SynThIA: A semi-automated tool for quantification of multi-partite synapses

이 논문은 다중 마커를 활용한 다부위 시냅스의 정량적 분석을 위해 개발된 오픈 소스 파이썬 기반 도구인 SynThIA 를 소개하며, 이는 초보자와 고급 사용자 모두에게 접근성과 정밀성을 제공합니다.

핵심

🧠 1. 시냅스: 뇌 속의 '우편국'과 '우체부'들

우리의 뇌는 수십억 개의 뉴런 (신경세포) 으로 이루어져 있고, 이 뉴런들이 서로 정보를 주고받는 연결 고리를 시냅스라고 합니다.

과거에는 시냅스를 단순히 **'보내는 사람 (뉴런)'**과 '받는 사람 (뉴런)' 두 명만 있는 우편국으로 생각했습니다. 하지만 최근 연구에 따르면, 실제로는 **'우체부 (아strocyte, 성상세포)'**와 '감시원 (microglia, 미세아교세포)' 같은 다른 세포들도 함께 일하고 있었습니다.

즉, 시냅스는 두 사람만의 대화장이 아니라, 네 명이 함께 참여하는 복잡한 회의실과 같습니다. 이 네 명이 어떻게 협력하는지 알아야 뇌가 어떻게 작동하는지, 혹은 알츠하이머 같은 병이 왜 생기는지 이해할 수 있습니다.

🛠️ 2. 문제점: 너무 많은 사람을 한 번에 세기 어렵다

지금까지 과학자들은 이 회의실 (시냅스) 을 사진으로 찍어 분석하는 도구를 사용했습니다. 하지만 기존 도구들은 최대 2~3 명까지만 동시에 세거나 구별할 수 있는 한계가 있었습니다.

• 기존 도구 A: 두 사람만 볼 수 있음 (보내는 사람, 받는 사람).
• 기존 도구 B: 세 사람까지는 볼 수 있음 (보내는 사람, 받는 사람, 우체부).
• 문제: 네 번째 사람 (감시원) 이 들어오면 혼란이 생기고, 너무 많은 사람이 섞여 있으면 '누가 누구인지'를 정확히 구분하기 어렵습니다. 마치 혼잡한 광장에서 4 명 이상의 그룹을 정확히 묶어서 세기 힘든 것과 같습니다.

✨ 3. 해결책: SynThIA(신시) - 똑똑한 디지털 카메라

연구팀이 개발한 SynThIA는 이 문제를 해결하기 위해 만든 오픈 소스 (누구나 무료로 쓸 수 있는) 프로그램입니다.

• 네 명까지 한눈에: 이 도구는 최대 **4 가지 색상 (네 가지 세포)**을 동시에 분석할 수 있습니다. 마치 4 개의 안경을 동시에 끼고 모든 사람을 한 번에 구별해 내는 것처럼요.
• 초능력을 가진 필터: 사진 속의 '노이즈'(잡음) 를 제거하는 기능이 매우 뛰어납니다. 마치 흐릿한 사진에서 흐린 안개만 걷어내고 선명한 사람 얼굴만 남기는 것처럼, 진짜 시냅스만 정확히 찾아냅니다.
• 누구나 쓸 수 있음: 코딩을 몰라도 되는 직관적인 버튼이 있어서 일반 연구자도 쉽게 사용할 수 있습니다. 하지만 고급 사용자는 직접 코드를 수정해서 도구를 더 발전시킬 수도 있습니다.

🏆 4. 검증: 다른 도구들보다 더 정확하고 빠릅니다

연구팀은 SynThIA 가 기존 도구들보다 얼마나 뛰어난지 실험으로 증명했습니다.

• 정확도: 잡음이 많은 사진에서도 진짜 시냅스를 놓치지 않고 정확히 세었습니다. 기존 도구들은 잡음을 시냅스로 잘못 세거나, 반대로 진짜 시냅스를 놓치는 경우가 많았지만 SynThIA 는 이를 해결했습니다.
• 속도: 같은 양의 사진을 분석하는 데 걸리는 시간이 기존 도구보다 훨씬 짧았습니다. (예: 1.5 시간 걸리던 일을 30 분 만에 끝냄)
• 중복 방지: 같은 사람을 두 번 세는 실수를 방지합니다. 예를 들어, '보내는 사람 + 받는 사람 + 우체부'가 함께 있는 경우, 이 세 사람을 따로따로 세지 않고 **'한 그룹'**으로 정확히 인식합니다.

🌍 5. 실제 적용: 생쥐 뇌에서 발견한 비밀

이 도구를 실제 생쥐의 뇌 조직과 분리된 뇌 세포에 적용해 보았습니다.

