신경계는 정밀한 배선의 걸작입니다. 뇌가 기능하기 위해서는 수십억 개의 신경 세포가 축삭(axon)이라고 불리는 길고 가는 섬유를 뻗어 정확한 파트너를 찾아내어, 우리가 생각하고 움직이고 느낄 수 있게 하는 연결을 형성해야 합니다. 축삭 유도(axon guidance)라고 알려진 이 과정은 성장 원추(growth cone)라고 불리는 성장하는 축삭의 끝부분이 정교한 센서처럼 작동하는 것에 의존합니다. 성장 원추는 환경 내의 화학적 신호를 읽어 어느 방향으로 회전할지, 혹은 언제 멈출지를 결정합니다. 수십 년 동안 과학자들은 이 항해를 단순한 지도를 따라가는 여정으로 보았습니다. 즉, 성장 원추가 화학적 신호의 구배(gradient)를 감지하여, 마치 등산객이 길을 따라가는 것처럼 그 신호를 향하거나 멀어지며 목표에 도달한다는 것입니다. 그러나 이러한 단순한 관점은 이 섬세한 구조가 어떻게 정교하고 신뢰할 수 있는 네트워크를 구축하면서도, 소음이 많고 변화하는 세상에 적응할 수 있을 만큼 유연성을 유지하는지를 설명하는 데 어려움을 겪습니다. 세포가 받는 신호들이 종종 상충되고 혼란스러울 때, 세포는 어떻게 일정한 경로를 유지할 수 있을까요?

새로운 이론적 연구는 우리가 이 항해를 이해하는 방식에 대한 근본적인 변화를 제안합니다. 성장 원추를 화학적 지도를 수동적으로 따르는 존재로 보는 대신, 이 연구는 성장 원추가 불확실성으로 정의된 풍경을 능동적으로 탐험하는 존재라고 제안합니다. 저자인 윌리엄 G. 워즈워스(William G. Wadsworth)는 성장 원추가 단순히 안정적이고 예측 가능한 경로에 안착하는 것이 아니라고 주장합니다. 대신, 성장 원추는 물리에서 온 개념인, 많은 가능한 배열을 가진 시스템을 설명하는 '높은 엔트로피' 상태를 능동적으로 찾아 나섭니다. 이 프레임워크에서 성장 원추는 서로 다른 가능한 행동들 사이의 능선(ridges)을 따라 항해하며, 필요할 때 빠르게 방향을 전환할 수 있는 높은 변동성 상태에 머뭅니다. 이러한 접근 방식은 방향을 바꾸는 능력이 시스템의 실패가 아니라, 축삭이 결정이 필요할 때까지 변화의 가장자리에 머물 수 있도록 설계된 특징임을 시사합니다.

이 아이디어를 테스트하기 위해, 연구자는 예쁜꼬마선충(C. elegans)의 실제 유전 데이터를 기반으로 컴퓨터 모델을 구축했습니다. 연구는 예측 가능한 패턴으로 성장하는 특정 뉴런인 HSN에 집중했습니다. 모델은 수천 건의 유전 실험 데이터로부터 학습된 인공지능 시스템인 신경망(neural network)을 사용했습니다. 이 실험들은 뉴런의 성장을 조절하는 특정 유전자들을 비활성화하여, 서로 다른 유전적 지시사항의 조합이 어떻게 서로 다른 모양과 방향으로 이어지는지를 밝혀냈습니다. 컴퓨터는 이러한 유전적 변화의 결과를 예측하는 법을 배웠으며, 결과적으로 세포 내부의 생물학적 기계를 디지털 대리인(proxy)으로서 효과적으로 구현하게 되었습니다. 모델은 직선부터 복잡한 가지치기까지 12가지의 뚜렷한 성장 패턴을 식별하였고, 세포의 내부 상태가 어떻게 이들 사이를 이동할 수 있는지 매핑했습니다.

발견의 핵심은 모델이 성장 원추의 여정을 어떻게 시뮬레이션했는지에 있습니다. 연구자는 컴퓨터에 화학적 구배를 따르도록 프로그래밍하는 대신, '최대 엔트로피' 원리에 따라 경로를 선택하도록 했습니다. 시뮬레이션된 여정의 매 단계마다, 컴퓨터는 각 가능한 이동 방향을 만들어낼 수 있는 서로 다른 내부 유전적 구성의 수를 계산했습니다. 그런 다음, 가장 많은 내부 가능성을 제공하는 방향을 선택했습니다. 놀랍게도, 이 단순한 규칙은 시뮬레이션이 실제 예쁜꼬마선충의 HSN 뉴런이 취하는 경로를 그대로 재현하게 했습니다. 성장 원추는 화학적 구배에 의해 끌려갔기 때문이 아니라, 자신의 내부 신호 네트워크를 최대의 유연성 상태로 유지할 수 있는 방향을 끊임없이 탐색했기 때문에 목표를 향해 이동한 것입니다.

