A platform for automated training of mammalian cell physiology

기술 요약: 포유류 세포 생리학의 자동화된 훈련을 위한 플랫폼

문제 정의
포유류 세포의 생리학을 제어하는 것은 세포의 복잡성과 중재에 실시간으로 적응하는 세포의 능력(예: 약물 내성 또는 트랜스진 침묵 현상)으로 인해 중요한 과제로 남아 있습니다. 증거에 따르면 세포는 행동 과학에서 관찰되는 고전적 학습 형태(예: 습관화, 민감화, 연합 조건 형성)와 유사한 적응 역량을 보유하고 있습니다. 그러나 이 분야에는 이를 체계적으로 조사할 수 있는 적절한 플랫폼이 부족합니다. 기존 시스템은 단일 자극 양식(예: Stentor를 위한 기계적 두드림)에 국한되어 있거나, 단일 비신경 세포가 아닌 신경망을 위해 설계되었거나(예: 미세전극 어레이), 수동 약물 투여에 의존하여 확장성이 떨어집니다. 따라서 세포의 학습 및 기억 능력을 탐구하기 위해 정해진 시간에 화학적 자극을 전달하고 생리학적 반응을 실시간으로 모니터링할 수 있는 자동화된 폐쇄 루프(closed-loop) 시스템에 대한 절실한 필요성이 존재합니다.

방법론
저자들은 비신경 포유류 세포에 대한 훈련 실험을 수행하도록 설계된 오픈 액세스 자동화 플랫폼인 "Cell Trainer"를 제시합니다. 이 시스템은 세 가지 주요 구성 요소로 통합됩니다:

1. 하드웨어:

   • 유체 역학(Fluidics): 37°C, 5% CO₂ 인큐베이터 내에 위치한 CellASIC® ONIX2 미세유체 시스템을 사용합니다. 이는 공기압 구동 유동 방식을 사용하여 챔버당 최대 4개의 서로 다른 배지 저장소 사이를 전환함으로써 정밀하고 정해진 시간의 약물 펄스를 전달할 수 있게 합니다.
   • 이미징: 모터 구동 스테이지(Zaber)에 장착된 맞춤형 이동식 형광 현미경입니다. 이는 사전 정의된 좌표 사이를 이동하며, Nikon 10X 대물렌즈와 Basler 카메라를 사용하여 여러 챔버를 촬영하고 명시야(brightfield) 및 형광 이미지(청색, 녹색, 적색 들뜸 채널)를 포착합니다.
   • 환경: 전자 부품을 보호하기 위해 전체 유체 및 광학 설정은 비가습 인큐베이터 내에 포함되며, CellASIC® 뚜껑이 배지의 증발을 방지합니다.

2. 소프트웨어 및 제어:

   • 개방 루프(Open-Loop, Feedforward): 시스템은 정적인 스크립트에 따라 유체가 배지를 전환하는 동안 현미경이 정해진 간격으로 세포를 촬영하는 사전 정의된 일정을 실행합니다.
   • 폐쇄 루프(Closed-Loop, Feedback): 추가적인 컨트롤러 프로세스가 병렬로 실행되어 최신 이미지를 분석하고 세포의 행동(예: 평균 형광 강도)을 결정합니다. 제어 정책에 따라, 이미지 획득 후 1초 이내에 유체를 적절한 상태(예: 형광이 임계값을 초과하면 산성 펄스 전달)로 동적으로 전환합니다.

3. 이미지 분석 파이프라인:

   • 사용자 정의 Python 기반 파이프라인이 시계열 이미지를 처리합니다. 이 파이프라인은 Cellpose를 사용하여 세포 분할(움직이지 않는 세포에는 정적 마스크를 적용하거나 움직이는 세포를 프레임 간에 추적)을 수행합니다.
   • 파이프라인은 광학적 결함과 배지의 형광 변화를 보정하기 위해 다항식 피팅(polynomial fits)을 사용하여 배경 아티팩트 추정 및 차분을 수행합니다.
   • 형광 트레이스는 $\Delta F/F_0$를 사용하여 정규화됩니다.
   • 다운스트림 분석에는 세포 쌍 간의 거리 대비 피어슨 상관 계수 계산, 주성분 분석(PCA), 그리고 학습 행동(습관화, 민감화, 기대 점수)을 위한 특정 지표가 포함됩니다.

