Naturalistic fMRI Literature & Wisdom Synthesis (2021–2026)

An AI-assisted research corpus pipeline: 100 top-tier papers on naturalistic fMRI, uploaded to NotebookLM, distilled into 20 expert-level queries across 7 systematic categories to surface SOTA / outstanding questions / AI applications.

---

🚀 TL;DR — 5분 안에 이해하기

무엇을: 탑티어 저널(Nature Commun, eLife, PNAS, J Neurosci, Neuron, Cerebral Cortex, Imaging Neurosci, HBM 등)의 naturalistic fMRI 논문 100편을 체계적으로 수집해 Google NotebookLM에 업로드하고, 분야 최고 전문가 관점의 20개 핵심 질문을 쿼리해서 얻은 지혜의 샘(wisdom synthesis) 문서를 만드는 재현 가능한 파이프라인.

왜:

• 분야가 파편화되어 있음 — 300편+ 스캔 대신 100편 정수만 큐레이트
• 개별 논문보다 구조적 종합이 필요 — NotebookLM의 cross-source synthesis 활용
• SOTA ↔ outstanding questions ↔ AI 기회를 체계적으로 매핑하여 연구 방향 설정

결과:

• ✅ 100/100 PDF 다운로드 및 NotebookLM 업로드 성공
• ✅ 20개 전문가 쿼리 실행 완료 (각 쿼리당 3-part: SOTA / Outstanding / AI)
• ✅ 각 쿼리당 평균 20 sources used, 30+ citations
• 📝 wisdom_synthesis.md로 종합 정리 중

---

⚡ Quick Start

1️⃣ 클론 & 설치

git clone https://github.com/Transconnectome/naturalistic_fmri.git
cd naturalistic_fmri
pip install -r requirements.txt

2️⃣ PDF 수집 (선택사항 — 메타데이터는 이미 포함됨)

make download          # Europe PMC 경유 100여 편 PDF 자동 다운로드
# 또는 수동으로:
python3 search_papers.py          # PubMed 8개 쿼리 → 335편 필터링
python3 select_and_download.py    # PMC PDF 병렬 다운로드 (4 workers)
python3 retry_failed.py           # HTTP 500 backoff 재시도
python3 select_100.py             # 관련성 스코어 기반 top 100 선별

3️⃣ NotebookLM 연동

# 사전 요구사항: nlm CLI 설치 및 로그인 (docs/03-notebooklm-guide.md 참조)
pip install notebooklm-mcp-cli
nlm login

# 빈 notebook 생성 후 ID를 upload_to_nlm.sh에 설정, 그 다음:
bash upload_to_nlm.sh     # 100편 PDF 병렬 업로드 (4 workers)

4️⃣ 20개 전문가 쿼리 실행

# MCP 기반: Claude Code에서 mcp__notebooklm__notebook_query 호출
# 또는 CLI:
nlm chat <NOTEBOOK_ID> < docs/04-queries.md

5️⃣ 지혜의 샘 정리

답변은 answers/Q01-Q20_*.md로 자동 저장됨. 종합 시:

python3 synthesize.py > wisdom_synthesis.md   # (스크립트 개발 중)

---

📦 What's in This Repo

naturalistic_fmri/
├── README.md                     ← 이 파일
├── CLAUDE.md                     ← AI 에이전트 온보딩 가이드
├── LICENSE                       ← MIT (code only)
├── CITATION.cff                  ← 인용 방법
├── Makefile                      ← make download / make upload / make query
├── requirements.txt              ← Python 의존성
│
├── 📄 docs/                      ← 상세 문서
│   ├── 01-quickstart.md          ← 5분 온보딩
│   ├── 02-pipeline.md            ← 파이프라인 기술 해설
│   ├── 03-notebooklm-guide.md    ← NotebookLM 연동 상세 (필독!)
│   ├── 04-queries.md             ← 20개 전문가 쿼리 전문 + 설계 근거
│   ├── 05-reproducibility.md     ← 처음부터 재현하기
│   └── 06-extending.md           ← 논문/쿼리 추가하기
│
├── 🔧 Python 파이프라인
│   ├── search_papers.py          ← PubMed E-utilities 검색
│   ├── select_and_download.py    ← PMC PDF 병렬 다운로드
│   ├── retry_failed.py           ← HTTP 500 backoff 재시도
│   ├── select_100.py             ← 관련성 기반 선별
│   ├── save_answer.py            ← NotebookLM 응답 파서
│   └── upload_to_nlm.sh          ← NotebookLM 병렬 업로드
│
├── 🗃️ Metadata (JSON)
│   ├── papers_all.json           ← 335편 top-journal 필터링
│   ├── papers_top120.json        ← top 120 후보
│   ├── papers_selected.json      ← 다운로드 대상 120
│   ├── top100_paths.json         ← 선별된 top 100 경로
│   ├── download_manifest.json    ← 다운로드 결과
│   └── retry_manifest.json       ← 재시도 결과
│
├── 📝 answers/                   ← 20개 쿼리 응답 (markdown + citations)
│   ├── Q01_statistical_inference.md
│   ├── Q02_stimulus_standardization.md
│   ├── ...
│   └── Q20_beyond_movies.md
│
├── 📊 logs/                      ← 실행 로그
│   ├── upload.log
│   └── upload_fail.log
│
└── pdfs/                         ← 131 PDFs (gitignored — copyright)

---

🧠 NotebookLM 연동

이 프로젝트의 핵심 특징: Google NotebookLM을 research synthesis 엔진으로 활용.

