기술 요약: SPIDER—유도된 정보 흐름 추론을 위한 스티칭된 전력 스펙트럼 (Stitched Power-spectra for Inferring Directed Information Flow)

1. 문제 정의

본 연구가 다루는 핵심 과제는 데이터가 **불완전하고 비동기적(asynchronous)**인 고차원 시스템(특히 뇌)에서 유도된 정보 흐름(effective connectivity)을 추론하는 것입니다.

• 제약 조건: 대규모 기록(예: Neuropixels, two-photon imaging, 두개내 EEG)은 일반적으로 특정 시점에 시스템의 극히 일부만을 샘플링합니다. 서로 다른 세션, 동물, 또는 실험실들은 부분적으로 중첩되는 영역 집합을 가집니다.
• 공백: 결정적으로, 이러한 기록들은 종종 공유된 시간적 기준(공통 클록이나 외부 트리거 없음)이 결여되어 있어 비동기적입니다.
• 기존 방법의 한계: 확립된 유도 연결성 방법들(Granger causality, Dynamic Causal Modeling, Partial Directed Coherence)은 모든 영역이 동시에 기록되고 동기화되어야 합니다. 파라미터 모델(예: Vector Autoregressive 모델)을 사용하여 부분적인 관측치를 통합하는 방식은 경직된 가정으로 인해 실패하는 경우가 많으며, 공분산 기반의 집계 방법은 무방향 의존성(undirected dependencies)만을 회복할 수 있습니다.
• 핵심 난제: 관찰되지 않은 변수들은 잠재적 혼란 변수(latent confounder)로 작용하여 허위 의존성을 유발합니다. 또한, 시간적 정렬이 없으면 전역적 결합 분포(global joint distribution)를 직접 샘플링할 수 없으므로, 함께 관찰되지 않은 부분 집합 간의 교차 의존성은 정의되지 않습니다.

2. 방법론: SPIDER 파이프라인

SPIDER는 중첩된 채널 부분 집합으로부터 국소적 스펙트럼 추정치를 "스티칭(stitching)"하여 전역 스펙트럼 행렬을 복구하는 비파라미터적 주파수 영역 프레임워크입니다. 이 방법은 다음 세 단계로 작동합니다.

1단계: 스티칭 (스펙트럼 집계)

• 입력: 각 블록이 변수의 부분 집합($\Omega_u$)을 포함하는 비동기적 기록 블록들.
• 메커니즘: 임의의 변수 쌍 $(i, j)$에 대해, 두 변수가 모두 존재하는 모든 블록으로부터 교차 스펙트럼(cross-spectrum)을 추정합니다. 이 국소적 추정치들을 평균하여 전역 전력 스펙트럼 밀도(PSD) 행렬 $S(\omega)$의 항목들을 재구성합니다.
• 핵심 통찰: 교차 스펙트럼은 한 쌍의 주변 속성(marginal properties)이며, 전체 시스템을 동시에 관찰할 필요가 없습니다. 유도된 구조는 조립된 행렬의 전역적 속성이지 국소적 속성이 아닙니다.
• 요구 사항: 조건 1 (완전성): 모든 변수 쌍은 적어도 하나의 블록 내에서 공동 관찰되어야 합니다.

2단계: 행렬 완성 (누락된 쌍 처리)

• 시나리오: 조건 1이 충족되지 않을 때 (예: 전극 배치가 달라지는 다중 동물 연구에서 발생하는 일부 쌍이 결코 공동 관찰되지 않는 경우).
• 메커니즘: 누락된 PSD 행렬의 항목들은 **핵-노름 최소화(Nuclear-Norm Minimization, NNM)**를 사용하여 채워집니다.
• 사전 지식: 이 단계는 대규모 신경 인구 활동이 소수의 공유된 잠재 소스(generative mixing model)에 의해 구동된다는 관찰에 근거한 근-저계수(near-low-rank) 사전 지식에 의존합니다.
• 결과: 이를 통해 관찰 범위가 겹치지 않았던 영역 간의 상호작용을 복구할 수 있으며, 이는 관찰 범위와 스펙트럼 구조가 특정 조건을 만족할 때 가능합니다.

