Combining brain-wide activity imaging with electron microscopy reveals a distributed nociceptive network in the brain

이 논문은 광시트 현미경과 전자현미경을 결합하여 동일한 뇌의 기능적 활동과 해부학적 연결을 매핑하는 새로운 방법론을 제시함으로써, 초파리 유충의 뇌에서 노시셉션 (통각) 이 25 개의 서로 다른 신경 계통에 걸쳐 분산된 네트워크로 처리된다는 사실을 규명했습니다.

핵심

1. 연구의 핵심 문제: "누가 누구인지 모른 채 활동만 보는 것"

상상해 보세요. 거대한 도시 (뇌) 에 불이 났을 때 (통증 자극), 도시 전체의 CCTV(광학 현미경) 로 불이 난 곳의 빛나는 불꽃 (신경 활동) 을 모두 찍어냈습니다. 하지만 문제는 그 불꽃이 정확히 어떤 건물의 어떤 방에서 나온 건지 알 수 없다는 것입니다.

• 기존의 한계: 빛을 이용한 현미경 (LSM) 은 세포 전체를 한눈에 볼 수 있지만, 세포들이 뻗어 나가는 **가느다란 전선 (신경 돌기)**들을 구별하기엔 해상도가 부족합니다. 마치 밤하늘의 별 (세포체) 은 다 보이지만, 그 별들을 연결하는 전선들은 너무 가늘어 보이지 않는 것과 같습니다.
• 결과: "어디서 불이 났는지"는 알 수 있어도, "그 불이 도시의 어떤 시스템 (기억, 운동, 감각 등) 을 작동시켰는지"를 정확히 파악하기 어려웠습니다.

2. 연구자의 해결책: "동일한 뇌를 두 번 찍는 마법"

연구팀은 이 문제를 해결하기 위해 동일한 뇌를 두 가지 다른 방식으로 연속해서 촬영하는 혁신적인 방법을 고안했습니다.

1. 첫 번째 촬영 (활동 촬영): 살아있는 뇌에 빛을 쏘며 어떤 세포들이 반응하는지 (불꽃이 어디에 튄는지) 를 촬영합니다.
2. 두 번째 촬영 (구조 촬영): 바로 그 뇌를 고정하고, 아주 정밀한 전자 현미경 (eFIB-SEM) 으로 세포들의 전선 (돌기) 이 어떻게 연결되어 있는지를 해부도처럼 자세히 찍습니다.
3. 맞춤기 (매칭): 두 장의 사진을 겹쳐서, "아! 저 불꽃이 난 곳은 바로 이 전선 구조를 가진 세포구나!"라고 정확하게 연결합니다.

비유하자면:

도시 전체의 CCTV 로 "어디서 소란이 났는지"를 먼저 확인하고, 바로 그 건물의 **정밀한 설계도 (청사진)**를 꺼내와서 "소란을 부른 사람이 정확히 어떤 직업을 가진 사람인지, 어떤 부서에서 일하는지"를 찾아내는 것과 같습니다.

3. 발견된 놀라운 사실: "통증은 뇌의 한 구석이 아니라, 온 도시를 휩쓴다"

이 방법으로 파리 애벌레가 통증을 느낄 때 뇌에서 일어난 일을 분석한 결과, 매우 흥미로운 사실들이 드러났습니다.

• 분산된 네트워크: 통증을 느끼는 것은 뇌의 특정 한 곳 (예: 통증 센터) 만이 아니라, 뇌 전체에 흩어진 25 개의 서로 다른 부위가 함께 일하고 있었습니다. 마치 화재가 발생했을 때 소방서뿐만 아니라 경찰서, 병원, 심지어 학교와 도서관까지 모두 비상 체제로 돌입하는 것과 같습니다.
• 예상치 못한 참여자:
  • 기억을 담당하는 세포 (Kenyon Cells): 보통은 냄새나 빛 같은 것을 기억할 때만 쓰이는 '학습 세포'들이, 아픔을 느낄 때도 활발하게 움직이는 것이 발견되었습니다.
  • 비유: "우리가 '아프다'고 외칠 때, 단순히 비명을 지르는 것뿐만 아니라, 과거의 경험을 떠올리며 '이건 위험해!'라고 기억을 검색하는 세포들도 함께 참여하고 있었다"는 뜻입니다.
• 즉각적인 도피 반응: 이 세포들이 모여서 뇌에서 척추 (신경절) 로 명령을 내려, 애벌레가 몸을 구르며 도망치는 (Rolling) 행동을 하도록 돕는다는 것을 확인했습니다.

4. 왜 이 연구가 중요한가?

이 연구는 단순히 "파리가 아파서 도망친다"는 사실을 넘어, 뇌가 어떻게 정보를 처리하는지에 대한 새로운 지평을 열었습니다.