NotebookLM이란?

Google NotebookLM은 업로드한 문서(PDF, URL, Google Drive)를 기반으로 source-grounded AI 대화를 제공하는 도구. 특징:

• Citation 기반 답변: 모든 주장이 원 논문 구절과 연결됨
• Cross-source synthesis: 여러 논문에 걸친 종합 가능
• Plus 플랜: 300-600개 소스까지 지원 (무료는 50개)

연동 방법

이 repo는 3가지 NotebookLM 접근 방식을 지원합니다:

방식	도구	용도
CLI	nlm (notebooklm-mcp-cli)	초기 업로드, bulk 작업
MCP	mcp__notebooklm__*	Claude Code 내에서 쿼리 실행
Web UI	notebooklm.google.com	수동 탐색, 쿼리 검증

이 연구의 NotebookLM 노트북

• 제목: "Naturalistic fMRI Literature 2021-2026 (100 papers)"
• ID: d9265824-3383-4fd4-8d17-03512a338ee5
• 소스: 100 PDF + 1 메모 = 101 sources
• 공개 여부: 현재 private (재현 시 자신의 노트북을 생성하세요 — make create-notebook)

자세한 가이드: docs/03-notebooklm-guide.md

---

🔬 Pipeline Highlights

핵심 기법 #1: Europe PMC PDF Bypass

NCBI PMC는 최근 Proof-of-Work (PoW) 챌린지를 PDF 다운로드에 도입. 기존 https://pmc.ncbi.nlm.nih.gov/.../pdf/ URL은 JS 렌더링 필요한 HTML만 반환.

솔루션: Europe PMC의 render endpoint 사용:

url = f"https://europepmc.org/articles/PMC{pmc_id}?pdf=render"
# → 302 redirect → application/pdf 직접 반환, 쿠키/JS 불필요

이 방법으로 131편 PDF를 평균 2.7초/편에 다운로드 성공. (NCBI 직접 시도 시 0% 성공)

핵심 기법 #2: PubMed E-utilities Multi-Query Expansion

단일 쿼리로는 분야를 커버 못함. 8개의 상호 보완적 쿼리로 780 unique PMIDs 수집:

Q1: naturalistic + fMRI
Q2: movie/film + fMRI
Q3: narrative/storytelling + fMRI
Q4: inter-subject correlation + fMRI
Q5: naturalistic stimuli/paradigm + fMRI
Q6: audiobook/podcast/spoken language + fMRI
Q7: naturalistic viewing/movie watching + fMRI
Q8: story listening/comprehension + fMRI

→ 300+ top-journal 필터링 → 131 PMC-available 다운로드 → 100 relevance-selected.

핵심 기법 #3: 20 Queries × 3-Part Structure

각 쿼리는 NotebookLM 최적화된 SOTA / Outstanding / AI 3-part 구조:

Q10 - LLM-Brain Alignment: Depth vs. Shallowness
(a) What does the corpus reveal about scope and strength?
(b) Shallow vs. deep alignment — current debate?
(c) What stringent tests — scaling laws, cross-family, lesions?

→ 쿼리 하나당 평균 20 sources used, 30+ citations, 5-12 KB 답변.

---

📊 Results Snapshot

Corpus Coverage (100 papers, 2021–2026)

Year	Papers
2026	6
2025	40
2024	27
2023	14
2022	7
2021	6

Top Represented Journals

• Imaging Neuroscience (MIT Press/OHBM) — 24
• Human Brain Mapping — 15
• Cerebral Cortex — 11
• Nature Communications — 9
• Journal of Neuroscience — 9
• eLife — 9
• Communications Biology — 7
• PNAS — 7
• Neuron — 2
• Current Biology — 1
• PLoS Biology — 1

Dominant Research Themes (from Explore-agent analysis)

1. Affective/Social (~170 papers in 335-filtered) — interpersonal sync, ASD/ADHD biomarkers
2. Inter-subject correlation/hyperalignment (71) — 2× growth in 2025
3. Clinical applications (71) — autism, depression, ADHD
4. Fingerprinting (30) — trait × state × stimulus decomposition
5. Event segmentation & dynamics (20) — HMM-based, 2025 surge
6. Developmental (16) — infants (Ellis 2025), lifespan trajectories
7. Cross-species (14) — marmoset/macaque comparative, 2024-2025 growth
8. LLM alignment (10) — exponential growth; GPT-2, Caucheteux 2023
9. Memory & reinstatement (15) — hippocampal-DMN dialogue
10. Multimodal (15) — early cross-modal + late convergence

Identified Gaps (motivating outstanding questions)

• 0 papers: Computational theory grounding, VR/immersive, ethical/privacy
• <2 papers: Longitudinal, motion-specific artifact methods
• <5 papers: Real-world ambulatory, pharmacological interactions

---

🎯 Who Is This For?

