RESULTS
Comparing Networks: Defining Four Brain-Wide Networks
새로운 2개 그래프 정의
1) 추정한(putative) 기능적 영역들의 그래프(264 노드)
2) 수정한 근거리 상관을 제외한 voxelwise 그래프(40,100 노드)
표준적인 2개 그래프 정의
1) 기존 뇌지도를 이용한 구획 그래프(90 노드)
2) 표준 voxelwise 그래프(40,100 노드)
이 4개 그래프들를 cohort 내에서 조사함. 그래프는 노드 세트의 교차 상관 매트릭스(cross correlation matrix)로 정의함. 약한 ties(낮은 상관)을 제외하기 위해 임계값를 적용하지만, 여기에는 "올바른 또는 정확한" 임계값가 없기 때문에 모든 분석들은 10% tie densitiy에서 네트워크가 심하게 조각화되기 전까지 임계값를 증가시킴.
첫 번째 새로운 그래프(즉, areal graph)는 신경생물학적 원리에 따라 정의됨. 추정한 영역들은(putative areas) 그래픽 분석에 사용하지 않은 데이터들에 2개 독립적인 방법을 적용해 확인함. 첫 번째 방법은 meta-analystic이고, 특정 행동이 요구되거나 특정 종류의 신호가 유의하게 조절되는 복셀을 확인하기 위해 대규모 fMRI 데이터을 탐색함. 두 번째 방법은 rs-fcMRI를 이용하여 전체 피질에 피질 영역들을 맵핑하는 최근에 발전된 기술을 적용함(fc-Mapping). 이러한 방법들의 결합으로 대뇌피질, 피질 하 구조들(subcortical structures) 및 소뇌에 걸쳐 264개의 추정한 영역들을 생성함. 그래프들은 ROI를 노드로(264개) 이용하여 형성하고 20mm 내에 있는 노드들 간 ties는 제거함. 이 절차로 putative functional areas 그래프를 생성함.
두 번째 새로운 그래프는 수정된 voxelwise networks인데, 이는 모든 짧은 거리의 ties를 제거한 것임. 이러한 수정은 몇몇 실제 관찰을 통해 이뤄짐: 1) 가까이 있는 복셀들은 비생물학적 신호를 공유하고(rs-fcMRI 상관을 높힘), 이는 데이터 처리에서 불가피한 단계들의 결과임(예. reslicing, blurring), 2) 짧은 거리의 관계들은 참가자들의 움직임에 민감함, 3) voxelwise graphs는 짧은 거리의 관계에 의해 높은 임계값가 적용됨. 수정된 voxelwise networks는 소스 노드에 20mm 내에 있는 모든 ties를 제외하고 제시함.
Graph formation의 두 표준적인 방법은 구획화 기반(parcel-based)와 voxel-based임. 구획화 기반 그래프는 90-parcel AAL altas을 사용해 형성하고, 이는 graph formation에서 많이 사용되는 방법임. 이 altas는 해부학적 랜드마크에 따라 피질과 피질 하 구조로를 구획으로 나눔. Voxel-based graph는 AAL atlas (n = 40,100) 내 모든 voxel들을 사용하여 정의하고, 수정된 voxelwise graph도 이러한 voxels들을 이용하여 정의함.
Comparing Networks: Correspondence between Subgraphs and Functional Systems
하위그래프들은 subgraph detection 알고리즘을 사용하여 다양한 임계값 범위에서 각각의 그래프 조사함.
그림 1은 방법과 중요한 결과를 보여줌. 첫 번째 그림은 areal graph를 나타내고 색상으로 노드들에서 하위 그래프를 맵핑함. 두 번째 그림은 임계값 범위에 걸쳐 두 개 cohort에서 areal network의 하위 그래프 할당을 보여줌.
노드들을 할당(assignments)한 두 세트 간 유사성을 나타내는 표준 graph theoretic 측정치는 normalized mutual infomation (NMI)임. 값 1은 동일한 할당을 나타냄. Cohort 간 MNI 범위는 임계값에 걸쳐 0.86 ~ 0.92이고, 매우 유사하게 할당된 것을 보여줌.
