인간 뇌의 공간 탐색을 위한 기능적 네트워크 모델링
Summary
이 논문은 인간 두뇌의 공간 탐색을 위한 기능적 네트워크를 조사하기 위한 통합적 접근 방식을 제시합니다. 이 접근 방식은 대규모 신경 영상 메타 분석 데이터베이스, 휴지 상태 기능적 자기 공명 영상, 네트워크 모델링 및 그래프 이론 기술을 통합합니다.
Abstract
공간 탐색은 다중 감각 정보의 통합 및 조작과 관련된 복잡한 기능입니다. 다양한 탐색 작업을 사용하여 다양한 뇌 영역(예: 해마, 내측 피질 및 부해마 부위)의 특정 기능에 대해 많은 유망한 결과를 얻었습니다. 최근에는 여러 상호 작용하는 뇌 영역을 포함하는 비응집적 네트워크 프로세스가 이 복잡한 기능의 신경 기반을 더 잘 특성화할 수 있다는 제안이 있었습니다. 이 논문은 인간 뇌의 공간 탐색을 위한 기능적 특정 네트워크를 구성하고 분석하기 위한 통합적 접근 방식을 제시합니다. 간단히 말해서, 이 통합적 접근은 세 가지 주요 단계로 구성됩니다: 1) 공간 탐색(노드 정의)에 중요한 뇌 영역을 식별합니다. 2) 이들 영역의 각 쌍 간의 기능적 연결성을 추정하고 연결성 매트릭스를 구성(네트워크 구축); 3) 결과 네트워크의 위상적 특성(예: 모듈성 및 작은 세계성)을 조사합니다(네트워크 분석). 네트워크 관점에서 제시된 접근 방식은 복잡하고 역동적인 환경에서 우리의 뇌가 유연한 탐색을 지원하는 방법을 더 잘 이해하는 데 도움이 될 수 있으며, 네트워크의 드러난 토폴로지 특성은 임상 실습에서 알츠하이머병의 조기 식별 및 진단을 안내하는 중요한 바이오마커를 제공할 수도 있습니다.
Introduction
기능적 특이성은 인지 기능을 형성하는 데 중요한 역할을 하는 인간 뇌의 기본 조직 원리입니다1. 기능적 특이성 조직의 이상은 특징적인 인지 장애와 자폐증 및 알츠하이머병과 같은 주요 뇌 질환의 관련 병리학적 기초를 반영할 수 있습니다 2,3. 기존의 이론과 연구는 얼굴 인식을 위한 방추형 얼굴 영역(fusiform face area)4 및 장면 처리를 위한 부해마 장소 영역(parahippocampus place area)5과 같은 단일 뇌 영역에 초점을 맞추는 경향이 있었지만, 공간 탐색 및 언어를 포함한 복잡한 인지 기능이 여러 뇌 영역에 걸친 좌표 활동을 필요로 한다는 증거가 증가하고 있습니다6. 복잡한 인지 기능을 지원하는 상호 작용의 기저에 있는 메커니즘을 조사하는 것은 뇌의 기능적 구조와 작동을 밝히는 데 도움이 되는 중요한 과학적 질문입니다. 여기서는 공간 탐색을 예로 들어 인간 두뇌의 공간 탐색을 위한 기능적 네트워크를 모델링하는 통합적 방법을 제시합니다.
공간 탐색은 시각-공간 코딩, 기억 및 의사 결정과 같은 여러 인지 구성 요소의 통합 및 조작을 포함하는 복잡한 인지 기능입니다7. 기능적 자기공명영상(fMRI)을 통해 수많은 연구가 근본적인 인지 처리 및 신경 메커니즘을 이해하는 데 상당한 진전을 이루었습니다. 예를 들어, 특정 기능은 다양한 탐색 작업을 사용하여 다른 뇌 영역과 연결되어 있습니다 : 장면 처리는 특히 PPA와 관련이 있으며 탐색 전략의 변환은 후비장 피질 (RSC) 8,9과 관련이 있습니다. 이러한 연구는 공간 탐색의 신경 기반에 대한 중요한 통찰력을 제공했습니다. 그러나, 항법은 내부적으로 동적이고 다중적인 기능이며, 단일 영역의 기능만으로는 일반적으로 관찰되는 공간항법(10)의 큰 개인차를 설명하기에 충분하지 않다.
fMRI 기반 커넥토믹스(connectomics)의 등장으로 연구자들은 일부 주요 뇌 영역이 공간 탐색을 지원하기 위해 서로 상호 작용하는 방법을 탐구하기 시작했습니다. 예를 들어, 내측 피질과 후대상피질 사이의 기능적 연결성은 위험에 처한 알츠하이머병의 탐색 불일치를 뒷받침하는 것으로 밝혀졌다11. 또 다른 연구에서, 우리는 처음으로 커넥톰 방법과 공간 탐색을 위한 거의 모든 기능적으로 관련된 영역(노드)을 통합하여 네트워크 접근법을 제안했으며, 그 결과 이 네트워크의 위상학적 특성이 탐색 행동과 특정한 연관성을 나타낸다는 것을 보여주었다12. 이 연구는 여러 뇌 영역이 유연한 탐색 행동을 지원하기 위해 어떻게 서로 상호 작용하는지에 대한 이론에 대한 새로운 통찰력을 제공합니다 10,13.