• Naturalistic fMRI researchers: 2021-2026 문헌 조망, 연구 공백 발견
• Neuro-AI researchers: brain-LLM alignment, brain foundation models 진입점
• Graduate students: 분야 온보딩 (3-4주 → 3-4일로 단축)
• Systems-level neuroscientists: SOTA 방법론 일괄 검토
• Clinical translation: biomarker 파이프라인 설계 참조
• Review paper writers: 구조화된 citation base

---

🛠️ Reproducibility

이 프로젝트는 100% 재현 가능하게 설계되었습니다:

1. 논문 메타데이터: papers_all.json에 335편 전체 PubMed 레코드 (PMID, DOI, PMC ID, title, abstract)
2. 다운로드 재현: 스크립트 한 번 실행으로 동일 100편 확보 가능
3. 쿼리 재현: docs/04-queries.md에 20개 쿼리 전문 수록
4. 답변 로그: answers/Q01-Q20_*.md에 citation 포함 전체 응답
5. 파이프라인 로그: upload.log, download_manifest.json, retry_manifest.json

상세: docs/05-reproducibility.md

---

🤝 Contributing

논문 추가하기

새 쿼리/저널을 search_papers.py의 QUERIES 또는 TOP_JOURNALS에 추가 → 재실행 → diff 확인 → PR.

새 쿼리 추가하기

docs/04-queries.md의 7-카테고리 구조에 맞춰 3-part 쿼리 초안 → 테스트 실행 → PR.

응답 개선하기

answers/ 하위 파일에 대한 cross-check, 외부 참고문헌 추가 환영.

자세한 기여 가이드: docs/06-extending.md

---

📖 Citation

이 repo나 파이프라인을 학술적으로 활용하실 경우:

@software{naturalistic_fmri_2026,
  author = {Cha, Jiook and {SNU Connectome Lab}},
  title = {Naturalistic fMRI Literature \& Wisdom Synthesis (2021-2026): An AI-Assisted Research Corpus with NotebookLM Integration},
  year = 2026,
  month = 4,
  url = {https://github.com/Transconnectome/naturalistic_fmri},
  organization = {Seoul National University, Department of Psychology}
}

상세: CITATION.cff

---

📜 License

• Code (scripts, Makefile, docs): MIT License — see LICENSE
• Paper metadata (JSON): PubMed/PMC 공공 도메인 정보 기반 (자유 사용)
• PDFs: Gitignored — 개별 논문은 각 발행기관 저작권. 사용자는 자신의 기관 라이선스로 다운로드해야 함
• 쿼리 응답 (answers/*.md): Creative Commons BY-SA 4.0 — NotebookLM 생성물, 원 논문 인용 유지 의무

---

🙏 Acknowledgments

• Google NotebookLM — source-grounded synthesis 엔진
• Europe PMC — reliable OA PDF delivery via pdf=render endpoint
• NCBI PubMed E-utilities — 35M+ 논문 메타데이터 무료 제공
• notebooklm-mcp-cli by @tbcooney — NotebookLM programmatic access
• Claude Code (Anthropic) — 파이프라인 구축, 쿼리 설계, 문서화 orchestration

---

🔗 Links

• Repository: https://github.com/Transconnectome/naturalistic_fmri
• SNU Connectome Lab: https://www.connectomelab.com
• NotebookLM: https://notebooklm.google.com
• Europe PMC: https://europepmc.org

---

❓ FAQ

Q: PDF 없이도 쿼리 답변을 볼 수 있나요? A: 네. answers/*.md에 모든 응답이 citation과 함께 저장되어 있습니다. PDF는 로컬 재현 시에만 필요.

Q: NotebookLM Plus가 필수인가요? A: 100+ 논문 업로드 시 필요 (무료는 50개 한도). Plus는 300개, 특정 계정은 600개까지. 50편으로 스케일 다운하면 무료로도 가능.

Q: 한국어 쿼리가 작동하나요? A: NotebookLM은 다국어 지원. 하지만 코퍼스가 영어이므로 영어 쿼리가 더 정확합니다. 한국어 번역은 docs/04-queries.md에서 참조 가능.

Q: 왜 NCBI PMC 직접 다운로드가 실패하나요? A: PMC는 최근 PoW(Proof-of-Work) anti-bot을 도입. 해결책: Europe PMC render endpoint — docs/02-pipeline.md 참조.

Q: 파이프라인을 다른 분야에 쓸 수 있나요? A: 네. search_papers.py의 QUERIES와 TOP_JOURNALS만 수정하면 됩니다. 예시: docs/06-extending.md.

---

🧠 Built with ultrathink by SNU Connectome Lab | 2026