뇌 피질 네트워크 손상에 대한 강인성 시뮬레이션

초록

본 연구는 고양이와 마카크 영장류의 피질 간 연결망을 복잡계 네트워크 이론에 적용하여, 노드와 연결을 제거했을 때 구조적 특성이 어떻게 변하는지를 시뮬레이션한다. 재배열된 작은 세계, 무작위, 그리고 스케일‑프리 네트워크와 비교한 결과, 뇌 네트워크는 특히 스케일‑프리 모델과 유사한 붕괴 패턴을 보이며, 고연결 허브와 병목 연결이 손상에 대한 조건부 강인성을 제공한다는 결론을 도출한다.

상세 분석

이 논문은 뇌 구조와 기능 사이의 인과관계를 탐구하기 위해 복잡계 네트워크 분석을 피질 간 연결망에 적용한 최초의 시도 중 하나이다. 고양이와 마카크의 대뇌 피질을 대상으로, 각각 52개와 91개의 영역을 정점(node)으로, 해부학적 추적 연구를 통해 얻은 유향성 연결을 엣지(edge)로 정의하였다. 연구자는 두 가지 손상 시뮬레이션 전략을 채택했는데, 첫 번째는 정점 제거(node‑targeted attack)이며, 두 번째는 엣지 제거(edge‑targeted attack)이다. 각각의 전략에서 정점 혹은 엣지를 무작위로 제거하거나, 연결 정도(degree) 혹은 베트위니스(centrality)와 같은 중요도 지표에 따라 순차적으로 제거하였다. 손상 전후의 네트워크 특성은 평균 최단 경로 길이, 클러스터링 계수, 연결성(giant component size) 등을 통해 정량화되었다.

벤치마크로 사용된 네트워크는 (1) 무작위 에르되시(ER) 그래프, (2) 재배열된 작은 세계(WS) 그래프, (3) 무척도 자유 파워‑law 분포를 갖는 스케일‑프리(BA) 그래프, (4) 동일한 연결 밀도를 유지한 재배열 네트워크 등이다. 비교 결과, 뇌 네트워크는 무작위 그래프와는 달리 높은 클러스터링과 짧은 평균 경로를 유지하면서도, 스케일‑프리 네트워크와 유사하게 고차 정점(허브)의 손상이 전체 연결성을 급격히 감소시키는 특성을 보였다. 특히, 정점 제거를 정점 차수에 따라 내림차순으로 수행했을 때, 뇌 네트워크는 10% 이하의 허브만 제거해도 거대 성분이 급격히 붕괴했으며, 이는 스케일‑프리 모델과 거의 일치한다. 반면, 무작위 제거에서는 네트워크가 비교적 완만하게 약화되어, 무작위 그래프와 비슷한 강인성을 나타냈다. 엣지 제거에서도 병목 연결(높은 베트위니스 값을 가진 엣지)의 손상이 전체 네트워크 효율성을 크게 저하시켰으며, 이는 허브와 병목이 뇌의 전반적 정보 흐름을 지탱한다는 가설을 뒷받침한다.

이러한 결과는 뇌가 진화적으로 스케일‑프리 토폴로지를 채택함으로써 효율적인 통합과 분산을 동시에 달성했지만, 동시에 허브에 대한 의존성으로 인해 특정 손상에 취약함을 시사한다. 또한, 허브와 병목을 보호하거나 재구성하는 메커니즘이 뇌 회복과 재활에 핵심적인 역할을 할 수 있음을 암시한다.