하위 그래프 차트(Subgraph charts)는 하위 그래프들의 구성이 임계값에 걸쳐 매우 안정적으로 유지될 뿐만 아니라 하위 그래프는 위계적으로 임계값 증가에 따라 재정의됨(cyan이 cyan, orange, pink 및 purple로 변함). 이러한 패턴들은 뇌 표면에서 볼 수 있고(그림 1), 이러한 하위 그래프들은 visual (blue), default (red), 또는 fronto-parietal (yellow) 영역으로 구성되고, 재정의된 큰 cyan 하위 그래프가 somatosensory-motor (cyan), face somatosensory-motor (orange), auditory (pink) 및 cingulo-opercular (purple) 하위 그래프로 구분됨. 그림 1의 아래쪽 패널은 중심 cohort에서 areal assignments (spheres)와 재구현한 cohort에서 수정된 voxelwise assignments (surfaces)를 그린것이고, 이는 다른 cohorts에 걸쳐 임계값 범위에서 하위 그래프의 유사성을 보여줌.
그림 2는 수정된 voxelwise 그래프들 또한 cohorts와 한 참가자에서도 유사하게 나타난 것을 보여줌.
이 논문은 형성된 그래프가 뇌의 주요 기능적 시스템에 해당하는 하위 그래프를 가질 것이라고 예측함. 그림 3은 각각의 네트워크가 이 예측에 얼마나 잘 맞는지 보여줌.
2번 째 열인 Areal과 수정된 voxelwise assignments는 유사한 형태를 군집. Areal과 수정된 voxelwise 그래프들은 각각 기능적 시스템에 대응하는 하위그래프들을 포함하지만, AAL-기반 그래프는 대부분의 기능적 시스템을 반영하지 못함. 표준 voxel-기반 그래프는 몇몇 기능적 시스템을 잘 반영하지만(예. default mode system), 다른 기능적 시스템들은 불완전하게 반영함.
더 양적으로 기능적 시스템들에 대응하는 하위 그래프들은 평가하기 위해, NMI를 사용하여 기능적 이러한 그룹들의 시스템부터 나온 노드 좌표들을 비교함. 그 결과, AAL-기반 그래프는 가장 낮은 대응을 보였고(MNI = 0.37), 반대로 arel(MNI = 0.72)과 수정된 voxelwise 그래프(MNI = 0.87)는 안정적이고 높는 NMI를 보임. 중요한 점은, 임계값가 증가하면, 수정된 voxelwise 분석에서 기능적 시스템들과 하위 그래프들 간 MNI는 증가하였지만, 표준 voxelwise 분석에서는 감소함.
Subgraph Identities
Red (default), yellow (fronto-parietal task control), green (dorsal attention)의 정체성(identifies)은 이미 명확함. 지금부터는 남은 주요 하위 그래프들을 알아봄.
몇몇 하위 그래프들은 sensory와 motor 영역들에 대응함(그림 4, 좌측). 시각 시스템(blue)은 대부분 occipital cortex 걸쳐 확인되었고, 종종 superior parietal cortex와 postero-lateral thalamus의 작은 영역까지 포함함. 중간 임계값 내에서, somatosensory-motor(SSM) cortex (S1, M1, 및 pre와 procentral-gyrus cortex)는 dorsal (cyan)과 ventral (orange) 하위 그래프로 나눠짐. 높은 임계값에서는, auditory 하위 그래프(pink)가 purple cingulo-opercular 하위 그래프에 나타남.
기존 Somatosensory와 motor 영역들이 pre-와 postcentral gyri 구분되었지만, dorsal과 ventral 영역들로 구분이 확인됨. Ventral과 dorsal 하위 그래프의 구분은 대략적으로 얼굴외 나머지 신체부분으로 분리됨. 흥미롭게도, meta-analytic face SSM (orange)와 auditory (pink) ROIs 간 상관은 신체 SSM (cyan)과 auditory ROIs 간 상관보다 더 높았음. 이러한 상관 차이는 단지 해부학적 연결을 반영할 가능성이 낮고, 오히려 이러한 영역들이 oral/aural 언어 기능을 확실히 공유하는 것은 coactivation의 역사와 관련이 있음. 따라서, somatosensory와 motor cortex는 기능적으로 ventral facial 부분과 doral 나머지 신체 부분으로 구분됨.
