[논문 리뷰] Inter-regional ECoG correlations predicted by communication dynamics, geometry, and correlated gene expression

Richard F. Betzel, John D. Medaglia외 4명|arXiv (Cornell University)|2017. 06. 19.

Electrochemical Analysis and ApplicationsChemistry인용 수 18

한 줄 요약

이 연구는 다중 피험자 뇌내 전기영상(EEG, ECoG) 기록에서 전체 뇌 기반의 구역화 기반 기능적 연결망을 구축하고, 상호 영역 간 ECoG 상관관계가 해부학적 연결성, 영역 간 거리, 유전자 공발 발현 패tern에 의해 예측 가능하게 형성됨을 보여준다. 이 모델은 개인 간에 ECoG 연결망을 정확하게 예측하며, 특히 이온 채널 및 세밀막 전위 조절과 관련된 유전자 집단이 기능적 연결성과 강하게 연관되어 있어 뇌 네트워크 조직의 분자 기반을 드러낸다.

ABSTRACT

Electrocorticography (ECoG) provides direct measurements of synchronized postsynaptic potentials at the exposed cortical surface. Patterns of signal covariance across ECoG sensors have been associated with diverse cognitive functions and remain a critical marker of seizure onset, progression, and termination. Yet, a systems level understanding of these patterns (or networks) has remained elusive, in part due to variable electrode placement and sparse cortical coverage. Here, we address these challenges by constructing inter-regional ECoG networks from multi-subject recordings, demonstrate similarities between these networks and those constructed from blood-oxygen-level-dependent signal in functional magnetic resonance imaging, and predict network topology from anatomical connectivity, interregional distance, and correlated gene expression patterns. Our models accurately predict out-of-sample ECoG networks and perform well even when fit to data from individual subjects, suggesting shared organizing principles across persons. In addition, we identify a set of genes whose brain-wide co-expression is highly correlated with ECoG network organization. Using gene ontology analysis, we show that these same genes are enriched for membrane and ion channel maintenance and function, suggesting a molecular underpinning of ECoG connectivity. Our findings provide fundamental understanding of the factors that influence interregional ECoG networks, and open the possibility for predictive modeling of surgical outcomes in disease.

연구 동기 및 목표

• 변동하는 전극 배치와 희박한 커버리지에도 불구하고 다중 피험자 ECoG 데이터로부터 전체 뇌 기반 기능적 연결망을 구축하는 방법을 개발하는 것.
• ECoG 기능적 네트워크가 fMRI BOLD 네트워크와 유사한 구조적 특성을 가지는지 확인하는 것.
• 특히 해부학적 연결성, 거리, 유전자 공발 발현과 같은 신경생물학적 요인이 상호 영역 간 ECoG 상관관계 패턴을 예측하는 데 기여하는지 규명하는 것.
• 특히 이온 채널과 관련된 유전자 발현 패턴이 ECoG 연결성을 예측하는 네트워크에서 뚜렷하게 enrichment되어 있는지 평가하는 것.
• 단일 피험자 ECoG 데이터로 학습된 모델이 개인별 네트워크 구조를 일반화하여 예측할 수 있는지 평가하는 것.

제안 방법

• 표준화된皮질 구역화를 사용하여 다중 피험자 ECoG 기록에서 구역화 기반의 밴드 제한 기능적 연결성(FC) 네트워크를 구축하였다.
• 연결 무게 상관관계, 거리 의존성, 모듈 구조 등의 지표를 사용하여 ECoG FC 네트워크와 fMRI BOLD 네트워크를 비교하였다.
• 해부학적 연결성, 영역 간 유클리드 거리, 유전자 공발 발현 상관계수 행렬을 예측 변수로 사용하여 ECoG FC 무게를 예측하는 다중선형 모델을 구축하였다.
• 예측 능력이 가장 높은 유전자를 반복적으로 선택하여 유전자 집합을 최적화하고, 최고 성능을 보인 유전자 집합에 대해 유전자 온톨로지(GO) 분석을 수행하였다.
• 예측 모델을 개별 피험자에게 적합하고, 특이성 및 외부 샘플 예측 정확도를 평가하였다.
• 통계적 유의성과 모델의 강건성을 평가하기 위해 순열 검증과 교차 검증을 사용하였다.

실험 결과

연구 질문

• RQ1 ECoG 기능적 연결망은 구조적 조직 측면에서 fMRI BOLD 네트워크와 어느 정도 유사한가?
• RQ2 해부학적 연결성, 영역 간 거리, 유전자 공발 발현 패턴을 사용하여 상호 영역 간 ECoG 상관관계를 정확히 예측할 수 있는가?
• RQ3 기능적 연결망 구조를 가장 잘 예측하는 특정 유전자는 무엇이며, 이들의 생물학적 기능은 공통으로 무엇인가?
• RQ4 개별 피험자 데이터로 학습된 예측 모델이 다른 피험자에게도 잘 일반화되는가, 아니면 매우 특정적인가?
• RQ5 ECoG 네트워크 조직에 분자 기반이 존재하는가, 특히 이온 채널과 세밀막 전위 조절과 관련된가?

주요 결과

• ECoG 기능적 연결망은 연결 무게 상관관계, 거리 의존성, 모듈 구조 등에서 fMRI BOLD 네트워크와 강한 구조적 유사성을 보였다.
• 해부학적 연결성, 영역 간 거리, 유전자 공발 발현을 조합한 다중선형 모델이 ECoG FC를 높은 정확도로 예측하였으며, 단일 또는 이원 요소 모델보다 뛰어난 성능을 보였다.
• 가장 뛰어난 예측 성능를 보인 유전자 집합은 이온 채널 활성, 세밀막 전위 조절, 전압 감응 이온 채널 기능으로 유의미하게 enrich되어 있었으며, 특히 1–4 Hz 및 4–8 Hz 주파수 대역에서 두드러졌다.
• 유전자 온톨로지 분석 결과, 가장 예측 능력이 높은 유전자는 '양이온 채널 활성'(p = 6.55×10⁻⁶), '전압 감응 나트륨 채널 활성'(p = 5.78×10⁻⁵), '세밀막 전위 조절'(p = 7.74×10⁻⁴) 등의 용어로 유의미하게 enrich되어 있었다.
• 단일 피험자 ECoG 데이터로 학습된 모델은 높은 특이성과 외부 샘플 예측 정확도를 보였으며, 개인 간에 공통된 조직 원칙이 존재함을 시사했다.
• 특히 이온 운반 및 세밀막 전위 관련 유전자 집합을 제한적으로 포함함으로써 모델 성능이 향상되었으며, 이는 ECoG 연결성의 직접적인 분자 기반을 시사한다.