본 연구는 기능적 네트워크를 모델링하기 위한 통합적 접근 방식의 업데이트된 버전을 보여줍니다. 간략하게 두 가지 업데이트가 포함되었습니다: 1) 기존 연구에서 정의된 노드는 이전의 소규모 데이터베이스(2,765건의 활성화가 있는 55건의 연구, 2014년에 액세스됨)를 기반으로 식별되었지만, 현재 정의는 최신 데이터베이스(3,908건의 활성화가 있는 77건의 연구, 2022년에 액세스됨)를 기반으로 했습니다. 2) 각 노드의 기능적 균질성을 높이기 위해 원래의 해부학적 AAL(Anatomical Automatic Labeling) 아틀라스14 외에도 훨씬 더 미세한 해상도와 더 높은 기능적 균질성을 갖는 새로운 뇌 소포화를 적용했습니다(아래 참조). 두 업데이트 모두 기능적 네트워크의 모델링을 개선할 것으로 예상했습니다. 이 업데이트된 프로토콜은 네트워크 관점에서 공간 탐색의 신경 기반을 조사하기 위한 자세한 절차를 제공하고 건강 및 질병에서 탐색 동작의 개별 변형을 이해하는 데 도움이 됩니다. 유사한 절차가 다른 인지 구성물(예를 들어, 언어 및 기억)에 대한 네트워크 모델링에도 사용될 수 있다.
Protocol
Representative Results
Discussion
네트워크 신경과학은 뇌 네트워크가 인간의 인지 기능을 어떻게 지원하는지 이해하는 데 도움이 될 것으로 기대된다32. 이 프로토콜은 인간 두뇌의 공간 탐색을 위한 기능적 네트워크를 연구하기 위한 통합적 접근 방식을 보여주며, 이는 다른 인지 구조(예: 언어)에 대한 네트워크 모델링에도 영감을 줄 수 있습니다.
이 접근 방식은 노드 정의, 네트워크 구성…
Divulgations
The authors have nothing to disclose.
Acknowledgements
Xiang-Zhen Kong은 중국 국립 자연 과학 재단(32171031), STI 2030 – 주요 프로젝트(2021ZD0200409), 중앙 대학 기초 연구 기금(2021XZZX006) 및 절강 대학교 정보 기술 센터의 지원을 받았습니다.
Materials
| Brain connectivity toolbox (BCT) | Mikail Rubinov & Olaf Sporns | 2019 | The Brain Connectivity Toolbox (brain-connectivity-toolbox.net) is a MATLAB toolbox for complex-network (graph) analysis of structural and functional brain-connectivity data sets. |
| GRETNA | Jinhui Wang et al. | 2 | GRETNA is a graph theoretical network analysis toolbox which allows researchers to perform comprehensive analysis on the topology of brain connectome by integrating the most of network measures studied in current neuroscience field. |
| MATLAB | MathWorks | 2021a | MATLAB is a programming and numeric computing platform used by millions of engineers and scientists to analyze data, develop algorithms, and create models. |
| Python | Guido van Rossum et al. | 3.8.6 | Python is a programming language that lets you work more quickly and integrate your systems more effectively. |
| Statistical Parametric Mapping (SPM) | Karl Friston et.al | 12 | Statistical Parametric Mapping refers to the construction and assessment of spatially extended statistical processes used to test hypotheses about functional imaging data. |
References
- Kanwisher, N. Functional specificity in the human brain: a window into the functional architecture of the mind. Proceedings of the National Academy of Sciences of the United States of America. 107 (25), 11163-11170 (2010).
- Coughlan, G., Laczo, J., Hort, J., Minihane, A. M., Hornberger, M. Spatial navigation deficits – overlooked cognitive marker for preclinical Alzheimer disease. Nature Reviews Neurology. 14 (8), 496-506 (2018).
- Gilbert, S. J., Meuwese, J. D., Towgood, K. J., Frith, C. D., Burgess, P. W. Abnormal functional specialization within medial prefrontal cortex in high-functioning autism: a multi-voxel similarity analysis. Brain. 132 (4), 869-878 (2009).
- Kanwisher, N., McDermott, J., Chun, M. M. The fusiform face area: a module in human extrastriate cortex specialized for face perception. Journal of Neuroscience. 17 (11), 4302-4311 (1997).
- Epstein, R., Harris, A., Stanley, D., Kanwisher, N. The parahippocampal place area: recognition, navigation, or encoding. Neuron. 23 (1), 115-125 (1999).
- Epstein, R. A., Patai, E. Z., Julian, J. B., Spiers, H. J. The cognitive map in humans: spatial navigation and beyond. Nature Neuroscience. 20 (11), 1504-1513 (2017).
- Baumann, O., Mattingley, J. B. Extrahippocampal contributions to spatial navigation in humans: A review of the neuroimaging evidence. Hippocampus. 31 (7), 640-657 (2021).
