강지영 교수 NeuroImage 논문 게재

  • Post author:
  • Post category:News

우리 연구실의 강지영 연구교수는 이번 NeuroImage 저널에 Dynamic causal modeling of hippocampal activity measured via mesoscopic voltage-sensitive dye imaging 라는 제목으로 논문을 발표하였습니다.

 

이 논문에서는 전압민감영상(VSDI) 데이터를 동역학적 인과성 모델링(dynamic causal modeling, DCM)을 이용하여 분석하는 방법을 제시하였습니다(VSDI-DCM). DCM모델은 생물학적 특성을 반영한 뉴런 모델과 뉴런의 활동성으로부터 생성되는 실험에서 측정하는 신호로 바꾸어주는 관측 모델로 이루어져 있으며, 베이지안 기법을 이용하여 신경, 신경집단, 뇌 활동 영역 간의 실효연결망(방향성을 가지는 연결망)을 추정합니다. 이를 통해 영역별 활성화만을 비교하는 것에서 벗어나서, 생물학적 특성을 반영한 모델을 이용해 연결성을 추정할 수 있습니다.

또한, 이 연구에서는, 연구 대상 시스템에 맞는 보다 정밀한 파라미터를 가지고 분석을 진행하기 위해, 데이터베이스 (NeuronDB, Hippocamtome)등, 뉴런의 전기생리학적 정보를 활용하여 적절한 계산 모델을 구축하는 방법론을 개발하였습니다. 즉, 알려진 지식에 기반하여 모델 파라미터를 결정하고 정보가 없는 파라미터나, 자유도가 큰 파라미터를 머신러닝의 베이지안 최적화 기법을 활용하여 순차적으로 추정하도록 하여 생물학적으로 의미있는 영역에서 뉴런집단 활동성을 가짐과 동시에 실험데이터를 재현할 수 있는 뇌계산모델 구축 하기위한 이론해석 체계를 제시하였습니다.

제시한 방법론을 이용하여 뇌전증 모델 쥐와 정상 쥐 해마의 전압민감영상 데이터분석, 그룹간 차이를 보이는 유효 연결이 어떠한 것인지 추출하였으며, 추출된 연결 들을 컴퓨터 모델상에서 하나씩 바꾸어 같은 자극에 대해 어떻게 반응하는지를 체계적으로 확인하여, 어떤 연결 특성이 뇌전증 모델 쥐처럼 행동하는 게 만드는지에 대한 효과를 확인하였습니다.

이 연구는 VSDI데이터를 최초로 DCM 분석 연구하였다는 것 이외에도, 대상으로 하는 시스템에 맞는 보다 정교한 모델링하는 보다 일반적인 방법을 제시하였다는 점에서 중요한 기여를 한 것으로 평가됩니다.

DCM을 활용한 VSDI영상데이터 분석 예, 머신러닝 기법을 활용한 파라미터 탐색 예 (왼쪽) 과 뇌전증 모델 쥐와 정상 쥐 해마의 전압민감영상 데이터 분석 결과 얻어진 그룹간 차이가 큰 유효 연결망

 

[논문]

Kang, J., Jung, K., Eo, J., Son, J., Park, H.J., 2020. Dynamic causal modeling of hippocampal activity measured via mesoscopic voltage-sensitive dye imaging. Neuroimage 213, 116755.