[논문 리뷰] Functional Alignment with Anatomical Networks is Associated with Cognitive Flexibility

John D. Medaglia, Weiyu Huang외 4명|arXiv (Cornell University)|2016. 11. 26.

Advanced Neuroimaging Techniques and Applications참고 문헌 43인용 수 6

한 줄 요약

이 연구는 확산 스펙트럼 영상(DFI)를 통해 유도된 개인별 해부학적 백질 네트워크와 기능적 뇌 신호를 정렬하는 그래프 신호 처리 프레임워크를 제안한다. 연구는 기능적 동역학과 기초 해부학적 네트워크 구조 간의 정렬도가 클수록 더 빠른 인지 전환을 예측함을 보여주며, 네트워크와 가장 정렬된 신호가 가장 높은 유연성을 보임을 확인한다. 이는 인지 민첩성에 대한 새로운 구조-기능 생물학적 지표를 수립한다.

ABSTRACT

Cognitive flexibility describes the human ability to switch between modes of mental function to achieve goals. Mental switching is accompanied by transient changes in brain activity, which must occur atop an anatomical architecture that bridges disparate cortical and subcortical regions by underlying white matter tracts. However, an integrated perspective regarding how white matter networks might constrain brain dynamics during cognitive processes requiring flexibility has remained elusive. To address this challenge, we applied emerging tools from graph signal processing to decompose BOLD signals based on diffusion imaging tractography in 28 individuals performing a perceptual task that probed cognitive flexibility. We found that the alignment between functional signals and the architecture of the underlying white matter network was associated with greater cognitive flexibility across subjects. Signals with behaviorally-relevant alignment were concentrated in the basal ganglia and anterior cingulate cortex, consistent with cortico-striatal mechanisms of cognitive flexibility. Importantly, these findings are not accessible to unimodal analyses of functional or anatomical neuroimaging alone. Instead, by taking a generalizable and concise reduction of multimodal neuroimaging data, we uncover an integrated structure-function driver of human behavior.

연구 동기 및 목표

• 인지 유연성의 개인적 차이를 예측할 수 있는 뇌 구조와 기능을 통합한 간결한 多모달 측정법을 규명하는 것.
• 백질 구조가 인지 전환 과정 중 동적인 기능적 뇌 활동을 어떻게 제약하는지 이해하는 데 미처 채워지지 않은 격차를 메우는 것.
• 개별 환자에 맞춘 해부학적 네트워크를 기반으로 기능적 신호를 분해하는 새로운 그래프 신호 처리 방법을 개발하고 검증하는 것.
• 기능적 신호가 고립된 기능적 또는 해부학적 지표보다는 해부학적 네트워크와의 정렬도가 행동 성능 예측에 더 유리한지 테스트하는 것.

제안 방법

• 28명의 건강한 피실험자에게 대해 확산 스펙트럼 영상(DFI) 트래크토그라피를 사용해 개인 맞춤 해부학적 뇌 네트워크를 구축하였다.
• 해부학적 네트워크 라플라스 행렬의 고유벡터와 정렬된 기능적 신호 성분으로 BOLD 기능적 신호를 분해하기 위해 그래프 신호 처리를 적용하였다.
• 행동적으로 관련성이 있는 동역학을 나타내는, 해부학적 네트워크 구조와 가장 정렬된 '유연한'(liberal) 기능적 신호 성분을 식별하였다.
• 해부학적 네트워크 구조가 기능적 신호 분산의 비율을 설명하는 정도를 계산하였으며, 피험자 평균으로 0.547%였다.
• 해부학적 구성의 특이성을 평가하기 위해 차수 및 강도 분포를 유지하면서 네트워크 구조를 무작위로 재배치하는 근사 테스트를 수행하였다.
• 헤드 모션 영향을 통제하기 위해 부분 상관계석 분 析에 프레임와이즈 이동량(framewise displacement)을 공변량으로 포함시켰다.

실험 결과

연구 질문

• RQ1 기능적 뇌 신호와 기초 해부학적 백질 네트워크 간의 정렬 정도가 건강한 개인의 인지 전환 능력 예측에 기여하는가?
• RQ2 해부학적 네트워크와 가장 정렬된 기능적 신호가 가장 빠른 작업 전환과 관련이 있는가?
• RQ3 관측된 정렬도와 전환 비용 간의 관계가 진짜 해부학적 네트워크 구성에 의존하는가, 아니면 무작위 네트워크 구조로도 재현될 수 있는가?
• RQ4 기본적인 단모달 측정법—예를 들어 평균 BOLD 분산, 노드 강도, 또는 기능-해부학적 상관관계—가 해부학적 네트워크와의 정렬도보다 전환 비용을 더 잘 예측하는가?
• RQ5 관측된 정렬도와 행동 간의 관계가 헤드 모션에 의해 주로 유도되는가, 아니면 신경 동역학에 의해 주로 유도되는가?

주요 결과

• 해부학적 네트워크 구조와 정렬된 기능적 신호 분산 비율은 인지 유연성과 유의미하게 상관되었으며, 부분 상관계수 r = 0.57 (p = 0.002)를 보였으며, 이는 정렬도가 클수록 전환이 더 빠르다는 것을 의미한다.
• 해부학적 네트워크와 가장 정렬된 신호는 고유한 인지 제어 기제인皮질-기저핵 기전을 지원하는 것으로 알려진 기저핵과 전방cingulate 고유의 영역에 집중되어 있었다.
• 귀무 근사 테스트 결과, 관측된 정렬된 신호와 전환 비용 간의 상관계수는 랜덤으로 재구성된 해부학적 네트워크의 99% 이상을 초과하였으며, 이는 진짜 해부학적 구성이 필수적임을 확인한다.
• 단순한 기능적 또는 해부학적 지표—예를 들어 평균 BOLD 분산(r = -0.09, p = 0.68), 평균 유하부노드 강도(r = -0.15, p = 0.48), 또는 기능-해부학적 상관계수(r = 0.17, p = 0.41)—는 전환 비용을 유의미하게 예측하지 못했다.
• 헤드 모션이 유연한 신호 정렬도와 유의미하게 상관되었음(r = 0.77, p = 1.10×10⁻⁶), 그러나 모션을 공변량으로 포함시킨 결과도 핵심 상관계수(r = 0.57 대비 r = 0.59)에 영향을 주지 않아, 행동적 관계가 모션 잡음에 의해 유도된 것이 아님을 확인하였다.
• 이 연구는 그래프 신호 처리를 통해 기능적 동역학을 개인 맞춤 해부학적 네트워크와 통합함으로써, 단일 모달 분석보다 더 정보가 풍부한 인지 유연성 생물학적 지표를 제공함을 수립하였다.