• 새로운 지도 제작: 이전에는 알 수 없었던 뇌의 '활동 지도'와 '연결 지도'를 하나로 합쳐, 뇌가 어떻게 작동하는지 더 완벽하게 이해할 수 있는 길을 열었습니다.
• 미래의 가능성: 이 방법을 사용하면, 우리가 다양한 행동 (배우기, 기억하기, 감정 느끼기) 을 할 때 뇌의 어떤 세포들이 어떻게 움직이는지, 그리고 그 세포들이 서로 어떻게 연결되어 있는지를 한 번에 파악할 수 있게 됩니다.

요약

이 논문은 **"동일한 뇌를 활동 촬영과 정밀 구조 촬영으로 겹쳐서, 통증이 뇌 전체에 어떻게 퍼져나가는지, 그리고 기억을 담당하는 세포까지도 아픔에 반응한다는 놀라운 사실"**을 밝혀낸 연구입니다.

마치 거대한 도시의 비상 상황을 CCTV 와 설계도를 동시에 분석하여, 어떤 건물이 어떻게 반응하는지 완벽하게 파악한 것과 같습니다. 이 기술은 앞으로 우리가 뇌가 어떻게 작동하는지, 그리고 우리가 어떻게 행동하고 학습하는지를 이해하는 데 큰 도움이 될 것입니다.

기술 요약

이 논문은 **초점 이온 빔 주사전자현미경 (eFIB-SEM)**과 **광시트 현미경 (Light-Sheet Microscopy, LSM)**을 결합하여, 뇌 전체의 신경 활동과 시냅스 수준의 회로 구조를 매핑하는 새로운 방법론을 제시하고, 이를 초파리 유충의 뇌에서 통증 (nociception) 처리 네트워크를 규명하는 데 적용한 연구입니다.

주요 내용은 다음과 같습니다.

1. 연구 배경 및 문제 제기

• 문제: 뇌가 어떻게 작동하는지 이해하려면 신경 활동 (functional activity) 을 시냅스 수준의 회로 구조 (connectivity) 와 연결해야 합니다. 최근 광시트 현미경 (LSM) 기술의 발전으로 뇌 전체의 신경 세포체 (cell bodies) 활동을 고해상도로 관찰할 수 있게 되었으나, 세포체의 위치만으로는 대부분의 신경 세포를 식별할 수 없습니다.
• 한계: 대부분의 신경 세포는 세포체의 위치가 아닌, 신경 돌기 (projections/axons/dendrites) 의 형태와 위치로 식별됩니다. 그러나 LSM 은 밀집된 신경 돌기를 분해할 만큼의 해상도를 제공하지 못합니다. 반면, 전자현미경 (EM) 은 돌기를 분해할 수 있지만, 특정 행동 중의 신경 활동을 동시에 기록하기는 어렵습니다.
• 목표: 동일한 뇌에서 활동 데이터를 먼저 얻은 후, 동일한 뇌를 고해상도 EM 으로 촬영하여 활동이 관찰된 신경 세포의 돌기를 추적하고, 이를 통해 신경 세포의 정체성 (identity) 과 연결성을 규명하는 방법론 개발.

2. 방법론 (Methodology)

연구팀은 다음과 같은 통합 워크플로우를 개발했습니다:

1. 전체 뇌 기능 영상 촬영 (Whole-brain functional imaging):
   • 초파리 유충의 모든 신경 세포에 칼슘 지시약 (RGECO1a) 을 발현시켰습니다.
   • 척수 (nerve cord) 의 주요 통증 간세포인 'Basin' 신경을 광유전학적으로 (Chronos) 자극하여 통증 반응을 유도했습니다.
   • 다중 시점 광시트 현미경 (SiMView) 을 사용하여 뇌 전체의 신경 활동 (calcium transients) 을 기록했습니다.
2. 동일 뇌의 전자현미경 촬영 (Volume EM imaging):
   • 기능 촬영 직후, 동일한 시료를 화학적으로 고정하고 eFIB-SEM 으로 촬영했습니다.
   • 해상도: 12 x 12 x 12 nm/voxel (성체 초파리 뇌의 8 nm 해상도보다 낮지만, 유충 뇌의 주요 신경 돌기 추적에는 충분함).
3. 데이터 정합 (Registration) 및 신경 세포 식별:
   • LSM 데이터와 eFIB-SEM 데이터를 51 개의 랜드마크를 기반으로 정합 (registration) 했습니다.
   • EM 데이터에서 분할된 세포핵 (somas) 을 LSM 좌표계로 투영하여, 통증 자극에 반응한 신경 세포의 위치를 정확히 파악했습니다.
   • 반응한 신경 세포의 두꺼운 근위 돌기 (proximal projections) 를 수동으로 재구성하여 신경계 계보 (lineage) 를 확인하고, 가능한 경우 더 얇은 중형 돌기 (intermediate branches) 를 추적하여 개별 신경 세포를 식별했습니다.
4. 검증 (Validation):
   • 식별된 신경 세포에 특이적으로 발현되는 GAL4 라인을 찾아, 개별 신경 세포의 활동을 2-광자 현미경으로 재확인했습니다.

