• 검색 결과가 없습니다.

커넥톰 프로젝트에 대한 소개와 전망

N/A
N/A
Protected

Academic year: 2021

Share "커넥톰 프로젝트에 대한 소개와 전망"

Copied!
8
0
0

로드 중.... (전체 텍스트 보기)

전체 글

(1)

커넥톰 프로젝트에 대한 소개와 전망 김상태 Page 1 / 8 BRIC View 2017-T22

커넥톰 프로젝트에 대한 소개와 전망

김 상 태

분당서울대병원 E-mail: lingokst@snu.ac.kr 요약문 인간 뇌구조는 위상학적 구조를 지닌 복잡한 뇌신경회로망으로써 뇌영상기법과 정교한 그래픽이론분석법을 이용하여 가시화할 수 있다. 이런 기법은 정상적인 성장발달, 노화 및 병리조건을 탐구하거나 건강한 집단에서 아주 흥미로운 위상학적 조형물로 뇌신경회로망을 구축할 수도 있다. 하지만 이런 방법론으로 거대한 뇌신경망 복잡계를 그래픽 기반 회로의 가시화 도구로 적용하는데는 아직 부족하다. 여기서 그래픽 사용자 접속기(GUI)인 MAYLAB 기반 BrainNet Viewer인 볼과 스틱모형 같은 인간 뇌신경 회로망을 그리기 위한 그래픽-이론적 회로망 가시화 도구가 개발되었다. 이 도구는 뇌신경망정보가 있는 잘 정리된 파일의 여러 조합으로 뇌의 표면, 모서리 및 마디의 상이한 조합 배열로 운영할 수 있다. 부가적으로 이런 회로망 요인 색과 크기 배열 같은 것이나 그림의 위치는 포괄적으로 보정하도록 판넬에 아주 쉽게 배치되어 있다. 따라서 BrainNet Viewer는 사용자의 요구성에 의해 복합적인 영상 속에 뇌의 연결망을 배열하고 이 배열에 뇌표면, 모서리 및 마디를 작제하게 된다. 이런 그림은 자세한 정보를 더 나타내기 위해 어떤 상호작용 기능을 조절할 수 있다. 그러므로 이런 가시화는 파일 포맷과 비디오로 증명하여 출력할 수도 있다. BrainNet Viewer는 쉽고, 부드럽게도 할 수도 있으며 신속하게 뇌회로망을 가시화하도록 연구자한테 지원하고, 이러한 소프트웨어는 자유롭게 NITRC 웹사이트(www.nitrc.org/projects/bnv/)에서도 이용할 수 있다.

Key Words: Mapping, BrainNet Viewer, connectomes, toolbox,complex system,ball-and-stick,

neuroimaging

목 차

1. 서론 2. 본론

(2)