이 발견은 축삭이 고정된 청사진을 따른다는 전통적인 관점에 도전합니다. 시뮬레이션 결과, 성장 원추가 직선으로 이동할 때, 그것은 실제로 두 가지 서로 다른 행동 상태가 똑같이 발생할 확률이 높은 경계선을 따라 이동하고 있음이 드러났습니다. 이러한 평형 상태는 혼란의 징후가 아니라 전략적인 위치입니다. 이를 통해 세포는 일정한 경로를 유지하면서도 즉각적으로 방향을 틀 수 있는 준비를 할 수 있습니다. 내부의 균형이 바뀌거나 세포가 새로운 환경적 신호를 만나는 순간, 성장 원ø는 내부 기제를 빠르게 재조직하여 회전하거나 가지를 칠 수 있습니다. 연구는 세포의 내부 상태가 이러한 임계 경계 근처에 머물도록 조정될 때, 중앙선을 통과하거나 두 갈래로 갈라지는 것과 같은 복잡한 행동이 자연스럽게 나타난다는 것을 입증했습니다.

연구는 또한 시간이 이 과정에 어떤 영향을 미치는지 탐구했습니다. 세포 내부의 특정 단백질이 점진적으로 축적되는 것을 시뮬레이션함으로써, 연구자는 성장 원추가 정확한 순간에 행동을 바꾸도록 프로그래밍되는 방식을 보여주었습니다. 내부 단백질 수치가 높아짐에 따라 가능성의 풍경이 변화했고, 이는 성장 원추가 한 단계의 움직임에서 다른 단계로 전이하도록 강제했습니다. 이는 발달의 타이밍이 세포의 내부 시계에 의해 조절되며, 이 시계가 환경에 대한 세포의 민감도를 조절한다는 것을 시사합니다. 모델은 뉴런이 앞으로 자라다가 멈춘 뒤 급격히 회전하거나, 두 갈로 갈라지는 시나리오를 성공적으로 재현했는데, 이 모든 것은 복잡한 외부 지도보다는 세포의 변화하는 내부 상태에 의해 구동되었습니다.

가장 놀라운 결과 중 중 하나는 시스템의 '축퇴성(degeneracy)' 발견이었습니다. 시뮬레이션은 성장 원추가 많은 서로 다른 내부 구성을 통해 동일한 외부 행동을 달성할 수 있음을 보여주었습니다. 사람이 목적지에 도달하기 위해 여러 가지 경로를 택할 수 있듯이, 세포도 다양한 내부 부품들의 조합을 사용하여 특정 방향을 유지할 수 있습니다. 이러한 중복성은 시스템을 견고하게 만듭니다. 즉, 한 부분이 실패하더라도 전체 경로를 방해하지 않고 다른 부분이 그 자리를 대신할 수 있습니다. 모델은 성장 원추가 다양한 환경을 통과할 때, 높은 엔트로피 경로를 유지하기 위해 내부 구성 요소들을 끊임없이 재편성하며, 이를 통해 변화하는 조건에 적응하면서도 길을 잃지 않을 수 있음을 보여주었습니다.

연구는 신경계의 질서 정연한 배선이 경직되고 미리 결정된 계획의 결과가 아니라, 불확실성을 관리하는 역동적인 과정에서 창발(emerge)하는 것이라고 결론짓습니다. 안정성의 가장자리에서 작동함으로써, 성장 원추는 일정한 방향을 유지해야 하는 필요성과 빠른 적응을 위한 필요성 사이에서 균형을 잡을 수 있습니다. 이러한 열역학적 관점은 복잡한 생물학적 시스템이 어떻게 기능하는지에 대한 새로운 생각을 제공합니다. 이는 세상의 소음을 제거하는 것이 아니라, 소음을 사용하는 것이 중요하다는 것을 시사합니다. 성장 원추는 환경의 혼돈을 무시하는 것이 아니라, 자신의 내부 신호에서 발생하는 변동을 활용하여 유연성과 반응성을 유지합니다.

이 연구 결과는 컴퓨터 시뮬레이션과 이론적 모델에 기반하고 있지만, 생물학적 시스템이 어떻게 안정성과 적응성을 동시에 달 Achieve 하는지에 대한 설득력 있는 설명을 제공합니다. 연구는 열과 에너지에 주로 적용되는 열역학의 원리가 살아있는 세포의 행동 또한 지배할 수 있음을 시사합니다. 축삭 유도를 높은 엔로피 상태를 찾는 과정으로 봄으로써, 이 연구는 생명체가 어떻게 그 정교한 네트워크를 구축하는지에 대한 새로운 시각을 제시합니다. 이는 견고한 발달의 비밀이 엄격한 통제가 아니라, 가변성을 전략적으로 수용함으로써 신경계가 정밀함과 우아함을 동시에 갖추어 성장할 수 있도록 하는 데 있음을 의미합니다.