACR256 driven by the Sst44 enhancer in two C57Bl/6J male mice at 2–3 sites spaced anterior-posterior by 0.4 mm centred on (−1.7 mm (ML), −2.0 mm (AP) from bregma, 0.3 mm below the dura, 70 nl per site, 1 × 1012 GC per ml in PBS). The injection pipette was inserted through a small craniotomy and was angled at 30° from the horizontal such that the injection site was under the bone. For recordings, we removed the bone above the injection sites. On a rig in which the mouse was head-fixed and awake, we inserted a 32-channel silicon probe coupled to an optic fibre (A1x32-Poly2-5mm-50s-177-OA32LP, Neuronexus) near the injection sites, and advanced the probe such that the optic fibre was touching the dura. After insertion, we added 2% agarose in PBS to stabilize the brain. Recordings were amplified using a headstage amplifier (RHD2132, Intan Technologies) and digitized at 20 kHz (512ch recording controller, Intan Technologies) operated using the Intan RHX Data Acquisition Software (v.3.1.0). We used Kilosort (v.2.5)57 with the default parameters to detect spikes. We pooled spikes from all of the channels without sorting as a measure of overall circuit activity. 　　Unfortunately, we did not have a way to test the direct effect of stGtACR2 activation on Sst44 cell spiking because we could not identify Sst44 cells using this method (with an excitatory opsin, one can identify time-locked, short-latency responding cells, but with an inhibitory opsin, one needs a high baseline firing rate to identify cells that are inhibited with a short latency). We therefore instead measured the effect of stGtACR2 activation in Sst44 cells on spiking in the entire population of neurons recorded on the multichannel electrode. As Sst cells are inhibitory, we expect that inhibiting these cells will disinhibit the circuit. As expected, we observed an increase in the population activity when we delivered blue light. This experiment indicates that the stGtACR2 activation worked to some degree. However, as we were unable to measure Sst44 cell spiking directly, it remains unclear whether these cells were completely silenced or just experienced reduced spiking. Moreover, we did not measure the effect on Sst44 cell spiking during error-correction events when these cells are driven very strongly, and when it would be more difficult to fully inhibit these cells. In particular, as these cells have electrical coupling to one another, it may be hard to silence them, especially if the whole, gap-junction-coupled population is not sufficiently silenced through direct optogenetic silencing. For example, it remains possible that some Sst44 cells were not transduced with the virus or had low expression of stGtACR2. Thus, despite our efforts to develop and validate this approach, we remain uncertain of the extent of inhibition of Sst44 cell activity by stGtACR2, especially during behaviour. 　　We injected Sst44-stGtACR2 AAV bilaterally in the PPC (four sites spaced by 0.5 mm centred on 1.7 mm (ML), −2.0 mm (AP) from bregma, 0.3 mm below the dura, 70 nl per site, 1 × 1012 GC per ml in PBS) in 6 C57Bl/6J male mice. We replaced the skull above the injection sites with two glass windows (one on each hemisphere) to allow light to enter the brain. After training the mice to perform the T-maze task in which the cue was omitted in the second half of the maze (delay task), we performed bilateral inhibition experiments during heading pulse perturbations as described in Fig. 6, and on interleaved control trials without a heading perturbation. We focused on the heading perturbation because the mouse must course-correct during these times, and because we expect Sst44 activity to be strong during these error corrections. We used a 470 nm laser (LRD-0470-PFR-00200, Laserglow Technologies) to deliver blue light and directed the laser beam (1 mm in diameter at the brain surface) using a galvanometric mirror pair (6210H, Cambridge Technology) as previously described48 to either the PPC (1.7 mm (ML), −2 mm (AP) from bregma), or control sites on the dental cement, alternating each side at 40 Hz with a 50% duty cycle. We used twice the average power density as in our electrophysiology experiments to help to ensure that the opsin was activated, as we often observe dura growth under the window after significant periods of time, such as after months of training. On 50% of trials, we started photoinhibition halfway through the maze, which was when the delay period started, and was also when the heading pulse was triggered on a random subset of trials (30%). We terminated photoinhibition after 5 s or once the mouse reached the intertrial interval. 　　