커넥톰 프로젝트에 대한 소개와 전망 김상태 Page 2 / 8 3. 결론

4. 참고문헌

1. 서론

최근에 가장 도전적인 과학이슈는 인간 뇌지도이다. 이 뇌지도는 인간 뇌회로망 프로젝트 (The Human Connectome Project, HCP)에서 뇌 기능과 행동을 이루는 신경 경로를 구성하는 측면에서 장애요인이기도 하였다. 더욱 놀라운 것은 인간 복잡계인 뇌회로망 해독은 모든 사람 중에 한 인간을 구분하는 목적이기도 하다. 이것은 처음 워싱턴대, 미네소타대, 옥스포드대에 의해 구성된 컴소시움(the WU-Minn HCP consortium)이 비침습적 뇌영상의 최첨단기법을 이용한 1,200명 건강한 성인을 대상으로 인간 뇌회로망을 완전히 지도화하는 것에서 비롯되었다. 뇌의 연결고리에 대해 유용한 정보는 행동과 유전적이고 뇌회로망과 행동들이 각각의 차이에 대해서 환경적인 인자에 의해 상호 연관성이 있음을 이해할 수 있다. 이 컴소시움의 첫 성과(Q1, March, 2013)는 과학계에서 자유롭게 이용할 수 있다. 즉 4가지 영상 양식인 전례 없는 고해상도 결과를 확보하여 휴지기 상태(functional MRI; rfMRI)와 분산형 영상(dMRI)는 뇌의 연결에 대한 정보를 제공하고, Task-evoked fMRI는 뇌기능에 대해 많이 제공되었다. 또한 구조적 sMRI는 큰 나선형 대내피질의 모양을 확보하였다. 따라서 행동적 데이터는 인지, 지각, 개성의 개인 간 차이에서 뇌회로망의 기초로 제공되었다. 추가적으로 자기뇌파 검사법을 이용되었다. 따라서 건강한 인간 뇌회로망의 성공적인 도형작성은 수많은 뇌질환, 발달 및 노화 기간 동안 뇌 회로망의 미래연구의 도로망이 될 것이다. 이러한 것은 인간 뇌를 이해하는 것은 건강과 질병에 도움이 될 것이다. 여기서 인간 뇌는 신경세포 회로로 구성된 위상학적 구조이면서 자연적인 뇌복잡계이다. 즉 이런 뇌구조는 구조적이고 기능적 회로의 복잡계인 셈이다. 인간 뇌신경 연결망의 지도는 기본적으로 뇌해부학, 뇌발달, 뇌인지 신경과학 및 뇌심리학 분야에서 중요하다. 인간 뇌지도는 그래픽이론에서 뇌영상 자료나 뇌영역에서 모서리의 마디이나 회백질 의 모서리 및 화소로 연결된다. 즉 마디와 모서리는 뇌영상 데이터에서 추출하고 그래픽 이론 알고리즘은 구조적 네트웍의 위상학적 특성으로 적용된다[1, 2]. 이 알고리즘은 작은 세상, 모듈, 상위 연결 허브, 부자클럽 환경같은 비위상학적 특징을 제공한다. 현재 이 그래픽기법은 인간 뇌회로망 특징 중에, 노화, 발달, 성별, 지적, 유전적 기인하는 집단 간의 상호관계를 조사하는데 이용된다. 이런 그래픽 근거 회로망 분석은 치매, 경도인지장애, 조헌병 및 간질같은 신경심리질환에 응용되고 있다. 그러므로 이런 뇌지도 작성법을 잘 활용하여 아주 정교한 인간 뇌복잡계를 작성하는 것이야 말로 인간 뇌 정복의 원천이 될 것이다. 뇌지도를 이해하는데 다음과 기본 개념이 습득하므로 크게 도움이 될 것이다.

2. 본론

뇌지도 작성에 위상학 도구는 Brain Connectivity Toolbox (BCT) [3], eConnectome [4], Graph-Analysis Toolbox (GAT) [5], Pipeline for Analyzing braiN Diffusion imAges (PANDA) [6], NetworkX

(3)

커넥톰 프로젝트에 대한 소개와 전망 김상태 Page 3 / 8 (http://networkx.lanl.gov/index.html), Brainwaver (http://cran.r-project.org/web/packages/brainwaver /index. html) and Graph-theoRETical Network Analysis toolkit (GRETNA, http://www.nitrc.org/projects/ gretna/)가 뇌신경회로망의 연구에 아주 유용하다. 그러나 아직도 마디와 모서리로 뇌연결망을 가시화하기 위한 도구로는 아직 부족하다.

그림 1. Brain connetome을 매핑하기 위한 뇌모델구축을 위한 뇌영상 자료나 뇌영역에서 모서리의 연결 정점, 회백질 형태학적 모서리 및 화소 데이터의 배열로 완성된 뇌 connetome 구조영상

