Functional imaging of nine distinct neuronal populations under a miniscope in freely behaving animals

이 논문은 기존 미니스코프의 스펙트럼 제한을 극복하고 선형 언믹싱을 통해 단일 동물에서 9 가지의 서로 다른 신경 세포 군집을 동시에 식별하여 행동과 연결하는 '뉴로플렉스 (Neuroplex)'라는 새로운 이미징 파이프라인을 제안합니다.

핵심

이 논문은 "자유롭게 뛰어다니는 쥐의 뇌속에서, 한 번에 9 가지不同类型的 (다른 종류) 신경세포를 구별해 내는 새로운 기술" 을 소개합니다.

기존의 기술로는 한 번에 최대 2 가지 종류의 세포만 구별할 수 있었는데, 이 새로운 방법 (이름을 **'뉴로렉스 (Neuroplex)'**라고 합니다) 을 사용하면 마치 9 가지 다른 색의 형광펜으로 쓴 글을 한 번에 읽을 수 있게 된 것과 같습니다.

이 복잡한 과학 기술을 쉽게 이해할 수 있도록 일상적인 비유로 설명해 드릴게요.

---

1. 문제: "어두운 방에서 2 가지 색만 볼 수 있는 안경"

과거에 과학자들은 쥐가 자유롭게 뛰어다니는 동안 뇌의 활동을 관찰하기 위해 머리에 작은 카메라 (마이크로스코프) 를 달았습니다. 하지만 이 카메라는 최대 2 가지 색깔 (예: 초록색과 빨간색) 만 구별할 수 있었습니다.

• 비유: 마치 어두운 방에서 빨간색과 초록색 형광펜으로 쓴 편지만 읽을 수 있는 안경을 쓴 상황입니다. 만약 9 가지 다른 색깔 (파랑, 노랑, 보라 등) 로 쓴 편지가 섞여 있다면, 안경을 쓴 사람은 "어? 이 글자가 빨간색인가, 아니면 주황색인가?"라고 헷갈려서 7 가지 색깔은 그냥 무시해버리게 됩니다.
• 결과: 과학자들은 뇌속의 다양한 세포들이 어떤 일을 하는지 한 번에 파악하지 못했고, 여러 마리의 쥐를 실험해서 결과를 합쳐야만 했습니다. 하지만 쥐마다 차이가 있을 수 있어 정확한 결론을 내기 어려웠습니다.

2. 해결책: "9 가지 색깔을 한 번에 읽어내는 '스마트 필터'"

연구팀은 이 문제를 해결하기 위해 **'뉴로렉스 (Neuroplex)'**라는 새로운 시스템을 개발했습니다. 이 시스템은 두 가지 단계를 거칩니다.

1 단계: 행동 기록 (마이크로스코프)

먼저, 쥐가 친구를 만나거나 놀 때 뇌세포가 어떻게 활동하는지 초록색 카메라로 찍습니다. 이때 "어떤 세포가 언제 활발하게 움직였는지"를 기록합니다.

2 단계: 지문 확인 (현미경)

그런 다음, 쥐를 잠시 잠들게 하고 같은 렌즈를 통해 고성능 현미경으로 뇌를 다시 봅니다. 이때 각 세포에 들어있는 **9 가지 다른 형광색 (지문)**을 정밀하게 분석합니다.

• 비유: 마치 수사관이 범죄 현장 (행동 중인 뇌) 에서 용의자들의 움직임을 CCTV 로 찍어둔 뒤, 나중에 같은 장소에 가서 **지문 (색깔)**을 채취해 "아! 이 사람이 움직였구나!"라고 연결하는 과정과 같습니다.

3. 기술의 핵심: "렌즈의 왜곡을 보정하는 마법"

이 연구의 가장 어려운 점은 뇌에 삽입된 렌즈 (GRIN 렌즈) 때문입니다. 이 렌즈는 빛의 파장에 따라 초점을 다르게 맞추는 성질 (색수차) 이 있어, 색깔마다 초점이 달라집니다.

• 비유: 안경이 비뚤어져서 빨간색 글자는 선명하게 보이는데, 파란색 글자는 흐릿하게 보이는 상황입니다.
• 해결: 연구팀은 이 렌즈의 성질을 정밀하게 측정하고, 컴퓨터 프로그램으로 색깔마다 초점이 달라지는 정도를 계산해 보정했습니다. 마치 흐릿하게 보이는 파란색 글자를 소프트웨어로 다시 선명하게 만들어주는 것과 같습니다.

4. 결과: "9 가지 색깔의 비밀을 밝히다"

이 기술을 통해 연구팀은 쥐의 뇌속에서 9 가지 서로 다른 목적지로 가는 신경세포들을 한 마리 쥐에서 동시에 구별해냈습니다.