• 알츠하이머 모델: 유전적으로 뇌 질환을 가진 생쥐 (Fmr1-/-) 의 뇌를 분석했더니, 정상 생쥐보다 **'우체부 (아strocyte)'**와 시냅스가 연결된 비율이 약 15% 줄어있다는 것을 발견했습니다. 이는 기존 전자기현미경으로 확인한 결과와 일치하는 정밀한 데이터였습니다.
• 새로운 발견: 이 도구를 통해 **미세아교세포 (감시원)**가 시냅스에 얼마나 관여하는지도 처음으로 정량적으로 파악할 수 있게 되었습니다.

💡 요약

SynThIA는 뇌 속의 복잡한 '4 인조 회의실'을 사진으로 찍어, 누가 누구와 함께 있는지, 몇 명이나 있는지 정확하고 빠르게, 그리고 누구나 쉽게 세어주는 차세대 분석 도구입니다.

이 도구가 개발됨으로써, 우리는 뇌 질환의 원인을 더 깊이 이해하고, 새로운 치료법을 찾는 데 한 걸음 더 다가갈 수 있게 되었습니다. 마치 어둡고 복잡한 뇌 속의 지도를 밝은 빛으로 비추어 주는 나침반과 같은 역할을 하는 것입니다.

기술 요약

1. 연구 배경 및 문제 제기 (Problem)

• 다중 분할 시냅스의 중요성: 성숙한 생쥐 대뇌 피질에서 대부분의 시냅스는 신경세포뿐만 아니라 별아교세포 (astrocytes) 와 미세아교세포 (microglia) 의 돌기에 의해 둘러싸인 '다중 분할 시냅스 (multi-partite synapses)' 형태를 띱니다. 이러한 구조는 시냅스 활동 조절에 필수적입니다.
• 기존 도구의 한계:
  • 기존에 널리 쓰이는 도구들 (Puncta Analyser, Synapse Counter 등) 은 주로 2 채널 (전시/후시) 분석에 국한되어 있어 교세포 과정을 포함한 분석이 불가능했습니다.
  • 최근 개발된 3 채널 분석 도구 (SynBot) 는 존재하지만, 4 채널 이상의 분석이 불가능하며, 단일/이중/삼중 공국소화 (colocalization) 사건의 세부적인 분류와 정량화에 한계가 있습니다. 또한, 노이즈가 심한 환경에서 과잉 검출 (false positive) 이나 중복 계수 (double-counting) 문제가 발생하기도 합니다.
• 필요성: 고처리량 (high-throughput) 으로 4 개 이상의 형광 마커를 분석할 수 있고, 노이즈에 강하며, 다양한 세포 유형 간의 상호작용을 정밀하게 정량화할 수 있는 도구의 부재가 주요한 방법론적 격차였습니다.

2. 방법론 (Methodology)

SynThIA 는 Python 기반의 오픈 소스 파이프라인으로, Scikit-image 라이브러리를 기반으로 개발되었습니다.

• 주요 처리 단계:
  1. 이미지 전처리 (Pre-processing):
     • 입력된 다중 채널 이미지 (단일 이미지 또는 .lif 배치 파일) 를 채널별로 분리합니다.
     • 노이즈 제거 전략: 샘플 유형에 따라 두 가지 전략을 제공합니다.
       • 고노이즈 (조직 등): 차분 가우시안 필터 (Difference of Gaussian) 와 롤링 볼 필터를 사용하여 점상 (puncta) 가장자리를 강화합니다.
       • 저노이즈 (시냅토솜 등): Anscombe 변환, 3x3 중앙값 필터, 비국소 평균 (non-local means) 노이즈 제거를 적용합니다.
  2. 세그먼테이션 (Segmentation):
     • 임계값 설정 (Thresholding): Otsu, Yen, 수동 설정, SynQuant 알고리즘 등 다양한 전역 임계값 방법을 지원합니다.
     • 크기 필터링 (Size Filtering): 사용자가 정의한 크기 범위를 벗어나는 노이즈를 제거하여 점상 식별의 정확도를 높입니다.
  3. 정량 분석 (Quantitative Analysis):
     • 공국소화 (Colocalization) 로직: 각 채널의 점상 중심 (centroid) 을 계산하고, 점상 직경의 평균을 기반으로 한 '공국소화 임계 거리'를 설정합니다.
     • 계층적 분류: 마스터 채널 (기본값: 채널 1) 을 기준으로, 4 중 → 3 중 → 2 중 공국소화 순서로 분류한 후, 남은 점상을 단일 점상으로 분류합니다. 이는 중복 계수를 방지합니다.
     • 출력: Excel 형식으로 단일 및 공국소화 사건의 세부 통계와 검증 이미지를 생성합니다.