- Auger, S. D., Mullally, S. L., Maguire, E. A. Retrosplenial cortex codes for permanent landmarks. PloS One. 7 (8), e43620 (2012).
- Zhen, Z., et al. Quantifying the variability of scene-selective regions: Interindividual, interhemispheric, and sex differences. Human Brain Mapping. 38 (4), 2260-2275 (2017).
- Ekstrom, A. D., Huffman, D. J., Starrett, M. Interacting networks of brain regions underlie human spatial navigation: a review and novel synthesis of the literature. Journal of Neurophysiology. 118 (6), 3328-3344 (2017).
- Coughlan, G., et al. Functional connectivity between the entorhinal and posterior cingulate cortices underpins navigation discrepancies in at-risk Alzheimer’s disease. Neurobiology of Aging. 90, 110-118 (2020).
- Kong, X. Z., et al. Human navigation network: the intrinsic functional organization and behavioral relevance. Brain Structure & Function. 222 (2), 749-764 (2017).
- Weisberg, S. M., Ekstrom, A. D. Hippocampal volume and navigational ability: The map (ping) is not to scale. Neuroscience & Biobehavioral Reviews. 126, 102-112 (2021).
- Tzourio-Mazoyer, N., et al. Automated anatomical labeling of activations in SPM using a macroscopic anatomical parcellation of the MNI MRI single-subject brain. Neuroimage. 15 (1), 273-289 (2002).
- Van Essen, D. C., et al. The WU-Minn human connectome project: an overview. Neuroimage. 80, 62-79 (2013).
- Smith, S. M., et al. Resting-state fMRI in the human connectome project. Neuroimage. 80, 144-168 (2013).
- Wang, L., et al. GRETNA: a graph theoretical network analysis toolbox for imaging connectomics. Frontiers in Human Neuroscience. 9, 386 (2015).
- Esteban, O., et al. fMRIPrep: a robust preprocessing pipeline for functional MRI. Nature Methods. 16 (1), 111-116 (2019).
- Yan, C., Zang, Y. DPARSF: a MATLAB toolbox for" pipeline" data analysis of resting-state fMRI. Frontiers in Systems Neuroscience. 4, 13 (2010).
- Yarkoni, T., Poldrack, R. A., Nichols, T. E., Van Essen, D. C., Wager, T. D. Large-scale automated synthesis of human functional neuroimaging data. Nature Methods. 8 (8), 665-670 (2011).
- Joliot, M., et al. AICHA: An atlas of intrinsic connectivity of homotopic areas. Journal of Neuroscience Methods. 254, 46-59 (2015).
- Murphy, K., Birn, R. M., Handwerker, D. A., Jones, T. B., Bandettini, P. A. The impact of global signal regression on resting state correlations: are anti-correlated networks introduced. Neuroimage. 44 (3), 893-905 (2009).
- Fox, M. D., Zhang, D., Snyder, A. Z., Raichle, M. E. The global signal and observed anticorrelated resting state brain networks. Journal of Neurophysiology. 101 (6), 3270-3283 (2009).
- Xiang, J., et al. Graph-based network analysis of resting-state fMRI: test-retest reliability of binarized and weighted networks. Brain Imaging and Behavior. 14, 1361-1372 (2020).
- Rubinov, M., Sporns, O. Complex network measures of brain connectivity: uses and interpretations. Neuroimage. 52 (3), 1059-1069 (2010).
- Maslov, S., Sneppen, K. Specificity and stability in topology of protein networks. Science. 296 (5569), 910-913 (2002).
- Shrout, P. E., Fleiss, J. L. Intraclass correlations: uses in assessing rater reliability. Psychological Bulletin. 86 (2), 420 (1979).
- McGraw, K. O., Wong, S. P. Forming inferences about some intraclass correlation coefficients. Psychological Methods. 1 (1), 30 (1996).
- Andellini, M., Cannatà, V., Gazzellini, S., Bernardi, B., Napolitano, A. Test-retest reliability of graph metrics of resting state MRI functional brain networks: A review. Journal of Neuroscience Methods. 253, 183-192 (2015).
- Cao, H., et al. Test-retest reliability of fMRI-based graph theoretical properties during working memory, emotion processing, and resting state. Neuroimage. 84, 888-900 (2014).
- Rousson, V., Gasser, T., Seifert, B. Assessing intrarater, interrater and test-retest reliability of continuous measurements. Statistics in medicine. 21 (22), 3431-3446 (2002).
- Bullmore, E., Sporns, O. Complex brain networks: graph theoretical analysis of structural and functional systems. Nature Reviews Neuroscience. 10 (3), 186-198 (2009).
- Patai, E. Z., Spiers, H. J. The versatile wayfinder: prefrontal contributions to spatial navigation. Trends in Cognitive Sciences. 25 (6), 520-533 (2021).
- Wegman, J., Janzen, G. Neural encoding of objects relevant for navigation and resting state correlations with navigational ability. Journal of Cognitive Neuroscience. 23 (12), 3841-3854 (2011).
- Braun, U., et al. Test-retest reliability of resting-state connectivity network characteristics using fMRI and graph theoretical measures. Neuroimage. 59 (2), 1404-1412 (2012).
