Split trial analysis reveals the information capacity of neural population codes

당신의 뇌를 하나의 완벽한 음을 연주하여 소리가 어디에서 오는지 알려주려는 거대한 오케스트라라고 상상해 보세요. 각 연주자(뉴런)는 그 음을 연주하려고 노력하지만, 그들은 모두 손에 약간의 "떨림(jitter)"이나 흔들림을 가지고 있습니다. 때로는 그들이 모두 같은 방식으로 동시에 흔들리기도 하고, 다른 때에는 무작위로 독립적으로 흔들리기도 합니다.

오랫동안 과학자들은 다음과 같은 의문을 품어왔습니다: 오케스트라 전체가 함께 흔들리는 것이 중요할까요, 아니면 그저 개별적인 흔들림이 음악을 망치는 것일까요?

이 논문은 이 "공유된 흔들림"(상관된 노이즈)이 뇌의 명확한 메시지 전달 능력을 얼마나 방해하는지 정확히 파악하기 위한 새롭고 영리한 방법을 소개합니다.

문제: 기계 속의 "유령"

과학자들은 만약 모든 뉴런이 특정 방향으로 함께 흔들린다면, 그것이 뇌의 학습 능력에 "사각지대"를 만든다는 것을 알고 있었습니다. 이는 마치 합창단 전체가 똑같은 방식으로 약간 음이 이탈하여 노래하는 것과 같습니다. 아무리 많은 가수를 추가하더라도 노래는 결코 완벽해질 수 없습니다. 이것을 **정보 제한적 노이즈(information-limiting noise)**라고 부릅니다.

문제는 실제 뇌 데이터에서 이 "공유된 흔들림"을 찾아내는 것이 믿기 힘들 정도로 어려웠다는 점입니다. 그것은 마치 충분히 밝지 않은 손전등을 사용하여 안개 낀 방 안에서 특정 유령을 찾는 것과 같았습니다.

해결책: "분할 시행(Split-Trial)"이라는 마술

저자들은 **분할 시행 분석(Split-Trial Analysis)**이라는 새로운 도구를 만들었습니다. 이것을 다음과 같이 생각해 보세요:

친구들에게 수박의 무게를 맞춰보라고 요청한다고 가정해 봅시다. 당신은 친구들에게 서로 대화하지 못하게 한 상태에서 두 번 연속으로 질문을 던집니다.

• 만약 그들의 대답이 매번 완전히 다르다면, 그들은 그저 무작위로 추측하고 있는 것입니다 (무작위 노이즈).
• 하지만, 만약 그들이 두 번 모두 계속해서 똑같이 틀린 숫자를 말한다면, 그들은 모두 같은 잘못된 방향으로 "함께 흔들리고" 있는 것입니다 (정보 제한적 노이즈).

동일한 실험에서 얻은 데이터를 두 부분으로 나누고 이를 비교함으로써, 이 새로운 방법은 "무작위 추측"과 "체계적인 집단 오류"를 분리해 낼 수 있습니다. 이것은 단순한 기술이지만, 데이터가 많지 않은 상황에서도 마법처럼 효과를 발휘합니다. 논문은 이 방법이 이 퍼즐을 풀기 위해 기존의 방식들보다 훨씬 더 뛰어나고, 빠르며, 신뢰할 수 있다는 것을 보여줍니다.

발견한 것: 세 가지 새로운 발견

이 새로운 "분할 시행" 렌즈를 사용하여, 연구진들은 세 가지 서로 다른 동물 시스템의 실제 뇌 데이터를 살펴보았고 흥미로운 사실들을 발견했습니다:

1. 생쥐의 내부 나침반: 생쥐의 뇌 부위 중 방향(머리 방향 시스템)을 인지하는 곳에서, 그들은 엄청난 양의 이 공유된 흔들림을 발견했습니다. 이는 마치 나침반 팀 전체가 함께 흔들거리는 것과 같으며, 이는 생쥐가 자신의 방향을 얼마나 정밀하게 알 수 있는지를 제한합니다.
2. 생쥐의 시각: 선과 각도를 보는 생쥐의 뇌 부위(V1)에서, 그들은 아주 적은 양의 공유된 흔들림을 발견했습니다. 그것은 존재하지만 매우 작으며, 이는 생쥐의 시각 코드가 완벽하지는 않더라도 상당히 명확하다는 것을 의미합니다.
3. 원숭이의 집중: 원숭이가 빠른 눈 움직임(saccade)을 할 때의 원숭이 뇌에서, 그들은 이 공유된 흔들림이 매우 일관적이라는 것을 발견했습니다. 이는 마치 원숭이 뇌의 "노이즈"가 시간이 지나도 크게 변하지 않는 일정한 웅웅거림과 같아서, 그 특정 작업 동안 뇌의 신호가 놀라울 정도로 안정적임을 나타냅니다.

핵심 요약

이 논문은 지금 당장 질병을 치료하거나 로봇을 만들겠다고 약속하는 것이 아닙니다. 대신, 과학자들에게 강력하고 새로운 돋보기를 제공합니다. 이 도구를 통해, 그들은 드디어 뇌의 서로 다른 부분에서 얼마나 많은 "집단적 흔들림"이 일어나고 있는지 정확히 볼 수 있으며, 이는 우리의 신경망이 정보를 전달하는 능력이 가진 진정한 한계가 무엇인지 이해하는 데 도움을 줄 것입니다.