3. 주요 기여 (Key Contributions)

• 최대 4 채널 분석: 별아교세포, 미세아교세포, 전시, 후시 마커를 동시에 분석하여 '사중 분할 시냅스 (quad-partite synapses)'까지 정량화할 수 있는 최초의 도구 중 하나입니다.
• 접근성과 유연성: 초보자를 위한 직관적인 GUI 를 제공하면서도, 고급 사용자를 위해 코드 수정을 통한 커스터마이징이 가능한 모듈형 구조를 갖췄습니다.
• 노이즈 강인성: 실험 환경 (in situ, ex situ) 에 따라 최적화된 노이즈 제거 알고리즘을 내장하여, 기존 도구보다 높은 정확도를 제공합니다.
• 오픈 소스 및 고처리량: GitHub 에서 무료로 제공되며, 배치 처리 (batch processing) 를 통해 대량 데이터를 효율적으로 처리합니다.

4. 결과 (Results)

• 시뮬레이션 데이터 검증:
  • 다양한 노이즈 수준 (2.5% ~ 50%) 을 인위적으로 추가한 시뮬레이션 이미지에서 SynThIA 는 크기 필터링과 결합 시 기존 도구 (Synapse Counter, SynBot) 보다 높은 정밀도 (Precision) 를 보였습니다.
  • 특히 30% 이하의 일반적인 실험 노이즈 수준에서 단일 및 공국소화 사건을 구별하는 능력이 가장 뛰어났습니다. (50% 이상의 극단적 노이즈에서는 SynBot 이 노이즈와 신호 구별에서 우위를 보였으나, SynThIA 는 일반적인 조건에서 더 우수했습니다.)
• 실제 시냅토솜 (ex situ) 데이터 검증:
  • Bassoon(전시), Homer(후시), Slc1a2(별아교세포), Iba1(미세아교세포) 마커를 사용하여 분석한 결과, SynThIA 는 약 38% 의 시냅스가 별아교세포와 접촉함을 확인했으며, 미세아교세포와의 접촉도 정량화했습니다.
  • 중복 계수 방지: SynBot 은 공국소화 된 점상을 중복하여 세는 경향이 있었으나, SynThIA 는 계층적 분류 로직을 통해 중복 계수를 제거하고 더 정확한 분포를 보여주었습니다.
  • 처리 속도: 72 개의 이미지 세트를 처리하는 데 SynBot 은 1.5 시간 이상 걸린 반면, SynThIA 는 30 분 만에 처리하여 속도가 3 배 이상 빨랐습니다.
• 생체 내 (in situ) 데이터 검증:
  • 생쥐 해마 CA1 영역의 조직 절편에서 Fmr1-/- (Fragile X 증후군 모델) 마우스와 대조군을 비교한 결과, SynThIA 를 통해 별아교세포 돌기와 접촉한 시냅스의 약 15% 감소를 확인했습니다. 이는 전자현미경 (EM) 연구 결과와 일치하여 도구의 정확성을 입증했습니다.
• 다양한 시냅스 유형 적용: 흥분성 (Snap25/Grin2b) 과 억제성 (Vgat/Gephyrin) 시냅스 모두에서 성공적으로 정량화되었으며, 흥분성/억제성 비율 (약 5:1) 이 기존 문헌과 일치함을 확인했습니다.

5. 의의 및 결론 (Significance)

• 방법론적 혁신: 신경과학 분야에서 신경세포와 교세포의 복잡한 상호작용을 체계적으로 연구할 수 있는 표준 도구를 제공합니다.
• 정밀한 생물학적 통찰: 단순한 시냅스 수 계산을 넘어, 어떤 세포 유형이 어떤 시냅스와 상호작용하는지에 대한 미세한 구성 (composition) 과 분포를 파악할 수 있게 하여, 신경퇴행성 질환이나 발달 장애 연구에 중요한 통찰을 제공합니다.
• 확장성: 시냅스 이미징뿐만 아니라 단일 분자 FISH(smFISH) 등 다른 점상 구조가 필요한 이미징 모달리티에도 적용 가능한 유연한 구조를 가집니다.

요약하자면, SynThIA는 기존 도구의 채널 수 제한과 노이즈 민감성 문제를 해결하고, 4 채널 이상의 다중 세포 시냅스 정량화를 가능하게 함으로써 신경회로 연구의 새로운 기준을 제시하는 강력한 도구입니다.