두 cingulo-opercular 하위 그래프(black과 purple, 그림 4 중간)는 동일하고, anterior cingulate/medial superior prefrontal cortex (aCC), anterior prefrontal cortex (aPFC)및 anterior insula (aI)를 포함함. 두 분산된 기능적 시스템들은 cingulo-opercular cortex에 기인함: cingulo-opercular control 시스템은 과제 수행 시스템의 핵심으로 Dosenbach et al(2006)에 의해 처음 언급되었고, 이는 과제 수행 동안에 task-set을 구체화하고 유지하는데 관련이 있는 것으로 알려짐. Black 하위 그래프에 비해, purple 그래프는 aCC에서 anterior과 ventral, aPFC에서 lateral 및 aI에서 dorsal 부분에 걸쳐 있음.
이 세가지 데이터는 이러한 하위 그래프들 정체성에 대한 힌트를 줌. 1) Task control network에서 보고된 좌표는 insula에서 salience 좌표의 dorsal 쪽임. 2) On-cue 활성화는 aI, aCC 및 aPFC에서 purple 하위 그래프에 위치함 (Task control system은 다양한 과제들에서 과제 블록(task block)에 진입할 때 on-cue activity로 정의하였고, 과제 블록 동안에 지속적인 활성화가 나타남). 3) fc-Mapping 기술은 많은 위치에서 black과 purple 간 강한 경계선을 탐지했고, 이는 rs-fcMRI 신호가 이러한 하위 그래프들 간 크게 다른 것을 나타냄. 이를 통해, purple 하위 그래프는 cingulo-opercular task control system을 더욱 가깝게 반영하고, black 하위 그래프는 salience system과 더 관련이 있는 것으로 나타남.
이전에 기능적으로 알려지지 않은 최소 3개의 분산된 하위 그래프들이 발견됨(그림 4, 우측). 첫 번째 하위 그래프(그림 4, salmon)는 posterior cingulate, posterior medial parietal 및 lateral parietal cortex를 부분적으로 포함함. 이전에는 일관된 기능적 시스템으로써 이러한 뇌영역들 군집의 초기 특성을 알지 못해지만, memory retrieval meta-analysis에서 이 영역들이 강한 활성화를 보이는 것을 확인함.
다른 분산된 하위 그래프(light blue)는 높은 임계값의 수정된 voxelwise analysis에서 fronto, parietal 및 temporal cortex를 확인함. 이러한 영역 세트는 일반적으로 기능적 시스템으로 설명되지는 않지만, 최근 연구(fMRI과 rs-fcMRI)에서 매우 fronto-parietal과 default 영역들 사이에 있는 유사한 영역 세트(그림 4, tan spheres)가 기능적 시스템일 가능성을 보여줬고, 또한 memory retrieval에 관련될 수 있음을 보여줌. 다른 새로운 하위 그래프(plum)는 fusiform cortex, precuneous, lateral과 medial posterior parietal cortex 및 superior frontral cortex임.
The "Task-Positive System" Is Composed of Multiple Subgraphs Whereas the "Task-Negative System" Is Composed of a Single Subgraph
지금부터 개별 하위 그래프에 대한 분석이 아닌 하위 그래프의 집단과 각각의 관계를 확인하고자 함.
Fox et al.(2005)는 과제들에 걸쳐 폭넓게 활서되는 task-positive network와 과제 수행 동안에 불활성화되는 task-negative network를 설명함(그림 5).
Task-negative system은 주로 단일 하위 그래프(default mode system)에 해당하고, 이전에 언급한 memory retrieval (salmon)에 추가적인 해당이 가능함. Graph theoretic 관점에서는 task-positive system은 최소한 3 주요 하위 그래프로 구성됨: dorsal attention system (green), fronto-parietal task control system (yellow) 및 cingulo-opercular task control system (purple).
이러한 차이는 다음과 같음. Seed map 분석은 seed ROI와 나머지 다른 영역들(voxels) 간 관련만을 측정하고, graph-기반 접근은 seed 영역과 다른 뇌 영역들 간 관계뿐만 아니라 다른 영역들 간 이차(second-order) 관계를 포착하기 위해 N seed maps의 정보를 통합함. 즉, seed map은 고립된 관계를 측정하고, graphs는 이들의 맥락과 관계들을 포착함. 따라서, "task-positive system"은 최소 3개의 하위 그래프로 구성되어 있고, 이는 별개의 attentional과 task control system에 해당함.