3단계: 정준 스펙트럼 인수분해 및 PDC 계산

• 메커니즘: 완성된(또는 스티칭된) PSD 행렬 $S(\omega)$는 Wilson 알고리즘을 사용하여 최소 위상 전달 함수(minimum-phase transfer function) $H(\omega)$와 혁신 공분산(innovation covariance) $\Sigma$를 얻도록 인수분해됩니다.
• 출력: **부분 유도 코히어런스(Partial Directed Coherence, PDC)**는 이 인수분해로부터 직접 유도됩니다. PDC는 다른 모든 시리즈가 조건화되었을 때, 한 시계열이 다른 시계열에 미치는 직접적이고 방향적인 영향력을 각 주파수에서 정량화합니다.
• 비파라미터적 특성: 유한 차수의 VAR 모델을 적합시키는 전통적인 PDC와 달리, SPIDER는 스펙트럼 밀도로부터 직접 PDC를 도출하므로 연속 신호, 점 프로세스(spike trains), 그리고 혼합 모달리티에 적용 가능하며 특정 파라미터 형태를 가정하지 않습니다.

고차원 데이터를 위한 개선 사항

• Spectral PCA: 특정 뉴런은 변하지만 뇌 영역은 안정적인 다중 세션 기록의 경우, 영역 내 뉴런들을 (Spectral PCA를 통해) 하나의 정준 스펙트럼 모드로 축소합니다.
• 정규화: 스티칭된 행렬이 양의 정당성(positive definiteness, 유효한 인수분해에 필요)을 갖도록 하고 분산을 줄이기 위해, 역 스펙트럼에 **복소 헤르미안 그래피컬 라쏘(complex Hermitian Graphical Lasso, GLASSO)**를 적용합니다.

3. 주요 기여

1. 비동기 데이터에 대한 비파라미터적 추정량: SPIDER는 2단계 절차(스펙트럼 스티칭 + 정준 인수분해)를 도입하여, 동시 관찰이나 시간적 정렬을 요구하지 않고도 전체 네트워크의 주파수 영역 유도 연결성을 복구합니다. 이는 변수의 수 $K$가 샘플 크기 $T_u$를 초과하는 고차원 환경에서도 블록당 샘플 크기가 증가함에 따라 **균등하게 일관됨(uniformly consistent)**이 증명되었습니다.
2. 관찰되지 않은 쌍으로의 확장: 프레임워크는 일부 변수 쌍이 결코 공동 관찰되지 않는 경우를 처리하기 위해 구조화된 행렬 완성(NNM) 단계를 포함합니다. 이론적 결과(Theorem 2, Proposition 3)는 희소성, 커버리지, 근-저계수 구조에 의존하여 이 복구가 일관성을 갖는 조건을 제공합니다.
3. 광범위한 적용성: 본 방법은 연속 신호, 점 프로세스(Bartlett 스펙트럼을 통한 spike train), 혼합 모달리티를 포함하여 유계된 스펙트럼 밀도를 가진 모든 광의 정적 과정(wide-sense stationary process)에 적용됩니다.

4. 결과 및 검증

시뮬레이션

• 완전성: 모든 쌍이 공동 관찰되는 시스템에서, SPIDER는 이론적 참값 및 동시 기록 베이스라인과 거의 정확히 일치하며 PDC를 복구합니다(Izhikevich 모델의 비선형 스파이킹 뉴런 네트워크 포함).
• 불완전성: 쌍이 누락된 경우, NNM 완성이 단순 제로 채우기(zero-filling) 및 로컬 쌍별 베이스라인보다 성능이 뛰어나며, 유도된 구조를 복구하고 관찰되지 않은 혼란 변수로 인한 허위 상호작용을 완화합니다.
• 고차원: 50차원 VAR(1) 시뮬레이션에서, SPIDER(NNM 포함)는 중간 정도의 누락(약 72%까지) 상황에서 베이스라인보다 우수한 성능을 보입니다. 매우 높은 누락률(>86%)에서는 성능이 저하되는데, 이는 이론적 커버리지 한계와 일치합니다.
• 정규화: GLASSO 정규화는 희소한 기저 연결성에 대해 정확도를 높이고 유한 샘플 분산을 교정하지만, 밀집된 네트워크를 과도하게 희소하게 만들 수 있습니다.

