[논문 리뷰] Efficient Coding in the Economics of Human Brain Connectomics

Dale Zhou, Christopher W. Lynn외 10명|arXiv (Cornell University)|2020. 01. 14.

Functional Brain Connectivity Studies인용 수 5

한 줄 요약

이 연구는 인간 뇌의 구조적 연결망이 손실 압축을 통해 정보 전송을 최적화하며, 대사 비용과 정확도의 균형을 무작위 보행 동역학을 통해 달성한다고 제안한다. 1,042명의 청소년에서 확산 MRI와 뇌혈류량 데이터를 사용하여, 정확도와 대사 비용의 상호작용을 수량화하는 압축 효율성이 기존의 네트워크 지표를 초월해 인지 기능을 예측함을 입증한다.

ABSTRACT

In systems neuroscience, most models posit that brain regions communicate information under constraints of efficiency. Yet, evidence for efficient communication in structural brain networks characterized by hierarchical organization and highly connected hubs remains sparse. The principle of efficient coding proposes that the brain transmits maximal information in a metabolically economical or compressed form to improve future behavior. To determine how structural connectivity supports efficient coding, we develop a theory specifying minimum rates of message transmission between brain regions to achieve an expected fidelity, and we test five predictions from the theory based on random walk communication dynamics. In doing so, we introduce the metric of compression efficiency, which quantifies the trade-off between lossy compression and transmission fidelity in structural networks. In a large sample of youth (n = 1,042; age 8-23 years), we analyze structural networks derived from diffusion weighted imaging and metabolic expenditure operationalized using cerebral blood flow. We show that structural networks strike compression efficiency trade-offs consistent with theoretical predictions. We find that compression efficiency prioritizes fidelity with development, heightens when metabolic resources and myelination guide communication, explains advantages of hierarchical organization, links higher input fidelity to disproportionate areal expansion, and shows that hubs integrate information by lossy compression. Lastly, compression efficiency is predictive of behavior--beyond a conventional metric--for cognitive domains including executive function, memory, complex reasoning, and social cognition. Our findings elucidate how macroscale connectivity supports efficient coding, and serve to foreground communication processes that utilize random walk dynamics constrained by network connectivity.

연구 동기 및 목표

• 구조적 뇌 네트워크가 대사 제약 조건 하에서 효율적인 코딩을 어떻게 지원하는지 조사하기 위해.
• 뇌의 계층적이고 허브가 많은 구조가 정보 정확도와 대사 비용 사이의 최적 균형을 달성할 수 있는지 테스트하기 위해.
• 이러한 균형을 수량화하는 데 사용할 수 있는 새로운 지표인 압축 효율성의 개발 및 검증을 위해.
• 압축 효율성이 전통적인 네트워크 효율성 측정치를 초월해 인지 기능을 예측할 수 있는지 확인하기 위해.
• 마이엘린화와 대사 자원(뇌혈류량을 통한)이 효율적인 소통 동역학을 형성하는 데 어떤 역할을 하는지 조사하기 위해.

제안 방법

• 인간의 구조적 연결망에서 무작위 보행 동역학을 사용하여 뇌 영역 간의 메시지 전달을 시뮬레이션하는 이론적 모델을 개발하였다.
• 정보 이론에서 유도된 비율-왜곡 균형 지표로서 압축 효율성을 정의하여, 구조적 네트워크가 정확도와 손실 압축 사이에서 얼마나 잘 균형을 이루는지 수량화하였다.
• 대규모 청소년 코hort(n = 1,042, 연령 8–23세)에서 확산 강도 영상(DWI)을 사용하여 매크로스케일 구조적 뇌 네트워크를 구성하였다.
• 뇌혈류량(CBF)을 신경 소통의 에너지 소비의 대체 지표로 사용하여 대사 비용을 정의하였다.
• 관측된 압축 효율성의 통계적 유의성을 평가하기 위해 공간 제약이 있는 근사 모델(SPIN)을 적용하였으며, 가족별 오류율을 보정하기 위해 Holm-Bonferroni 방법을 사용하였다.
• 형광 스플라인과 다변량 회귀를 사용하여 압축 효율성, 연령, 성별, 인지 기능 간의 비선형 관계를 모델링하였으며, 운동 및 네트워크 밀도와 같은 혼란 변수를 보정하였다.

실험 결과

연구 질문

• RQ1 인간의 구조적 연결망은 손실 압축을 통해 정보 정확도와 대사 비용의 균형을 유지함으로써 효율적인 코딩을 지원하는가?
• RQ2 압축 효율성은 발달, 마이엘린화, 대사 자원 가용성과 함께 어떻게 변화하는가?
• RQ3 압축 효율성은 실행 기능, 기억, 복잡한 추론, 사회인지 분야의 인지 기능을 어느 정도 예측할 수 있는가?
• RQ4 풍부한 허브 허브 영역은 비허브 영역에 비해 손실 압축을 통해 정보 통합에 어떻게 기여하는가?
• RQ5 기존의 네트워크 효율성 지표보다 압축 효율성이 행동 예측에 더 유informative한가?

주요 결과

• 인간 연결망에서의 압축 효율성은 우연에 비해 유의미하게 높으며, 이는 구조적 네트워크가 대사 제약 조건 하에서 효율적인 코딩을 최적화하고 있음을 시사한다.
• 압축 효율성은 연령 증가와 함께 증가하며, 이는 대사 효율성 향상과 마이엘린화로 인한 정보 정확도 향상의 발달적 개선을 반영한다.
• 높은 압축 효율성은 전역 네트워크 효율성 조정 후에도 실행 기능, 기억, 복잡한 추론, 사회인지 분야의 인지 기능 예측에 강력하게 기여한다.
• 풍부한 허브 허브 영역은 비허브 영역보다 높은 압축 효율성을 보이며, 이는 정확도와 대사 비용의 균형을 유지하기 위해 정보를 손실 압축을 통해 통합함을 시사한다.
• 대사 자원(CBF)과 마이엘린화는 압축 효율성의 주요 추진력이며, 신경생물학적 요소가 효율적 코딩의 정보 이론 원칙과 연결됨을 보여준다.
• 뇌의 계층적 조직은 장거리 연결에서 정확도를 유지하면서도 저비용으로 강건한 통신 경로를 제공함으로써 압축 효율성을 지원한다.