2024. 5. 9. 10:11ㆍ신경과학 관련 자료/[논문]
paper url : https://www.sciencedirect.com/science/article/pii/S0149763421005601
논문 3줄 요약
1. 과거에는 심리학에 기반해 언어-기억 기능을 구분했지만 이제는 연결성 등을 통해 구분하는 것이 타당하며 그것이 LuM이다.
2. LuM은 크게 RT-CM-TA 역할로 구분되어 있으며 "언어 출력", "언어와 의미 간 변환", "의미 처리"을 주로 담당한다.
3. RT-CM-TA 각각을 주로 이루는 영역은 SAL-FPN-DMN이며 이들이 복합적으로 발현되는 구역도 존재한다.
스토리텔링 방식 설명
기존에는 언어와 기억에 대해 연구를 할때 심리학을 기반으로 역할을 분해하고 각각에 대한 부위를 알아내는 식으로 연구를 했다. 그렇기 때문에 언어와 기억은 구별되는 별개의 것으로 생각되었다. 또한 이 시대에는 언어는 Broca, Wernicke에서 거의 처리 되는 것으로 알아왔다. 최근 들어 이미징 기술 등이 발전함에 따라 각 역할에 대한 자세한 부위들이 밝혀졌고 그 연결성이 밝혀졌다. 이를 통해 언어와 기억의 부위가 거의 비슷하며 구별하기 힘든 것이라는 것도 알게 되었다. 하지만 각 연구 내용과 부위는 파편화되어 있어서 전체적 역할을 구성하는 네트워크를 추상적으로 이해하는 것이 불가능했다. 주요하게 작동하는 세개의 네트워크의 조합으로 언어와 기억 네트워크를 설명하는 것이 이 논문의 내용이며 LuM 모델이다.
LuM을 만든 방법 자체는 fmri 상의 데이터를 PCA 분석 하여 주요한 3개의 요소를 알아내고 각 요소들에 해당하는 "connected 되어 있고 synchrony가 있는 네트워크"를 알아내는 방식으로 LuM을 만들었다. 그 세가지 요소와 해당되는 부위를 찾아냈고 그것이 각각 RT(Receiver-Transmitter) - SAL(salience network), CM(Controller-Manager) - FPN(fronto-parietal
control network), TA(Transformer-Associative) - DMN(default mode network)이다. 이들의 역할은 간단히 말해서 CM은 중심에서 memory와 language를 변환하는 역할, RT는 language와 외부 언어 표출 또는 입력을 변환하는 역할, TA는 memory의 의미 관계를 processing 하는 역할에 해당된다. 대략적으로 위 세가지 기능과 부위의 상호작용으로 언어와 기억이 구성된다고 할 수 있으며 이들간의 겹치는 구역 또는 gradient가 형성된 영역에 의해 공통적인 기능을 가지기도 한다. 그 겹치는 대표적인 역할이 작업기억(working memory)이며 이는 논리적으로 말이 되어 보인다. 지금까지 한 이야기를 표현하면 아래와 같은 그림이다.
각 부위들에 대한 추상적인 이해는 완료가 되었다 생각이 들어 SAL, FPN, DMN 각각에 대한 구체적 기능 묘사를 좀 더 하고 추가적으로 알고 싶을 때 공부할 자료와 종합적인 이해와 추가 궁금증 정리를 하고 글을 마치려고 한다. 먼저 SAL의 경우 대표적으로는 salient(두드러지는) 입력을 받았을 때 유의미한 정보를 working memory로 넣는 역할을 하는 것으로 보이며 전체 task로는 election/detection, segmentation, concatenation/linearization, conjunctive binding에 해당되는 것으로 보인다. FPN의 경우에는 incremental binding, monitoring, evaluation, or (error-)prediction에 해당되며 좌뇌에 편향되어 존재해서 언어적 working memory를 유지하며 이에 semantic한 내용을 연결시키는 역할을 하는 것으로 보인다. DMN은 말 그대로 생각을 처리하는 것으로 여러 상황이 종합된 episodic memory를 인출하는 것부터 semantic memory를 통해 의미를 조합하는 것까지 과정을 통해 의미를 사고하고 처리하며 사회적인 정보도 처리하는 것을 알 수 있다. 이는 abstraction/dimensionality reduction, multimodal/relational binding, pattern separation/ completion, and replay에 해당된다. 이들의 자세한 기능적 요소에 따른 역할과 구체적 회로를 알게 되고 계산모델로 적용까지 된다면 이 모델이 한층 발전될 것으로 기대된다.
* 더 탐구하고 싶을 때 중요한 부분
- 이 논문에서 정리하고자 하는 원본 자료를 알고 싶다면 : 2.2.2 Declaritive memory
- 3가지 영역의 중첩 구역에 대해 알고 싶다면 : 3.3.2. Local dynamics of integrative hubs
- 정보가 들어올때 (online)과 정보가 들어오지 않을때 (offline)에 뇌 전역에 걸친 구체적 네트워크를 알고 싶다면 : Fig 5
- Cerebello-subcortico-cortical 한 전체적 네트워크를 알고 싶다면 : 4.3. Cerebello-subcortico-cortical synchrony
- 추가 논문 : PMAT 모델에 대하여 : 10.1038/nrn3338
- 추가 논문 : 시간에 따른 언어 처리 과정 : https://doi.org/10.1152/physrev.00006.2011
- 언어와 기억에 대한 뇌의 구체적인 부위를 알고 싶다면 아래 그림 참고
*추가적으로 궁금한 부분 검증
1. Wernicke 영역은 DMN에 포함되는가? => 대략적으로 봤을 때 DMN, SAL에 포함되게 보인다.
2. Broca는 어디에 포함되는가? => 대략적으로 봤을 때 SAL, FPN에 포함되게 보인다.
*개인적 후기
1. SAL <-> FPN <-> DMN 으로 추상화 가능한 것을 알게 되어 대략적 Language and Memory 인지기능에 대한 scheme을 잡았다.
2. 주요 관심사는 Memory Processing 이므로 DMN에 대해 알아야겠다는 생각을 했으며 공유되는 Working Memory의 중요성도 알게 되었다.
3. 그래서 나는 Default Mode Network와 semantic memory, episodic memory와의 연관성을 찾는 연구를 살펴볼 예정이다.
4. Hippocampus 등의 subcortical 한 부분과의 연관성을 직접적으로 다루는 문헌도 알게 되었다.
5. 구체적인 뇌 부위와 언어 기억간 연관성을 나타낸 그림을 얻을 수 있었다.