As an anatomical structure for natural computation, a nervous system may consist of discrete computational modules. In addition to developing methods for dissecting those clusters, a large number of studies have examined their characteristics. However none of the previous research identified the clusters of individual neuron-level networks due to the extremely high complexity of the biological organization with multiple agents linked. In this study, we use a wholly computational approach to infer the hierarchical structural clusters of the Caenorhabditis elegans nervous system. Assigning it as an example of a complex network, we reach this goal by using recently developed modularity-based community detection algorithm. After defining the anatomical clusters from its connection diagram (connectome), we investigate the properties of these clusters. The major findings of our analyses are as follows. The spatial properties of the clusters reveal the existence of body-spanning clusters in a biological neural network. We find that the derived clusters show a strong relationship with the worm’s behavioral-level circuits. A possible answer for why the actual system does not follow the minimal wiring principle is presented in the clustered network frame-work.
자연 연산을 위한 물리적 구조인 동물의 신경계는 독립적인 계산 모듈(클러스터)로 이루어져있을 것으로 추측되고 있다. 이러한 클러스터들을 규명해내려는 노력과 함께, 많은 수의 연구들이 클러스터들의 특성을 연구해 왔다. 하지만 수많은 구성요소와 그들의 연결로 인해 창발된 엄청난 복잡성으로 인해 개별 뉴런 레벨의 네트워크 수준에서 이러한 연구는 이루어지지 않았다. 본 연구는 완전히 계산적인 방법을 통해 이 수준에서 정의된 예쁜꼬마선충 신경계의 계층적인 구조적 클러스터를 추론한다. 구체적으로, 예쁜꼬마선충의 신경계를 복잡네트워크의 한 예로 간주하고, 신경 연결지도(커넥텀)로부터 최근 발표된 모듈러리티를 이용한 커뮤니티 검출 방법을 통해 해부학적 클러스터를 정의한 뒤, 이것들의 성질에 대해서 알아볼 것이다. 분석의 주된 결과는 다음과 같다. 첫째, 클러스터별 뉴런들의 공간적 분포 분석을 통해 몸을 따라 길게 퍼져 있는 매우 강한 클러스터의 존재가 규명되었다. 둘째, 검출된 구조적 클러스터들이 선충의 행동수준의 신경회로와 커다란 연관성이 있음이 밝혀졌다. 셋째, 액손의 최소 연결 원리가 왜 지켜지지 않는지에 대한 한가지 가능한 대답이 클러스터 분석을 통해 제시되었다.