This experiment aims to test whether Sst44 cell activity is required for the mouse to execute a course correction. The outcome of these experiments is that we did not observe a difference in the mouse’s behaviour on trials in which we targeted the blue laser light to the PPC compared with interleaved trials in which we targeted the laser to control sites. It is possible to interpret this negative result in several ways, some of which result to technical challenges and other to biological interpretations. A first possible interpretation is that we did not inhibit Sst44 cell spiking sufficiently (see more details above). A second possibility is that Sst44 cells in the PPC contribute to the execution of course corrections, but that other cells in other cortical or subcortical regions can also drive this behaviour. That is, there may be redundancy across brain areas and, therefore, silencing only the PPC’s Sst44 cells might not have silenced the entire relevant population. Relatedly, it is possible that the silencing of Sst44 cells was heterogeneous in the PPC itself. For example, Sst44 cells in deeper layers may not have been as strongly inhibited given that we expect there to be less light delivered to deeper layers. If not all Sst44 cells were adequately silenced, the remaining active population may be sufficient to carry out the behaviour. A third possibility presents an interesting biological interpretation: that Sst44 cells are not required to perform the error corrections after they have been learned and that instead these cells serve a function in learning to correctly navigate towards the reward. This latter possibility was not tested in our optogenetics experiments as we focused only on well-trained mice. Further experiments will help to distinguish between these possibilities. 　　Data analysis was performed using Python 3. Imaging and behaviour data from each session were imported into the anndata object58. Although designed for single-cell sequencing data, this data structure was convenient for imaging data. We used the ‘X’ central matrix to hold the session activity for each cell, the ‘var’ matrix to carry metadata for each cell (that is, channel values, cell type and so on) and the ‘obs’ matrix to carry time-varying information, including behavioural and task variables. The ‘uns’ dictionary carried metadata and other unstructured information. 　　Sources were classified as cells or non-cells with a three-layer convolutional neural network trained on manually labelled sources that has been previously described28. Moreover, we excluded sources for which raw fluorescence values exceeded 95% of the digitized dynamic range (to ensure values were not saturated and cells were not over-expressing jGCaMP7f), and sources that were near to the edge of the field of view. 　　For imaging experiments, we included sessions in which the mice performed the task with >85% correct trials. In imaging cohort 1 (7 mice), this resulted in 27 sessions for the PPC (17,254 cells total), and 24 sessions for the RSC (23,717 cells total). In imaging cohort 2 (8 mice), this resulted in 16 sessions for the PPC (7,940 cells total). For reward-omission experiments, this resulted in 6 sessions from 4 mice (2 mice from each imaging cohort) in the PPC (3,045 cells total). Total cells represent the total cell count across all sessions, not independently sampled cells, as we imaged activity from the same field of view for a given region in each mouse. 　　For photostimulation experiments, we included sessions in which mice performed the task with >80％正确的试验 。这导致了PPC中4只小鼠的20个课程（总计6,793个细胞）
。这些细胞被独立采样。 　　对于每个单元，我们通过在该单元格的空间掩码中取出平均强度并在掩模周围的两金轮廓中减去平均强度来计算每个通道的背景强度 。相对调用细胞类型