The Default Mode System Is, from a Graph Theoretic Perspective, Like Sensory and Motor Systems
인지적 통제의 전통적인 모델들은 감각 정보가 입력되고, 과제 요구에 따라 처리되고, 출력이 생성되는 것을 상정함. 입력과 출력 단계에서 처리과정은 비교적으로 modular라고 여겨지지만, 반면에 인지적 통제 기제는 task sets의 넓은 범위에서 처리과정이 유연하게 적용되어야 함. 이러한 설명이 graph theoretic 맥락 내에서는, task set 또는 "control"을 담당하는 것으로 여겨지는 하위 그래프들은 비교적 다양한 set의 관계를 유지해야되지만, 반면에 sensory 또는 motor "processing" 시스템은 비교적 구획화 되어 있는 set의 관계를 가짐.
그래프에서 관계들의 구획화 및 다양성은 두 가지 관련된, 표준 그래프 측정치로 측정할 수 있음: 노드의 local efficiency와 participation coefficients. Local efficiency는 이웃 노드들 간 통합을 측정: 높은 local efficiency는 노드가 풍부하게 연결된 환경 내에 있는 것을 의미하고, 낮은 local efficiency는 타켓 노드의 이웃들이 드물게 다른 노드와 연결되어 있는 것을 의미함. Participation coefficient는 노드가 자신이 아닌 subgraphs에 연결된 정도를 측정함. 낮은 participation coefficient는 노드들이 자신의 하위 그래프내에서 상호작용하는 것에 한정되고 있는 것을 나타내고, 반면에 높은 participation coefficient는 노드들이 다양한 하위 그래프로 연결된 것을 나타냄.
그림 6은 다양한 임계값에서의 areal graph에 대한 하위 그래프, local efficiency 및 participantion coefficients를 그림. "Processing" 시스템은 system은 높은 local efficency와 낮은 participantion coefficients를 가져야하고, 이는 그림 6에서 중간에 있는 패널에 hot colors와 오른쪽 패널의 cool colors를 반영함.
Visual (blue)와 hand SSM (cyan) 하위 그래프들은 이 예측을 충족하고, default mode 시스템 (red) 또한 충족함. "Control" 시스템은 낮은 local efficency와 높은 participantion coefficients를 가져야하고, 중간에 cool colors와 오른쪽에 warm colors가 이를 반영함. "Processing" 시스템과 비교해서, fronto-parietal task control (yellow) 하위 그래프는 낮은 local efficency와 낮은 participantion coefficients를 가짐.
이러한 발견은 몇가지 의미가 있음. Graph theoretic 관점에서는 감각과 운동 시스템 및 default mode 시스템이 같은 수준의 self-integration과 self-containment를 가짐. 인지적 통제 관점에서는 이러한 유사성들이 default mode 시스템이 "control system"보다 "processing 시스템처럼 작동하는 것을 제안함.
Temporal dynamic 관점에서는 SSM과 visual 시스템 및 default mode 시스템 내 노드 관계들의 유사성이 이러한 시스템들이 비교적 고정되어 있는 반면, task control system과 같은 다른 하위 그래프들은 더 관계들이 역동적인 set를 가질 것이란것을 나타냄.
Functional Systems Are Arranged in Topological Motifs across the Cortex
수정된 voxelwise 분석의 놀라운 특징 중 하나가 하위 그래프가 피질에 걸쳐 공간적 디자인(spatial motifs)들로 정렬되는 것으로 나타난 것임. 그림 7은 수정된 voxelwise 분석의 단일 임계값에서 motifs의 존재를 보여줌. 각각의 하위 그래프에 대해서, 다른 하위 그래프들과 공간적 상호작용 분포를 보여주고, 이러한 이웃 하위 그래프들이 각각 상호작용하는 가능성이 없는지를 확인함(3-step motif).
예를 들어, light blue 하위 그래프는 주로 red와 yellow 하위 그래프와 상호작용하고, 이는 yellow-light blue-red motif를 암시함. 이러한 공간적 motifs에 대한 주요 관심은 이들이 인공적(artifactual)인가인데, 이들이 참가자들 간 평균을 할 때 근접 신호들의 혼합으로 발생할 수 있음. 하지만, 몇몇 겹쳐진 하위 그래프(예. green dorsal attention 시스템 또는 teal ventral attention 시스템)은 견고하고 폭넓은 실험적 기반을 가짐.
댓글