• 예시: "이 세포는 공포를 느끼는 세포 (파란색)"이고, "저 세포는 공격적인 행동을 하는 세포 (노란색)"임을 동시에 확인할 수 있게 되었습니다.
• 의미: 이제 과학자들은 한 마리 쥐의 뇌속에서 다양한 세포들이 어떻게 서로 다른 행동을 조절하는지 한눈에 볼 수 있게 되었습니다.

5. 왜 이것이 중요한가요?

• 정확도 향상: 여러 마리의 쥐를 실험할 필요 없이, 한 마리 쥐 안에서 모든 세포의 활동을 비교할 수 있어 결과가 훨씬 정확해집니다.
• 시간 절약: 뇌를 잘라내어 확인하는 번거로운 과정 없이, 살아있는 상태에서 바로 확인할 수 있습니다.
• 미래: 이 기술은 알츠하이머나 자폐증 같은 뇌 질환 연구에서, 어떤 특정 세포가 어떻게 변하는지 추적하는 데 큰 도움을 줄 것입니다.

요약

이 논문은 **"자유롭게 움직이는 쥐의 뇌속에서, 9 가지 다른 색깔로 표시된 신경세포들을 한 번에 구별해내는 새로운 안경과 분석법"**을 개발했다는 이야기입니다. 마치 9 가지 색깔의 형광펜으로 쓴 편지를 한 번에 읽을 수 있게 된 것처럼, 뇌과학 연구의 지평을 넓혀주는 획기적인 기술입니다.

기술 요약

논문 제목: Miniscope 내에서의 다색 뉴런 식별 (Multicolor neuron identification within miniscope)

부제: 자유 행동 동물에서 9 가지 서로 다른 뉴런 집단의 기능적 영상화

1. 연구 배경 및 문제 제기 (Problem)

• 현재 기술의 한계: 헤드 마운트형 미니스코프 (Miniscope) 는 자유 행동하는 동물에서 기능적 형광 영상 (Calcium imaging) 을 가능하게 하여 신경과학에 큰 기여를 해왔습니다. 그러나 현재 기술은 스펙트럼 용량 (Spectral capacity) 에 심각한 제약이 있습니다.
  • 대부분의 미니스코프는 내부 광학 및 필터 세트의 물리적 제한과 GRIN 렌즈 (Gradient-index lens) 로 인한 색수차 (Chromatic aberration) 로 인해 최대 2 종의 형광체 (Fluorophore) 만 구별할 수 있습니다.
  • 이로 인해 단일 동물 내에서 2 종 이상의 서로 다른 뉴런 아형을 동시에 분석하는 것이 불가능하여, 연구자들은 서로 다른 동물 군을 비교하거나 사후 조직 처리 (Post-hoc immunohistochemistry) 에 의존해야 했습니다. 이는 장기 연구 (Longitudinal studies) 에 부적합하고, 동일 회로 내의 다양한 세포 유형 간 상호작용을 동시에 분석하는 것을 방해합니다.

2. 방법론 (Methodology: Neuroplex Pipeline)

저자들은 Neuroplex라는 새로운 영상 및 분석 파이프라인을 개발하여 위 문제를 해결했습니다. 이는 미니스코프 기능 기록과 동일한 GRIN 렌즈를 통한 생체 내 (In vivo) 다중 분해능 공초점 분광 영상 (Multiplexed spectral confocal imaging) 을 결합합니다.

• 핵심 구성 요소:
  1. GRIN 렌즈 보정: GRIN 렌즈는 파장에 따라 초점 평면이 이동하는 축 방향 색수차 (Axial chromatic aberration) 와 투과율 변화를 유발합니다. 저자들은 이를 보정하기 위해:
     • 가시광선 스펙트럼 전체를 아우르는 Z-스택을 취득하여 초점 이동을 평탄화 (Flattening) 했습니다.
     • 공초점 핀홀 (Pinhole) 을 350 µm 로 넓혀 파장 이동을 보상했습니다.
     • 렌즈의 파장 의존적 투과율 특성을 모델링하여 각 레이저의 출력을 보정했습니다.
  2. 형광체 선정 및 최적화: 10 가지 형광체 (GCaMP6s 포함 9 가지) 를 선정하여 HEK293T 세포에서 스펙트럼 지문 (Spectral fingerprint) 을 확보했습니다. (mPapaya 는 세포 독성으로 제외).
  3. 영상 취득 프로세스:
     • 1 단계 (기능적 영상): 행동 중 미니스코프로 GCaMP6s 활성을 기록하고, CNMF 알고리즘으로 관심 영역 (ROI) 을 추출합니다.
     • 2 단계 (분광 영상): 마취 하에 동일한 GRIN 렌즈를 통해 공초점 현미경으로 다중 분해능 분광 Z-스택을 취득합니다.
     • 3 단계 (정합 및 분석): 혈관 패턴 등을 기준으로 미니스코프 ROI 와 공초점 영상을 정합 (Co-registration) 합니다.
  4. 선형 언믹싱 (Linear Unmixing): 실험적으로 얻은 스펙트럼 지문을 기반으로 선형 언믹싱 알고리즘을 적용하여 각 ROI 의 형광체 정체성을 할당합니다.
     • 이중 통과 (Dual-pass) 전략: 한 번의 임계값 설정으로 놓칠 수 있는 과다 표현된 형광체를 복구하기 위해, 1 차 통과에서 미할당된 ROI 에 대해 동적으로 조정된 임계값으로 2 차 분석을 수행합니다.

