신경과학에서 돌파구는 자주 발생하지 않지만 우리는 방금 한 개를 얻었다. 투르 드 포스에서 국제 팀은 지난 주 Science에 발표된 논문에 설명된 어린 초파리의 전체 뇌 연결 지도를 발표했다. 3,016개의 뉴런과 548,000개의 시냅스를 포함하는 커넥톰(connectome)이라고 불리는 이 지도는 지금까지 가장 복잡한 전체 뇌 배선 다이어그램이다.

 

연구에 참여하지 않은 베일러 의과 대학의 야마모토 신야 박사는 "'와우'이다."라고 말했다.

 

왜 초파리에 관심을 가질까? 저녁 식사 테이블에 초대받지 않은 손님과는 거리가 먼 초파리 멜라노가스터는 신경 과학 사랑이다. 파리의 뇌는 인간의 뇌에 동력을 공급하는 1000억 개의 뉴런과는 거리가 먼 양귀비 씨보다 작지만 파리의 신경계는 우리 뇌의 기저에 있는 것과 유사한 원리를 공유한다.

 

이것은 우리의 신경 회로가 어떻게 기억을 암호화하고, 어려운 결정을 내리고, 잠재적인 파트너와 바람을 피우거나 새로운 친구들과 어울리는 것과 같은 사회적 상황을 탐색하기 위해 연결되는지에 대한 아이디어를 연마할 수 있는 훌륭한 모델이 된다.

 

 

케임브리지 대학, MRC 분자 생물학 연구소 및 자넬리아 연구 캠퍼스의 수석 저자인 마르타 즐라틱 박사는 “모든 뇌는 유사하다. 모두 상호 연결된 뉴런의 네트워크이며 모든 종의 모든 뇌는 많은 복잡한 행동을 수행해야 한다. 그들은 모두 감각 정보를 처리하고, 배우고, 행동을 선택하고, 환경을 탐색하고, 음식을 선택하고, 포식자로부터 탈출해야 한다.”

 

새로운 커넥톰 지도를 통해 "우리는 이제 참조 뇌를 갖게 되었다."라고 그녀는 말했다.

 

 

거대한 아틀라스

 

커넥톰은 소중한 자원이다. 세바스찬 승(Sebastian Seung)이 대중화한 이 지도는 뇌 영역 내외의 신경 연결을 그린다. 서로 다른 칩과 프로세서가 어떻게 결합되는지 리버스 엔지니어링하기 위해 컴퓨터 와이어를 추적하는 것과 마찬가지로, 커넥톰은 뇌의 "신경 코드", 즉 계산의 기반이 되는 알고리즘을 해독하는 데 유용한 리소스이다.

 

 

즉, 커넥톰은 뇌의 기능을 이해하는 데 필수적이다. 이것이 훨씬 더 작은 규모이거나 훨씬 덜 세부적인 것이지만 비슷한 작업이 쥐와 인간에서 진행되고 있는 이유이다.

 

 

지금까지 과학자들은 선충 C. 엘레간스(C. elegans)라는 영예를 얻은 최초의 동물을 포함하여 모두 벌레에 있는 3개의 전체 뇌 연결체를 매핑했다. 300개가 넘는 뉴런으로 이 프로젝트는 10년이 넘게 걸렸고 2019년 남녀 모두를 위한 업데이트가 발표되었다.

 

 

초파리는 C. 엘레간스보다 뉴런 수가 약 10배 더 많은 훨씬 더 큰 문제를 나타낸다. 그러나 그것은 또한 이상적인 다음 후보이다. 우선, 과학자들은 이미 전체 게놈을 시퀀싱하여 유전 정보를 파리의 신경 배선과 일치시킬 수 있다. 이것은 예를 들어 알츠하이머병에 기여하는 유전자가 신경 회로를 어떻게 바꾸는지 해독하는 데 특히 유용할 수 있다. 또 다른 예로, 초파리 유충은 몸이 투명하여 현미경으로 이미지를 훨씬 더 쉽게 볼 수 있다.

 

 

모든 두뇌 배선 지도가 동일하게 만들어지는 것은 아니다. 여기에서 팀은 시냅스 수준에서 전체 뇌를 매핑하는 가장 높은 해상도를 찾았다. 시냅스는 연결되는 뉴런 사이의 접합부이다. 두 개의 버섯 모양 구조가 간격을 두고 서로 가까이 떠 있는 것을 상상해 보라. 뉴런은 종종 컴퓨팅의 기본 구성 요소로 선전되지만 시냅스는 마법이 일어나는 곳이다. 연결은 기능적으로 신경 회로를 연결하는 데 도움이 된다.

 

 

 

 

뇌의 뉴런 연결성. 각 점은 뉴런을 나타내며 연결성이 더 유사한 것일수록 더 가깝다. 선은 뉴런이 어떻게 연결되는지 보여준다. 이미지 제공: Benjamin Pedigo

 

 

썰고 주사위를 던지고...로봇?

 

시냅스 지도를 작성하기 위해 팀은 현미경의 큰 총인 전자 현미경을 사용했다. 고등학교 생물학의 현미경과 비교할 때 이 하드웨어는 대략 사람 머리카락 굵기의 10분의 1 수준인 나노스케일로 이미지를 캡처할 수 있다.

 

 

전체 과정은 야생의 저녁 식사 레시피처럼 들린다. 연구팀은 먼저 6시간 된 유충 한 마리의 뇌를 중금속으로 가득 찬 용액에 담가서 뉴런의 막과 시냅스 내부의 단백질에 절였다. 그런 다음 뇌를 다이아몬드 칼날로 매우 얇은 부분으로 세심하게 잘라서(델리 고기 슬라이서를 상상해 보라) 현미경 아래에 두었다.

