[논문 리뷰] Core-Periphery Organisation of Human Brain Dynamics

Danielle S. Bassett, Nicholas F. Wymbs외 4명|arXiv (Cornell University)|2012. 10. 12.

Neural dynamics and brain function인용 수 9

한 줄 요약

이 연구는 운동 기술 학습 중 인간 뇌의 동역학이 코어-퍼리퍼리 구조를 띤다는 것을 드러낸다: 안정적이고 높은 연결성을 가진 감각운동 및 시각 영역의 코어는 시간적으로 유연성이 없으며, 다중모odal 연합 영역으로 구성된 유연한 퍼리퍼리 영역은 자주 재구성된다. 이러한 코어-퍼리퍼리 구조는 개인의 학습 성공을 예측하며, 복잡한 목표 지향 행동에서 기능적 네트워크 재조직화를 이해하는 단순화된 프레임워크를 제공한다.

ABSTRACT

As a person learns a new skill, distinct synapses, brain regions, and circuits are engaged and change over time. In this paper, we develop methods to examine patterns of correlated activity across a large set of brain regions. Our goal is to identify properties that enable robust learning of a motor skill. We measure brain activity during motor sequencing and characterize network properties based on coherent activity between brain regions. Using recently developed algorithms to detect time-evolving communities, we find that the complex reconfiguration patterns of the brain's putative functional modules that control learning can be described parsimoniously by the combined presence of a relatively stiff temporal core that is composed primarily of sensorimotor and visual regions whose connectivity changes little in time and a flexible temporal periphery that is composed primarily of multimodal association regions whose connectivity changes frequently. The separation between temporal core and periphery changes over the course of training and, importantly, is a good predictor of individual differences in learning success. The core of dynamically stiff regions exhibits dense connectivity, which is consistent with notions of core-periphery organization established previously in social networks. Our results demonstrate that core-periphery organization provides an insightful way to understand how putative functional modules are linked. This, in turn, enables the prediction of fundamental human capacities, including the production of complex goal-directed behavior.

연구 동기 및 목표

• 운동 기술 학습 중 기능적 네트워크 재조직화의 조직 원리를 규명하기.
• 뇌 영역이 학습을 지원하는 안정적이고 일관된 모듈을 형성하는지 확인하기.
• 코어-퍼리퍼리 아키텍처가 학습 성과의 개인적 차이를 설명하는지 조사하기.
• 시간에 따라 변화하는 커뮤니티 탐지 방법을 개발하고 기능적 뇌 네트워크에 적용하기.

제안 방법

• 최근 개발된 알고리즘을 활용해 기능적 뇌 네트워크에서 시간에 따라 변화하는 커뮤니티를 탐지했다.
• 뇌 영역 간 일관된 활동 패tern을 기반으로 네트워크를 구축했다.
• 시간에 걸쳐 연결성 변동성이 낮은 감각운동 및 시각 영역으로 구성된 시간적 코어를 식별했다.
• 시간에 따라 연결성 변동성이 높은 다중모달 연합 영역으로 구성된 시간적 퍼리퍼리를 식별했다.
• 훈련 세션 전반에 걸쳐 코어와 퍼리퍼리 간의 분리 정도를 동적 측정치로 정량화했다.
• 코어-퍼리퍼리 구조를 개인의 학습 결과와 상관시켜 예측 능력을 평가했다.

실험 결과

연구 질문

• RQ1 운동 기술 습득 과정에서 기능적 뇌 네트워크는 어떻게 재구성되는가?
• RQ2 학습 뇌에서 기능적 모듈 간의 동적 상호작용을 규정하는 조직 원리는 무엇인가?
• RQ3 학습 과정에서 일관된 연결성을 유지하는 안정적인 뇌 영역의 코어가 존재하는가?
• RQ4 코어-퍼리퍼리 분리 정도가 개인 간 학습 성공의 차이를 예측할 수 있는가?
• RQ5 훈련 과정에서 단단한 코어와 민첩한 퍼리퍼리의 균형은 어떻게 변화하는가?

주요 결과

• 운동 기술 학습 중 뇌는 안정적인 코어와 유연한 퍼리퍼리 영역을 가진 코어-퍼리퍼리 조직을 보이며, 감각운동 및 시각 영역으로 구성된 코어는 시간에 따라 연결성 변화가 최소한이다.
• 유연한 퍼리퍼리는 주로 연결성 패턴이 자주 변화하는 다중모달 연합 영역으로 이루어져 있다.
• 코어와 퍼리퍼리 간 분리 정도는 훈련이 진행될수록 증가하며, 개인의 학습 성과와 강하게 상관된다.
• 코어 영역은 내부 연결성이 높으며, 사회적 시스템에서 관찰된 코어-퍼리퍼리 네트워크 구조와 일관된다.
• 코어-퍼리퍼리 아키텍처는 개인 간 학습 성공의 차이를 설명하는 중요한 예측 요소이다.
• 기능적 모듈의 동적 재구성은 단단한 코어와 민첩한 퍼리퍼리의 공존에 의해 간결하게 기술될 수 있다.