。蓝色细胞（SST44+）的定义为具有最大蓝色值的15％的背景强度 ，该强度定义为前三个细胞的平均值。红细胞（SST -CRE+）以相同的方式定义
，除了我们还包括具有> 0.7的细胞与由Cellpose定义的最接近的细胞膜（V.0.0.2.8，默认的Cyto模型） 。For photostimulation experiments, we used a slightly more lenient threshold of 10% the maximum red value (defined again as the mean of the top 3 cells) and 0.6 for the spatial correlation with Cellpose masks, and then manually removed negative cells (~10%) as, in this case, we observed false-positives from sparse neuropil-expressing soma membrane-localized ChRmine-mScarlet. 　　不同的细胞表达不同水平的JGCAMP7F ，导致每个细胞的荧光绝对变化
。因此，我们通过为每个细胞中的会话中的第99个百分点的活动分开
，将反v的活性归一化。除非指示，否则所有分析均在这些归一化活性值上计算 ，包括每种细胞类型的平均活性 。在某些情况下
，在每次分析中指示，我们还使用0.25 S高斯滤波器平滑了每个单元的活性。 　　我们计算了每个细胞平滑活性之间的Pearson相关性 ，从而产生了相关矩阵
。然后
，我们计算了不同细胞类型的细胞之间的平均相关性（不包括对角线的自相关）。在扩展数据中，我们计算了种群平均值之间的相关性 ，而不是计算单个单元之间的相关性
，而是评估SST44细胞活性是否与整体电路活性相关 。 　　在每个单元的平滑活性上计算了UMAP Plactions41
。请注意，由于此处的特征是不同时间点的活动测量值 ，因此我们无法使用此方法从不同会话中投射单元格。UMAP参数如下：版本= 0.5.1
，n_neighbors = 10，min_dist = 0.1 ，metric ='euclidean' 。 　　我们使用每个单元格的平滑活性（平滑的反vloved会话活动，而不是UMAP投影）计算了一个最近的邻居图（K = 10）
。然后
，我们为每个细胞计算了SST44+最近的邻居的比例，并将此分数平均在每种细胞类型的细胞上。 　　为了评估与SST44细胞共聚类的SST44-SST+细胞的哪些部分 ，我们使用Leiden社区聚类算法（分辨率= 6
，N_NEIGHBORS = 5）基于其活性聚类，选择了SST44细胞填充的群集 ，并检查了SST44444444444444444444444444444444444444444444444444444444444444444444444444444444444444444的群集 。我们对每只鼠标进行了一个PPC会话进行了此分析
。 　　我们分析了从最近的光刺激位点> 40 µm的细胞。从这些中
，我们还取下了与Chrmine-Mscarlet的二进制图像相结合的像素与目标位点连续重叠的细胞，以用表达Chrmine表达的近端树突去除与光刺激位点重叠的细胞 。我们还去除了与与对照试验相对于对照试验的二进制光刺激触发的df/f图像在二进制光刺激中触发的df/f图像中与目标位点重叠的细胞 ，从而去除了与直接刺激细胞的树突重叠的细胞
。最后
，我们还选择了20个试验的细胞来计算影响。在先前的工作23之后，我们计算了反应活性对目标试验的平均变化 ，减去对照试验中反vlov活性的平均变化
，除以S.D.在对照试验中的反v活性中 。我们计算了反应活性的平均变化作为光刺激后的平均值（相对于光刺激开始的0.5至1.0 s，我们观察到最大的影响）减去光刺激之前的平均值（相对相对启用了光刺激的开始）。 　　为了计算鼠标的标题偏差 ，我们计算了其在每个时间点处的标题与沿着其平均平滑轨迹的同一点的标题之间的差异
。为了估计平均平滑轨迹，我们在每个会话中选择了每个世界（黑色 - 左或白色）的最短25％的试验。从这些试验中
，我们计算了中值位置，以及小鼠在距奖励区域的距离处的圆平均值 。我们使用了15个箱子 ，这些垃圾箱均匀地铺平了距奖励区的对数转换距离
。我们使用了对数转换的距离
，因为此方法在T交流附近的迷宫末端产生更多的垃圾箱，在T交流中 ，标题发生了很大变化。我们以0.75 cm的分辨率线性插值
，并将每个会话时间点对准沿插值轨迹的最近点，以将平滑轨迹下的标题分配给每个时间点 。在少数会话中 ，平均平滑轨迹包括垃圾箱
，其中鼠标在T臂结束时远离奖励区（有时鼠标都会转动太多，甚至在其最短的试验中）
。我们分配了这些垃圾箱的最后一个朝向奖励区的标题。 　　我们通过确定变量超过每个分析中定义的阈值的上升时间来触发活动或行为事件 。我们省略了少于5 s的事件 ，然后在之前和之后用5 s窗口绘制每个度量
。我们还省略了上升时间落在间隔间隔内的事件。我们使用0.25 S高斯滤波器触发和选择试验的转弯加速度和平均活性信号 。绘制了原始信号
。 　　我们在跨课程中汇总了这些触发分析的试验。请注意
，尽管细胞对于来自同一小鼠不同会话的试验并非独立，但同一会话中的试验也是如此 。为了比较更多数据 ，我们在跨会话中进行了汇编的试验，从概念上将相同和不同会议的试验视为等效。 　　当触发SST44细胞活动时
，我们触发了给定会话中成像的SST44神经元的平均活性（平滑的SST44细胞活动< 0.4). 　　When triggering on entering the T-junction, we triggered on the position (y = 225 cm) at which the maze widens slightly (y = 225–229 cm) before entering the maze arms (y = 229–231 cm). When splitting these events on the basis of heading deviation (Fig. 5h), a large deviation was defined as >π/6和一个小偏差为 <π/12 at +1.5 s after the trigger. When splitting high-deviation trials by turning acceleration (Fig. 5i), a strong correction was defined as >1 rad s -2沿相反方向作为标题偏差，而弱校正为 <0.5 rad s−2, at +1.5 s after the trigger. 　　When triggering on turning accelerations (Fig. 5j), we triggered on turning accelerations (>1 rad s -2） ，具有较高的转速速度（> 0.5 rad s -1）以匹配跨条件的转弯曲线
，并以大（>π/6）和小（<π/12) heading deviations at 0 s. 　　When triggering on heading perturbations (Fig. 6), strong corrections were defined as >1 rad s -2沿相反方向作为扰动，而弱校正为 <0.5 rad s−2 at +2 s after the trigger. 　　When triggering on heading deviations, we used a 0.3 s delay to parse trials based on turning acceleration (we also used this method to define course-correction rates in Extended Data Fig. 5 and Extended Data Fig. 7j,k). We used this delay to account for the average delay in turning acceleration when triggering on heading deviation with the threshold of π/6 used in these analyses. Note that the heading deviation continues to increase after this point and, on average, peaks approximately with the peak in turning acceleration. We therefore do not use this delay when parsing triggered data in other analyses. For analyses without heading perturbations, we selected sessions with >85％的正确试验增加了小鼠试图遵循所需轨迹向奖励区的轨迹的可能性
。标题扰动是在迷宫中的中间点触发的（y = 113厘米）。我们在与标题扰动交织在一起的对照试验中触发了相同的位置 。 　　统计数据在每个图中指示 ，除非另有说明
，否则全部是双面的
。 　　有关研究设计的更多信息可在与本文有关的自然投资组合报告摘要中获得。