이 BrainNet Viewer라는 GUI (Microsoft Corp.,Redmond, WA, US)와 같은 프로그램 언어인 MATLAB (The MathWorks Inc., Natick, MA, US)를 이용하여 NIfTI과 분석 포멧파일(*.nii; *.img)을 가동하기 위한 Statistical Parametric Mapping 8 (SPM, http://www.fil.ion.ucl.ac.uk/spm/)의 기능 도구가 필요하다[8]. 이 도구로 뇌 표면, 마디 그리고 모서리, 부피파일 같은 뇌연결망을 지닌 파일과 연결하여 그리기 위해 설계되어 있다. 이때 판넬 옵션은 출력, 배경색, 표면 투명도, 정점 색, 크기, 모서리 및 영상해상도를 나타낸다. 이 BrainNet Viewer는 마디, 모서리 및 뇌표면이 작제되고 다중화면 속에 사용자 요구에 의해 뇌지도가 가사화된다. 마지막으로 그림 1처럼 그림은 영상파일 포멧으로 작제된다. 파일 입력양식은 ASCII text (nv,.pial, mesh파일)의 뇌표면 파일, 마디파일, 모서리파일, 부피파일이 있다. 이 가시화는 뇌표면 파일에는 두 개의 주형인 Ch2 (with/without cerebellum and separated hemispheres)와 ICBM (smoothed/undersmoothed, MNI/Talaraich and separated hemispheres)과 정점, 모서리, 인간네트웩 파일은 여러 뇌구획화로부터 생성된 뇌회로망 파일이 존재한다. Automated anatomical labeling (AAL), Brodmann area, Harvard-Oxford Atlas (HOA), region of interest (ROI) 그리고 LONI probabilistic brain atlas (40 region)가 저장되어 있다. 예를 들면, 뇌구조 위에 커버모서리를 그리기 위해 정육면체 Bezier 커버를 응용하면 각 모서리의 4개 기준점은 ROI표면 중심과 뇌중심으로부터 확장점에 의해 정의된다[7].

(4)

커넥톰 프로젝트에 대한 소개와 전망 김상태 Page 4 / 8 그림 2. 두 지역의 ROI에 연결된 Bezier 커버를 조성(a)하고 동일색상의 상이한 음영이거나 상이한 색상과의 등고선 잔류편차들

그림 3. Brain connetome viwer의 입력창

그렇다면 사용자한테 친숙하고 사용하기 쉬운 뇌지도를 작제하기 위한 그림을 부드럽게, 재생시키면서 플렛폼을 신속히 가시화하도록 제공하는 Graphical User Interface (GUI)인 BrainNet Viewer에 대해 알아보자. 이 도구는 뇌 표면, 마디, 모서리 및 파일 부피는 뇌연결망에 대한 기본적인 정보를 도출할 수 있고 지도 전개를 자세히 변형하기 위해 알기 쉽게 옵션으로 설계된다. BrainNet Viewer는 사용자 요구에 의해 자동적으로 그림이 재생되고 사용을 위해 여러 공통 영상 포맷을 저장할 수 있다. 그러므로 더 자세한 정보를 증명하기 위해 기능적으로 가능하게 되어

(5)

커넥톰 프로젝트에 대한 소개와 전망 김상태 Page 5 / 8 있다(그림 3).

이 뷰로 가시화영상을 구현하기 위해 1)대상은 198명의 건강한 Beijing Normal University의 참가자를 대상으로 게재된 fMRI 데이터를 분석하였는데 2)영상 획득을 위한 변수는 repetition time =2000 ms, echo time = 30 ms, in-plane resolution = 3.125 mm 63.125 mm, slice thickness = 3 mm, number of slices = 33, section gap = 0.6 mm, flip angle =90u, field of view = 200 mm 6200 mm and time points = 225으로 영상 3)초기진행은 DPARSF과 SPM5 (www.fil.ion.ucl.ac.uk/spm/)을 이용하여 구현하였다. 초기시작은 조작의 시간, 재편성, 3-mm 화소 크기, MNI 공간에서 EPI 주형의 표준의 공간적 균등, 4-mm FWHM 핵의 공간적 다금질 및 통과 주파수 여과(0.01-0.08Hz) 순이다. 4)네트웍 구축은 화소와 영역기반 네트웍으로 영역기반 네트웍은 전체 90영역에서 Pearson’s 상관계수를 기초로 하여 90x90 상관 메트리스이고, 화소 기반 네트웍은 정점으로 GM화소으로 ~50,000x50,000 상관계수로 구축한 것이다. 5)네트웍 분석은 functional connectivity strength (FCS)과 유의성으로 계산하여 1보다 큰 z-값의 정점으로 네트웍 허브로 인정하였다. 6) 파일의 중첩은 뇌표면파일, 마디파일, 뇌표면과 마디파일, 마디파일과 모서리파일, 뇌표면, 마디 및 모서리파일, 부피에서 표면파일을 매핑하기 위한 뇌표면과 부피파일 그리고 뇌표면, 마디 및 부피파일을 대상으로 분석한다. 그림 4. BrainNet viewer을 통해 뇌모델의 상이한 배치의 뇌신경회로망 추출 이 뷰를 통해 배치 판넬에는 상, 하, 전면과 후면부분으로 나타내고 마디와 모서리의 점의 수를 정밀하게 고정하여 마디 사이즈와 색상을 4영역으로 생성된다. 그리고 모서리는 사이즈와 색상을 모서리별 구분하여 세 부분으로 나눈다. 마지막으로 ROI의 집단은 부피에서 표면으로