 

 

결과 이미지(총 2,100만 개)는 소프트웨어를 사용하여 함께 연결되었다. 전체 프로세스는 재구성된 뉴런과 시냅스를 수동으로 확인하는 데 많은 시간을 소비하면서 1년 반 이상이 걸렸다.

 

최종 뇌 지도는 뉴런과 시냅스의 위치를 포함할 뿐만 아니라 매우 효율적인 신경 계산을 지원할 수 있는 배선 문제도 강조했다.

 

 

구불구불한 도로

 

새 지도의 장점은 확대/축소 및 강화 기능으로 뇌 연결에 대한 조감도 정보를 제공한다는 것이다.

 

"이 작업의 가장 어려운 부분은 우리가 본 것을 이해하고 해석하는 것이었다."라고 즐라틱은 말했다.

 

 

한 분석에서 팀은 뉴런이 동일한 물리적 구조를 공유하더라도 연결성을 기반으로 93가지 유형으로 그룹화할 수 있음을 발견했다. 이는 뉴런을 분류하는 가장 일반적인 방법에서 크게 벗어난 것이다. 모양이나 기능에 따라 클러스터링하는 것보다 연결성 "소셜 네트워크"에 집중하는 것이 더 유용할 수 있다.

 

 

시냅스를 파헤치면서 팀은 또 다른 놀라움에 부딪혔다. 설명하겠다. 뉴런에는 두 가지 주요 가지가 있다. 하나는 더 큰 입력 케이블인 축삭이고 다른 하나는 나무 모양의 출력인 수상돌기이다. 뉴런은 일반적으로 시냅스가 이 두 케이블을 연결할 때 "연결"된다.

 

 

그러나 보다 최근의 연구에서는 축삭의 시냅스가 축삭의 다른 시냅스와 연결될 수 있음을 보여준다. 수상돌기도 마찬가지이다. 재구성된 뇌를 분석하면서 팀은 이러한 비전통적인 연결의 증거를 발견했다.

 

 

"이제 우리는 그것들을 재고해야 한다. 신경계의 새로운 계산 모델을 만드는 것에 대해 생각해야 할 것이다."라고 대만 국립 청화 대학의 충추앙 로 박사는 말했다.

 

 

더 넓은 범위에서 지도는 뉴런이 지구 반대편에 있는 다른 사람들과 대화하기를 열망한다는 것을 보여주었다. 뉴런의 거의 93%가 다른 뇌 반구의 파트너 뉴런과 연결되어 장거리 연결이 매우 일반적임을 시사한다. 훨씬 더 놀라운 것은 손을 뻗지 않은 독특한 개체군이었다. 케년 세포라고 불리는 이 뉴런은 대부분 파리의 학습 및 기억 센터를 채운다. 왜 이런 일이 일어나는지는 아직 불분명하지만 새로운 통찰력과 가설을 생성하는 뇌 지도의 능력을 보여준다.

 

뉴런과 시냅스가 매우 컴팩트한 "중첩된" 다층 구조로 연결되어 있지만, 커넥톰은 일부 개발된 연결이 층을 뛰어넘는 것으로 나타났다. 이는 별도의 회로를 연결하는 지름길이다.

 

 

훨씬 더 흥미로운 것은 뇌가 자신에게 얼마나 많이 "대화"하는지였다. 거의 41%의 뉴런이 반복 입력, 즉 뇌의 다른 부분으로부터 피드백을 받았다. 각 지역에는 자체 피드백 프로그램이 있다. 예를 들어 정보는 일반적으로 뇌의 감각 영역에서 운동 영역으로 흐르지만 그 반대도 발생하여 피드백 루프를 생성한다.

 

 

그러나 아마도 가장 사회적으로 능숙한 뉴런은 도파민을 분출하는 뉴런일 것이다. 인코딩 보상 및 운전 학습으로 잘 알려진 이 뉴런은 다른 유형에 비해 가장 복잡한 반복 배선을 가졌다.

 

지름길에서 반복 배선에 이르기까지 이러한 생물학적 하드웨어 구조는 뇌의 계산 능력을 증가시키고 제한된 수의 뉴런과 생물학적 제약을 보상할 수 있다.

 

"우리 중 누구도 이것을 전혀 예상하지 못했다."라고 연구 저자인 마이클 와인딩 박사는 말했다.

 

 

파리에서 AI로

 

이 연구는 초파리 뇌를 매핑한 최초의 것이 아니다. 이전에 자넬라 리서치 캠퍼스의 다비 복 박사가 이끄는 팀은 시냅스 수준의 세부 정보로 냄새를 배우고 기억하는 역할을 하는 성인 초파리 뇌의 작은 덩어리를 목표로 삼았다. 즐라틱의 팀은 또한 138개의 뉴런만 매핑하여 결정을 내리기 위해 초파리 유충의 감각 회로를 추적했다.

 

 

완전 브레인 커넥톰은 게임 체인저이다. 우선, 과학자들은 이제 신경계산을 위한 이론을 테스트하기 위한 정교한 참조 뇌를 가지고 있다. 또 다른 예로, 커넥톰 맵과 그것의 추론된 계산은 최첨단 머신러닝과 유사하다.

 

 

"재귀 신경망이 인공지능에서 매우 강력하다는 것을 알고 있기 때문에 정말 좋다."라고 즐라틱은 말했다. "이 생물학적 시스템을 비교함으로써 잠재적으로 더 나은 인공 네트워크에 영감을 줄 수 있다."

 

이미지 출처: 마이클 와인딩