서울대학교 · 커넥톰 연구실
사람마다 생각하고 느끼며 변화하는 모습은 왜 다를까요? 차지욱 교수가 이끄는 서울대학교 커넥톰 연구실은 유전·뇌·행동·환경 사이의 관계에서 그 답을 찾고자 합니다. 이 관계를 설명할 이론과 새로운 사람에게도 적용할 수 있는 예측 모델을 함께 연구합니다.
Everything Connects to Everything Else.
Leonardo da Vinci
실제 연구에서
뇌신호를 서로 다른 주파수 대역으로 나누어, 모델의 예측에 관련된 패턴을 살폈습니다.
연구의 출발점
커넥톰은 뇌 안의 연결을 담은 지도입니다. 우리의 질문은 뇌 활동이 한 사람의 경험과 삶의 조건에 어떻게 이어지는지로 확장됩니다. 가령 발달 연구에서는 유전적 차이와 뇌영상에 행동, 가족 관계, 학교 경험, 이웃 환경을 함께 놓고 살펴봅니다. 각각의 관측을 서로 연결해 읽을 때 무엇을 새롭게 알 수 있는지 묻는 것입니다.
현상을 설명하는 이론 모델과 데이터에서 예측 패턴을 학습하는 AI 모델을 함께 다룹니다. 잘 예측하는 것과 왜 그런지 설명하는 것 사이의 거리를 좁히고자 합니다. 새로운 도구를 만드는 일과 그 도구에 담긴 가정을 검토하는 일은 함께 갑니다.
차지욱 교수의 연구관 읽기네 연구 질문 중 하나를 골라 읽어보세요.
연구에서 발견한 것
01 / 예측과 개인 고유성
SwiFUN은 휴지기 fMRI로 과제를 수행할 때의 뇌 활성 지도를 예측합니다. 성인과 아동 자료에서 예측 지도와 실제 지도의 전체 유사도는 비교 모델 ConnTask보다 높았지만, 누구의 지도인지 구별하는 성능은 ConnTask가 더 좋았습니다. 공통된 반응을 잘 예측하는 것에서 한 사람의 고유한 반응을 이해하는 것으로, 질문이 이어집니다.
Kwon et al. · Imaging Neuroscience · 2025
예측은 무엇과 비교하는가?
실제로 측정한 과제 활성 지도와 비교
02 / 유전·뇌·환경 연구
아동의 유전적 차이와 뇌영상에 인지·행동·환경 지표를 함께 놓고, 어떤 특징들이 같이 달라지는지 분석했습니다. 학교와 이웃의 조건도 이 관측에 포함됩니다. 예를 들어, 이 아동 표본에서는 인지 능력 관련 유전 변이들의 효과를 합산한 점수와 뇌 부피·표면적이 함께 높은 패턴이 관찰됐습니다. 이렇게 발견한 관계는 발달을 설명할 단서를 주지만, 무엇이 무엇을 일으켰는지는 별도의 검증이 필요합니다.
Joo et al. · Nature Communications · 2025
03 / 정서와 경험 연구
VR 영상을 보는 동안의 경험 보고와 EEG를 함께 기록했습니다. 긍정과 부정이 섞인 감정의 지속 시간과 강도는 보고된 경외의 강도와 관련됐습니다. 하나의 좋음–싫음 척도에 담기 어려운 경험을 어떻게 측정할지 묻는 연구입니다.
Lee et al. · Communications Psychology · 2025
큰 목표를 세우고, 지금 배워야 할 것을 판단하며, 동료의 강점에서 배웁니다. 자율적으로 연구한다는 것은 자신의 가정을 검토하고 다른 설명과 비교하며, 결과를 다른 사람이 살펴보고 이어 갈 수 있는 연구로 완성하는 일입니다.
AI는 읽고 만들고 시험할 수 있는 범위를 넓혀 줍니다. 그 가능성을 더 좋은 질문과 더 완성도 있는 연구로 이어 가는 책임은 연구자에게 있습니다.
대학원, 박사후연구원, 학부 인턴 지원 절차를 안내합니다. 현재 모집 여부는 연구실로 문의해 주세요. 지원 방법
최근 소식
· 2026 International Conference on Quantum Communications, Networking, and Computing (QCNC)
Hybrid Quantum Temporal Convolutional NetworksJunghoon Park, Maria Pak, Sebin Lee et al.
· Communications Biology
Learning brain dynamics across distinct scaling regimes reveals psychiatric signaturesSangyoon Bae, Junbeom Kwon, Shinjae Yoo et al.
· Communications Medicine
Polygenic risk-informed white matter integrity improves deep learning-based prediction of youth depressionJungyoon Min, Heehwan Wang, Eunji Lee et al.