3. 주요 기여 (Key Contributions)

• 9 종 뉴런 아형의 동시 식별: GCaMP6s 를 포함하여 9 가지 서로 다른 형광체를 통해 투영 정의 (Projection-defined) 된 9 가지 뉴런 아형을 단일 동물에서 식별하는 데 성공했습니다.
• 생체 내 (In vivo) 정합: 사후 조직 처리 없이 생체 내에서 기능적 데이터와 구조적 (형광체) 데이터를 정합하여, 동일 개체 내에서 세포 유형별 행동 반응을 직접 비교할 수 있는 프레임워크를 제시했습니다.
• GRIN 렌즈 색수차 극복: GRIN 렌즈의 심각한 광학적 왜곡을 정량화하고 보정하여, 다색 영상화를 가능하게 하는 광학 및 알고리즘적 솔루션을 제공했습니다.
• 이중 라벨링 (Dual-labeling) 감지: 단일 뉴런이 두 가지 형광체 (여러 투영 목표) 를 발현하는 경우를 식별할 수 있는 능력을 검증했습니다.

4. 결과 (Results)

• 식별 정확도:
  • 시뮬레이션 및 실험 데이터를 통해, 기능적으로 정의된 뉴런의 약 70% 가 투영된 형광체 중 하나에 할당되었으며, 위양성 (False positive) 은 최소화되었습니다.
  • 단일 형광체 식별 시 약 90% 이상의 정확도를 보였으며, 이중 라벨링된 ROI 의 경우 91% 에서 적어도 하나의 형광체를, 25% 에서 두 가지 형광체를 모두 정확히 식별했습니다.
• 행동 관련성 분석:
  • 사회적 기억 과제 (Social memory task) 에서 투영 목표 (예: NAc, LC, Str 등) 에 따라 뉴런의 행동 선택성 (Selectivity) 이 다르게 나타났습니다.
  • 예: NAc 투영 뉴런은 친숙한/새로운 동종 개체와의 상호작용에 선택적이었으며, LC 투영 뉴런은 공격적/탐색적 상호작용에 반응했습니다.
• 형광체 성능: mVenus 와 T-Sapphire 은 높은 탐지율을 보인 반면, FusionRed 와 mCyRFP1 은 밝기나 스펙트럼 특성으로 인해 탐지율이 낮았습니다.

5. 의의 및 결론 (Significance)

• 회로 수준의 행동 분석: 단일 동물 내에서 다양한 세포 유형 (Projection-defined subtypes) 의 활동을 동시에 모니터링함으로써, 복잡한 행동의 신경 회로 기작을 더 정밀하게 해부할 수 있게 되었습니다.
• 장기 연구 가능성: 사후 조직 처리가 필요 없어 동일한 개체를 여러 시간대에 걸쳐 재영상 (Re-imaging) 할 수 있어, 학습, 질병 진행, 치료 개입 등의 역동적 과정을 추적하는 데 이상적입니다.
• 확장성: 이 파이프라인은 GRIN 렌즈의 종류나 크기에 구애받지 않으며, 유전적으로 정의된 하위 유형이나 발달 단계 등 다양한 신경 회로 매핑 목표에 적용 가능합니다.
• 미래 전망: 현재는 '승자 독식 (Winner-take-all)' 규칙을 사용하여 위양성을 최소화하는 보수적인 접근을 취했으나, 향후 베이지안 분류기 등을 도입하여 불확실성을 정량화하고 투영 수렴 (Projection convergence) 을 더 정확하게 정량화할 수 있을 것으로 기대됩니다.

요약하자면, 이 연구는 미니스코프의 스펙트럼 한계를 극복하고, 생체 내 다색 형광체 식별을 가능하게 함으로써 신경과학 연구의 패러다임을 '단일 세포 유형'에서 '다중 세포 유형 간의 상호작용'으로 확장하는 중요한 기술적 진전을 이룩했습니다.