3. 주요 결과 (Key Results)

• 통증 반응 신경 세포의 발견:
  • 뇌 내 약 3,000 개 신경 세포 중 **119 개 (~4%)**가 Basin 자극에 유의미하게 반응했습니다.
  • 이 신경 세포들은 **25 개의 서로 다른 신경 계보 (lineages)**에 분포되어 있었으며, 뇌의 다양한 영역에 걸쳐 분산된 네트워크를 형성했습니다.
• 신경 회로의 구조적 특징:
  • 다양한 신경 유형: 통증 정보를 처리하는 신경에는 뇌 출력 신경 (Descending Neurons, DN), 감각 정보 통합 신경, 그리고 이전에 학습 및 기억 (후각, 조건부 자극) 과 관련된 것으로 알려진 신경들이 포함되었습니다.
  • 다중 감각 통합: 후각 처리와 관련된 측면 뇌 (Lateral Horn) 신경 (LHN-32) 과 학습 회로의 일부인 **균체 (Mushroom Body) 의 케논 세포 (Kenyon Cells, KCs)**가 통증 자극에 반응함을 발견했습니다. 이는 KCs 가 조건부 자극뿐만 아니라 무조건 자극 (통증) 도 처리할 수 있음을 시사합니다.
  • 회로 경로: Basin 신경에서 뇌 신경으로 가는 최단 경로는 2 홉 (hop) 이며, 일부는 5 홉 이내의 경로로 연결되었습니다. 발견된 신경 중 1/3 은 뇌에서 척수로 신호를 전달하는 하행 신경 (DNs) 이었습니다.
• 선천적 행동에 대한 KCs 의 역할:
  • 광유전학적으로 KCs 를 억제 (silencing) 한 결과, 통증 자극에 대한 선천적 탈출 행동 (구르기, rolling) 이 유의미하게 감소했습니다. 이는 KCs 가 학습된 행동뿐만 아니라 선천적 탈출 반응을 촉진하는 데에도 관여함을 보여줍니다.
• 검증 성공:
  • 전체 뇌 영상으로 식별한 26 개의 신경 세포 중 3 개 (DNsez-1, CSD, KCs) 에 대해 GAL4 라인을 이용한 개별 검증 실험을 수행했고, 전체 뇌 영상에서 관찰된 반응 패턴과 일치하는 결과를 재현하여 방법론의 신뢰성을 입증했습니다.

4. 주요 기여 및 의의 (Contributions & Significance)

• 방법론적 혁신: 세포체 위치만으로는 식별이 불가능한 뇌 신경 세포를, 활동 데이터와 고해상도 구조 데이터를 동일한 개체에서 결합하여 식별하는 새로운 프레임워크를 제시했습니다. 이는 특정 유전자 드라이버가 없는 신경 세포의 기능 연구에 혁신적인 도구가 됩니다.
• 통증 처리 네트워크의 확장: 초파리 유충의 통증 처리가 척수뿐만 아니라 뇌 전체에 분산되어 있으며, 후각 및 학습 회로와 밀접하게 연결되어 있음을 최초로 규명했습니다.
• 선천적 행동과 학습의 연결: 균체 (Mushroom Body) 와 케논 세포 (KCs) 가 선천적 탈출 반응에도 관여한다는 발견은, 학습과 선천적 행동이 서로 고립된 것이 아니라 통합된 회로에서 처리될 수 있음을 시사합니다.
• 미래 전망: 이 방법론은 다양한 행동 과제를 수행할 때의 뇌 전체 활동 지도를 연결성 지도 (connectome) 위에 겹쳐 놓을 수 있는 기반을 마련하여, 신경 회로 기능에 대한 포괄적인 이해를 가능하게 할 것입니다.

요약

이 연구는 **LSM(기능) + eFIB-SEM(구조)**의 결합을 통해 초파리 유충 뇌의 통증 처리 네트워크를 체계적으로 매핑했습니다. 이를 통해 기존에 알려지지 않았던 25 개의 신경 계보와 다양한 신경 유형 (DN, LHN, KC 등) 이 통증 정보 처리에 관여하며, 특히 학습을 담당하는 것으로 알려진 케논 세포가 선천적 탈출 행동에도 핵심적인 역할을 함을 규명했습니다. 이는 신경 회로 연구의 패러다임을 '단일 신경 세포 중심'에서 '전체 뇌 활동과 구조의 통합'으로 전환하는 중요한 계기가 됩니다.