주요 결과
저자들은 두 가지 뚜렷한 실험 패러다임을 통해 플랫폼을 검증했습니다:

1. 피드포워드 실험 (민감화 유사 역학):

   • 설정: GCaMP6f를 발현하는 C2C12 근세포(myoblasts)와 PC-3 전립선암 세포를 2분간의 5% DMSO 펄스에 반복적으로 노출시켰습니다.
   • 결과: 시스템은 개별 세포의 이산적인 칼슘 스파이크를 성공적으로 추적했습니다. 분석 결과, 반응 크기(피크 높이)가 후속 자극 훈련 동안 증가하는 경향을 보였으며, 이는 민감화 패턴과 일치합니다.
   • 이질성: 플랫폼은 세포 유형별 차이를 해결했습니다. C2C12 세포는 "노치(notched)" 형태의 반응 피크와 높은 기저 노이즈를 보인 반면, PC-3 세포는 둥근 피크와 낮은 노이즈를 보였습니다.
   • 학습 지표: 통계적 분석 결과 민감화 점수에 대해 영 분포(null distributions)로부터 유의미한 편차를 보였습니다. 흥-미롭게도, 세포들은 "기대(anticipation)" 행동(존재하지 않는 여섯 번째 펄스의 예상 시간에서의 형광 편차)을 보였으나, 이 효과의 방향은 첫 번째와 두 번째 자극 훈련 사이에서 달랐습니다.

2. 피드백 제어 실험 (생리학적 조종):

   • 설정: pH/전압 리포터인 ArcLight을 발현하는 NRK-49F 신장 세포를 실시간으로 제어했습니다.
   • 결과: 시스템은 형광이 임계값을 초과할 때마다 30초간의 산성 배지 펄스를 전달함으로써 평균 세포 형광을 설정값 아래로 유지하는 데 성공했습니다. 컨트롤러는 1초 미만 내에 반응했습니다.
   • 단일 세포 해상도: 집단 수준의 제어 하에서도 시스템은 개별 세포의 행동을 식별하여, 산성 노출로 인해 사멸한 하위 집단을 식별하고 세포 반응의 공간적 상관관계를 분석했습니다.

주요 기여

• 플랫폼 개발: 비신경 포유류 세포에 대한 개방 루프 및 폐쇄 루프 훈련 실험이 가능한 완전 자동화된 오픈 소스 하드웨어 및 소프트웨어 시스템인 Cell Trainer를 구축했습니다.
• 오픈 사이언스: 연구를 가속화하기 위해 모든 도면, 제어 소프트웨어 및 이미지 분석 파이프라인을 커뮤니티에 공개합니다.
• 방법론적 프레임워크: 단일 세포 이질성을 정량화하고 비신경 포유류 세포에 행동 과학 지표(습관화, 민사화, 기대)를 적용하는 검증된 파이프라인을 제시합니다.
• 경험적 증거: 포유류 세포가 민감화 유사 역학을 나타내며 실시간 피드백 제어를 통해 생리학적으로 조종될 수 있음을 보여주는 예비 데이터를 제공합니다.

의의 및 주장
본 논문은 Cell Trainer를 "세포 훈련"이라는 신흥 분야의 기초 도구로 자리매김합니다. 저자들은 이 플랫폼이 세포 생리학을 하향식(bottom-up) 분자 재배선에서 상향식(top-down) 경험 및 자극을 통한 제어로 전환할 수 있게 한다고 주장합니다. 세포의 타고난 적응 역량을 활용함으로써, 이 접근 방식은 밑바닥의 유전적 네트워크를 미세하게 관리하지 않고도 세포 행동을 형성할 수 있는 잠재적인 "사용자 인터페이스"를 제공합니다.

저자들은 자신의 생물학적 발견을 예비적인 것으로 겸손하게 규정하며, 민감화 유사 경향이 관찰되었으나 학습 메커니즘을 확인하고 누적된 손상과 같은 대안적 설명을 배제하기 위해 더 엄격한 테스트가 필요하다고 언급했습니다. 그러나 그들은 폐쇄 루프 제어 및 단일 세포 분석을 수행할 수 있는 능력이 다음과 같은 새로운 길을 열 것이라고 주장합니다:

• 치료법: 질병 상태의 세포(예: 암 또는 당뇨 세포)를 건강한 상태로 조종하거나 약물 내성을 극복할 수 있는 가능성.
• 바이오 제조: 유전적 수정 대신 자극을 통해 바이오리액터 내의 세포 드리프트(cell drift)를 제어함.
• 기초 과학: 비신경 시스템에서의 학습 및 기억의 진화적 뿌리를 조사하고, 세포 네트워크의 계산 능력을 탐구함.

이 연구는 다양한 지능, 로봇 과학 및 AI의 융합을 나타내며, 세포의 생리학적 경험을 형성함으로써 생물학적 시스템을 제어하는 새로운 패러다임을 구축하는 것을 목표로 합니다.