실제 응용 사례

1. 이광자 칼슘 이미징 (마우스 시각 피질):

   • Allen Brain Observatory의 뉴런 59개를 대상으로 적용되었습니다.
   • SPIDER는 37%의 누락율을 가진 비동기 블록으로 분할된 데이터로부터 유도된 상호작용을 성공적으로 재구성했습니다.
   • 복구된 항목들은 전체 동시 기록 참조값과 강한 일치성을 보였으며($r=0.86$), 보간된(imputed) 항목들은 유의미한 양의 상관관계를 나타냈습니다($r=0.26$).

2. 뉴로픽스 전기생리학 (International Brain Laboratory - IBL):

   • 데이터셋: 12개 실험실의 43개 세션을 포함하며, 50개 뇌 영역과 4,074개의 뉴런을 다룹니다. 어떤 두 세션도 동일한 영역 집합을 동시에 기록하지 않았습니다.
   • 검증:
     • 세션 내 분할: 스티칭은 전체 동시 기록 추정치를 근사했습니다($r=0.72$).
     • 스펙트럼 일관성: 로컬 스펙트럼 유사도가 스티칭 정확도를 예측했습니다.
     • 해부학적 대응: 가장 강력하게 추론된 상호작용은 Allen Mouse Brain Connectivity Atlas와 높은 일치도를 보였습니다 (AUC $\approx$ 0.9).
   • 과학적 발견: 뇌 전체의 자발적 흐름은 주파수 전반에 걸쳐 통합될 때 주로 **재귀적(recurrent, 비계층적)**입니다. 그러나 **세타 대역(4–8 Hz)**에서 네트워크는 해마 형성(hippocampal formation)을 소스(source)로, 시상/중뇌 구조를 싱크(sink)로 하는 유의미한 **순방향 계층 구조(feedforward hierarchy)**를 형성합니다. 이 구조는 시간 영역이나 스칼라 척도로는 보이지 않는 특징입니다.

3. 인간 두개내 EEG (iEEG):

   • 데이터셋: 서로 겹치지 않는 전극 범위를 가진 43명의 환자(38개 피질 영역).
   • 결과: 동일한 세타 대역 순방향 계층 구조가 종과 모달리티를 넘어 복구되었습니다. 이 계층 구조는 내측 전전두엽/변연 피질(해마 형성의 피질 파트너)에서 시작하여 외측 전전두엽 및 시각 영역으로 흘러갑니다. 이는 이 방법이 서로 함께 기록되지 않은 데이터로부터도 일반화될 수 있음을 보여줍니다.

5. 의의 및 주장

본 논문은 SPIDER가 기존에는 유도 연결성 추론이 불가능했던 다중 세션, 다중 동물 데이터셋에 대해 **전뇌 유효 연결성 분석(whole-brain effective-connectivity analysis)**을 가능하게 한다고 주장합니다.

• 제약의 제거: 모든 영역의 동시 관찰이나 공유된 시간적 기준에 대한 필요성을 제거하며, 이는 현대 신경과학의 주요 병목 현상입니다.
• 주파수 해상도 통찰: 주파수 영역에서 작동함으로써, 스칼라 또는 시간 영역 측정으로는 감지할 수 없는 대역 특이적 패턴(예: 감마 대역의 재귀적 구조 vs 세타 대역의 순방향 구조)을 밝혀냅니다.
• 가설 생성: 로덴트(rodents)와 인간 모두에서 일관되게 나타나는 자발적 활동의 세타 대역 순방향 계층 구조의 발견은, 함께 기록되지 않은 데이터로부터 도출된 가설 생성적 결과입니다.
• 겸허한 태도: 저자들은 이 계층 구조가 유효 연결성(effective-connectivity)에 대한 진술이지, 단일 시냅스 해부학(monosynaptic anatomy)에 대한 주장이 아님을 명시합니다. 또한 노드 수준의 해석(예: 중뇌 수도 주변 회색질의 역할)은 특정 공동 관찰된 쌍에 의존하며, 커버리지가 약 70% 미만으로 떨어지면 방법의 신뢰도가 저하될 수 있다고 주의를 기울입니다.

요약하자면, SPIDER는 파편화되고 비동기적인 기록을 통합되고 주파수 해상도가 높은 전역적 뇌 연결성 지도로 변환하여, 현대 신경과학의 특징인 다양하고 대규모인 데이터셋을 통한 뇌 전체의 역학 연구를 가능하게 합니다.