(6)

커넥톰 프로젝트에 대한 소개와 전망 김상태 Page 6 / 8 조절하고 크기와 해상도가 배열된다. 따라서 Brain connetome의 그림 4에서처럼 TIFF, BMP, EPS, JPEG와 PNG 파일로도 저장이 가능하다. 근래에는 이런 기능을 python-기반이나 비Matlab-기반 도구로 통해 비교 비쥬얼 기능이 첨가되는 체계로 진행 중이다. 최근에 neuroConstruct (www.neuroconstruct.org), PyNN (neuralensemble.org/PyNN)및 CPT (Connectivity Pattern Tables)와 같은 최소 규모로 신경회로망 모델을 위한 모의실험과 가시화 도구도 있다. 또한 여러 네트웍 분석도구는 Pajek와 Connectome Viewer를 위한 BCT 재생파일, GAT, GRETNA 및 RESting-state fMRI 분석 도구키트(REST, www.restfmri.net)같은 뇌회로망 도구로 네트웍 가시화 소프트웨어가 있는 접속기가 제공된다. 그 외 다양한 도구들은 거의 MATLAB 환경에서 개발되고 있다. 한편 이런 도구의 코드들이 메모리 소비를 최소화하기 위해 최적화할 수 있어야 하는데 MATLAB 환경에서는 아직 한계가 있다. 그래서 이런 코드의 해독을 위한 더 효율적인 프로그램 언어인 파이션과 C언어가 더 효과적인 솔루션이 될 것이다. 표 1. 신경과학 네트웍 도구들

3. 결론

향후 인간 뇌지도 데이터를 위한 조합된 가시화 솔루션을 언급한 것처럼 영상의 다중기법이 MRI, DTI 및 fMRI의 해부학적 뇌구조 속에 뇌지도의 분석 특징을 집중될 것이다[7]. 그러므로

(7)

커넥톰 프로젝트에 대한 소개와 전망 김상태 Page 7 / 8 사용자들로부터 잘 알려진 BrainNet Viewer는 연결망의 가사화와 뇌구조의 표면에 기인하는 회로만 특징은 표면을 기반하는 점이다. 표면은 표면영역을 포함한 공간적 구조의 과학적 데이터를 가시화하고 정보 가사화를 융합하기 위해 효과적인 접근법이다. 앞으로는 조합된 가시화가 지속적으로 개발될 것이다. 구조 네트웍과 기능적 회로 사이에서 특히 상이한 뇌지도 구축과정에서 다양한 지도와 비교하기 위한 흥미로운 가시화법이 연구될 것이다. 흥미로운 것은 기능적 뇌영상 데이터에서 기능적 회로망의 분석이다. 최근 뇌지도는 인간 뇌회로망의 연구에 촉매역할을 하고 있다는 점이다. 기능적 연결망 속에 자연스레 resting-state fMRI의 이용은 이러한 신호에서 기인한다라고 할 수 있다. 하지만 기능적 연결은 뇌회로망 속에서 구조적 연결과 관련하고 기능적 뇌통신망이 얼마나 인지능력에 중요한 역할을 생성하는지 전망된다. 따라서 그래픽이론을 이용한 기능적 연결패턴을 분석하는 분야가 곧 다가올 전망이다. 특히 BrainNet Viewer를 이용한 인간 뇌신경회로망의 가사화는 최근 AI(인공지능)과 융합한 시대가 점점 다가올 경우 미래에는 치매, 조헌병 및 간질같은 뇌질환의 분석하는데 새로운 기능적 뇌회로망 분석 도구로써 그 가치가 무궁 무진할 것이다.

