Dendritic hotspots support switching between competing rules without expanding the cortical engram

뇌의 가장 큰 강점은 생각을 바꿀 수 있는 능력에 있다. 세상이 변할 때 동물은 생존을 위해 자신의 행동을 업데이트해야 하지만, 단순히 과거를 지워버릴 수는 없다. 동물은 기존의 규칙을 유지하면서도 새로운 규칙을 배워야 하며, 이는 유연성과 기억력 모두를 필요로 하는 섬세한 균형 잡기이다. 이 과제는 살아있는 생명체가 복잡한 환경을 탐색하는 방식의 핵심이다. 과학자들은 뇌가 신경 세포 사이의 아주 작은 연결 속에 정보를 저장한다는 사실을 오랫동안 알고 있었지만, 원래의 데이터를 잃지 않으면서 이러한 연결을 재작성할 수 있게 해주는 메커니즘은 미스터리로 남아 있었다. 만약 뇌가 새로운 교훈을 얻을 때마다 완전히 새로운 구조를 구축해야 한다면, 공간과 에너지가 금방 고갈될 것이다. 문제는 뇌가 물리적 발자국을 확장하지 않고 어떻게 오래된 지침을 새로운 것으로 교체하느냐 하는 것이다.

이 퍼즐을 풀기 위해 연구진은 쥐의 뇌에서 움직임을 계획하고 서로 다른 선택 사이의 갈등을 해결하는 데 관여하는 영역인 이차 운동 피질(secondary motor cortex)에 주목했다. 그들은 다른 뉴런으로부터 오는 신호를 받는 수신단 역할을 하는 신경 세포의 미세한 끝부분인 가시(spine, spines)에 집중했다. 연구팀은 쥐가 규칙을 배우고 그 사이를 전환하는 동안 이 구조들을 관찰함으로써, 지식을 업데이트하기 위한 매우 조직적인 시스템을 발견했다. 쥐들은 소리나 시각적 신호와 같은 특정 규칙에 따라 올바른 반응을 수행해야 하는 과제를 수행하도록 훈련받았다. 연구진이 규칙을 변경했을 때, 쥐들은 이전의 전략을 중단하고 새로운 전략을 채택해야 했다. 과학자들은 이차 운동 피질을 일시적으로 비활성화했을 때, 쥐들이 과제를 배우고 기억할 수는 있지만 상황이 변했을 때 규칙 사이를 전환할 수는 없다는 것을 발견했다. 이는 이 영역이 갈등을 해결하고 경로를 변경할 시점을 결정하는 핵심 허브임을 확인시켜 주었다.

가장 놀라운 발견은 이 과정 중에 일어나는 신경 세포의 물리적 변화를 관찰하는 과정에서 나왔다. 쥐들이 새로운 규칙에 적응함에 따라, 연구진은 뉴런의 수지상 돌기 가지에 있는 작은 가시들의 회전율(turnover)이 급증하는 것을 관찰했다. 그러나 이러한 활동은 세포 전체에 무작위로 흩어져 있는 것이 아니었다. 대신, 새로운 가시가 형성되고 오래된 가시가 사라지는 현상은 저자들이 '수지상 돌기 핫스팟(dendritic hotspots)'이라고 부르는 집중된 군집 내에서 발생했다. 이 특정 구역 내에서 과정은 긴밀하게 조율되었다. 즉, 새로운 가시가 형성되고, 오래된 가시가 사라지며, 남은 가시들이 빠른 순서로 함께 모였다. 결정적으로, 이전 규칙을 인코딩하던 가시들이 먼저 제거되어 업데이트된 과지에 필요한 새로운 연결을 위한 공간을 만들었다. 이는 뇌가 단순히 기존의 기억 구조 위에 새로운 것을 쌓아 올리는 것이 아니라, 동일한 물리적 공간을 재사용한다는 것을 시사한다.

이것이 어떻게 작동하는지 이해하기 위해 연구진은 뇌의 생물학적 제약을 모방한 컴퓨터 모델을 구축했다. 시뮬레이션 결과, 이 핫스팟들은 가소성 관련 자원이 공유되는 재사용 가능한 도메인 역할을 한다는 점이 확인되었다. 이 시스템에서 새로운 연결을 구축하는 데 필요한 재료는 기존의 연결을 유지하는 데 사용되는 동일한 국소적 풀(pool)에서 끌어온다. 새로운 규칙을 배울 때, 오래된 가시는 해체되며 그 구성 요소들은 즉시 동일한 작은 구역 내에서 새로운 것을 구축하는 데 재활용된다. 모델에 따르면, 만약 뇌가 이러한 도메인을 재사용하는 것을 막는다면, 뇌는 이전과 새로운 규칙을 모두 저장하기 위해 완전히 새로운 물리적 구조를 만들어야 할 것이다. 이는 훨씬 더 많은 공간과 에너지를 요구하며, 결과적으로 기억의 물리적 흔적인 '엔그램(engram)'을 훨씬 더 큰 크기로 확장하게 될 것이다.

이러한 발견은 뇌가 적응을 위해 자원 효율적인 전략을 진화시켜 왔음을 시사한다. 연결의 재구성을 특정하고 재사용 가능한 핫스팟에 집중함으로써, 뇌는 더 커지거나 중복된 정보를 저장할 필요 없이 행동을 빠르게 업데이트할 수 있다. 오래된 규칙은 별도의 정적인 위치에 보존되는 것이 아니라, 동일한 물리적 발자국 안에서 새로운 것에 의해 능동적으로 대체된다. 이 메커니즘은 뇌가 물리적 구조를 콤팩트하게 유지하면서도 방대한 학습 능력을 유지할 수 있게 해준다. 이 연구는 뇌가 안정성과 유연성 사이의 절충안을 어떻게 해결하는지에 대한 구체적인 설명을 제공하며, 적응형 학습의 핵심이 동일한 국소적 이웃 안에서 오래된 연결을 새로운 것으로 교체하는 능력에 있음을 보여준다.