4. 참고문헌

[1] Bullmore E, Sporns O.; Complex brain networks: graph theoretical analysis of structural and functional systems. Nat Rev Neurosci (2009) 10: 186–198.

[2] Bullmore E, Sporns O.; The economy of brain network organization. Nat Rev Neurosci (2012) 13: 336–349. [3] Rubinov M, Sporns O.; Complex network measures of brain connectivity: uses and interpretations. Neuroimage (2010) 52: 1059–1069.

[4] He B, Dai Y, Astolfi L, Babiloni F, Yuan H, et al. eConnectome: A MATLAB toolbox for mapping and imaging of brain functional connectivity.J Neurosci Methods (2011) 195: 261–269.

[5] Hosseini SM, Hoeft F, Kesler SR GAT: a graph-theoretical analysis toolbox for analyzing between-group differences in large-scale structural and functional brain networks. PLoS One (2012) 7: e40709.

[6] Cui Z, Zhong S, Xu P, He Y, Gong G PANDA: a pipeline toolbox for analyzing brain diffusion images. Front Hum Neurosci (2013) 7: 42.

[7] van den Heuvel MP1, Hulshoff Pol HE. Exploring the brain network: a review on resting-state fMRI functional connectivity. Eur Neuropsychopharmacol.(2010) 20(8):519-34.

[8] Xia M, Wang J, He Y. BrainNet Viewer: a network visualization tool for human brain connectomics. PLoS One (2013) 8: e68910.

(8)

커넥톰 프로젝트에 대한 소개와 전망 김상태 Page 8 / 8

※ 본 콘텐츠는 의 후원으로 작성되었습니다.

The views and opinions expressed by its writers do not necessarily reflect those of the Biological Research Information Center. 김상태(2017). 커넥톰 프로젝트에 대한 소개와 전망. BRIC View 2017-T22

Available from http://www.ibric.org/myboard/read.php?Board=report&id=2753 (May 30, 2017) Email: member@ibric.org

수치

그림  1. Brain connetome을  매핑하기  위한  뇌모델구축을  위한  뇌영상  자료나  뇌영역에서  모서리의  연결  정점,  회백질  형태학적  모서리  및  화소  데이터의  배열로  완성된  뇌  connetome  구조영상
그림  3. Brain connetome viwer의  입력창

참조

관련 문서

Prophylactic cranial irradiation for preventing brain metastases in patients undergoing radical treatment for non-small-cell lung.. A randomized trial of surgery

그 외 사회 전반에 적용되는 광의의 플랫폼 - 공용플랫폼/ 디자인 플랫폼/ 브랜드 플랫폼 등. 플랫폼은 공용하고 차량의 스타일 등을 결정하는

■ 인접 플랫폼이나 신규 플랫폼을 상시 모니터링 하여 자사의 플랫폼 전략에 반영할 필요 있음. 외부 환경과 기업 상황에 맞는

http://blog.naver.com/op2330

또한 뇌의 의식적인 영역과 무 의식적인 영역 사이의 경계영역으로서의 둘레계통 의 활동을 의미. • Emotion brain,, Memory

*단어 사이의 공통성과

* The prefrontal cortex has few dopamine receptors of its own, but it may regulate dopamine in other circuits in the brain.. * dopamine is present in high levels in

동결방지 조치를 취하여 등을 사용하여 적절한 우려가 있는 곳은 보온재 드레인 호스 설치시 동결.