Gradients of local circuit architecture shape stability and information integration across the cortical hierarchy
생물학적으로 현실적인 생쥐 피질 시뮬레이션을 사용한 본 연구는 연결 밀도와 피질 계층 내 SST 세포의 상대적 비율을 높이는 것이 회로 안정성을 향상시킨다는 것을 입증함으로써, 국소적 세포 유형 구성과 인구 수준의 활동 및 정보 처리 기능 사이를 연결한다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기
포유류의 뇌는 단일하고 균일한 기관이 아니라, 각기 다른 직무에 맞춰 조정된 다양한 전문 영역들로 이루어진 거대한 풍경과 같다. 이 풍경의 바닥에는 눈, 귀, 피부로부터 들어오는 가공되지 않은 데이터를 빠르게 처리하는 뇌의 앞문 역할을 하는 감각 영역들이 위치한다. 정보가 뇌의 구조를 따라 위로 이동함에 따라, 계획, 의사결정, 그리고 생각을 마음속에 유지하는 것과 같은 복잡한 과업을 담당하는 고차 영역에 도달하게 된다. 과학자들은 이러한 영역들이 계층적으로 배열되어 있다는 사실을 오래전부터 알고 있었지만, 핵심적인 미스터리는 각 영역 내부의 미세한 국소적 배선도가 어떻게 서로 다른 직무를 수행하기 위해 변화하는가 하는 점이다. 이는 설계(architecture)에 관한 문제다. 도서관과 공장이 각각 책과 조립 라인을 다루기 위해 서로 다른 레이아웃을 사용하는 것처럼, 뇌의 영역들도 단순한 감각과 복잡한 사고를 관리하기 위해 특정한 뉴런 배열에 의존할 것이다. 이러한 국소적 청사진을 이해하는 것은 뇌가 정보의 홍물을 처리하면서도 어떻게 안정성을 유지하는지 이해하는 데 필수적이다.
이 수수께계를 풀기 위해, 앨런 연구소(Allen Institute)의 연구팀은 컴퓨터 시뮬레이션의 힘에 주목했다. 그들은 시각 피질의 최하단부터 전대상 피질 및 안와전두 피질과 같은 고차 영역에 이르기까지, 생쥐의 다섯 가지 뚜렷한 뇌 영역에 대한 상세하고 생물학적으로 사실적인 모델을 구축했다. 이 모델들은 추상적인 스케치가 아니었다. 실제 뇌의 배선과 생리학적 데이터를 활용한 방대한 데이터셋을 바탕으로 제작되었다. 연구진은 각 모델에 수천 개의 가상 뉴런을 배치했는데, 이는 신호를 전달하는 흥분성 세포와 제동 역할을 하는 억제성 세포를 포함하여 실제 뇌에서 발견되는 특정 세포 유형들을 나타낸다. 결정적으로, 그들은 계층을 따라 올라갈수록 뉴런의 밀도는 감소하지만 뉴런 간의 연결은 증가하고, 억제성 세포 유형의 구성이 변화한다는 알려진 생물학적 경향을 반영하도록 모델을 조정했다. 팀은 가상 회로가 입력에 어떻게 반응하는지를 시뮬레이션함으로써, 구조적 변화가 뇌의 정보 처리 능력과 안정성 유지에 어떤 영향을 미치는지 관찰할 수 있었다.
시뮬레이션 결과 명확한 패턴이 드러났다. 모델이 피질 계층을 따라 위로 올라갈수록, 회로는 더욱 안정해졌으며 흥분과 억제의 균형을 더 잘 맞추었다. 이러한 안정성은 두 가지 주요 요인에 의해 주도되었다. 첫째, 고차 모델로 갈수록 뉴런 간의 연결이 더 조밀해졌다. 둘째, 아마도 가장 놀라운 점은 소마토스타틴(somatostatin), 즉 SST 세포라고 불리는 특정 유형의 억제성 뉴런의 비율이 증가했다는 것이다. 하위 단계의 감각 모델에서는 흥분성 세포가 파르부민(parvalbumin), 즉 PV 세포라고 알려진 또 다른 유형의 억제성 세포로부터 더 많은 입력을 받았다. 그러나 고차 모델에서는 이 균형이 뒤집혀, 흥분성 세포가 SST 세포로부터 훨씬 더 많은 입력을 받게 되었다. 이러한 세포 구성의 변화는 고차 회로가 혼돈에 빠지지 않고 섭동(perturbation)을 흡수하는 데 도움을 주었으며, 이는 뇌가 고등 인지의 복잡하고 통합적인 요구를 처리하기 위해 국소적 배선을 적응시킨다는 것을 시사한다.
연구진은 또한 단일 뉴런이 활성화되는 상황, 즉 과학자가 살아있는 동물의 세포 하나를 빛으로 자극하는 실험을 모사하여 이 회로들이 특정 자극에 어떻게 반응하는지 테스트했다. 모델 내의 단일 흥분성 뉴선을 자극했을 때, 활동은 외부로 퍼져 나갔으나 그 반응은 세포 유형에 따라 크게 달라졌다. SST 뉴런은 독특하게도 민감했다. 이들은 직접 연결되어 있지 않더라도 자극에 강하게 반응했다. 연구팀은 이러한 높은 반응성이 SST 세포가 더 많은 흥분성 신호를 받기 때문이 아니라, 이웃한 세포들로부터 받는 억제성 입력이 PV 세포보다 적기 때문이라는 것을 발견했다. SST 세포가 더 풍부한 고차 모델에서, 이 메커니즘은 네트워크가 불안정해지지 않으면서도 다양한 입력을 통합할 수 있도록 정교한 균형을 유지하는 데 도움을 주었다.
흥미롭게도, 이 연구는 계층 전반에 걸쳐 변하지 않는 것이 무엇인지도 명확히 했다. 수년간 과학자들은 뇌 영역을 따라 올라갈수록 신경 활동의 '시간 척도(timescale)', 즉 영역이 정보를 처리하는 속도가 느려진다는 사실을 관찰해 왔다. 일차 감각 영역은 밀리초 단위로 반응하지만, 고차 영역은 정보를 더 오랜 기간 유지한다. 연구진은 이러한 속도 저하가 자신들이 모델링한 조밀한 연결이나 더 많은 SST 세포와 같은 국소적 배선 변화에 의해 발생할 것이라고 의심했다. 그러나 시뮬레이션 결과는 정반대였다. 연결 밀도가 높아질수록 회로는 오히려 약간 더 빠르게 반응했다. 이 발견은 뇌의 고차 영역에서 나타나는 느린 시간 척도가 국소적 회로 구조만으로는 설명될 수 없음을 시사한다. 대신, 이는 다른 뇌 영역과의 장거리 연결이나 활동을 조절하는 화학적 신호와 같이 뉴런의 즉각적인 이웃 범위를 벗어난 요인들로부터 기인할 가능성이 높다.
국소 회로의 물리적 구조와 기능적 출력 사이의 연결 고리를 밝혀냄으로써, 이 연구는 뇌의 조직을 이해하는 새로운 방법을 제시한다. 이는 뇌가 단순히 처리 능력을 확장하는 것이 아니라, 국소적 이웃 구조를 근본적으로 재배선한다는 것을 보여준다. SST 세포의 증가와 이들이 형성하는 특정한 연결 패턴은 다양한 정보의 흐름을 통합할 수 있는 견고한 환경을 조성한다. 국소적 배선이 뇌의 안정성과 복잡한 입력을 처리하는 방식을 설명한다면, 이 연구는 동시에 뇌의 사고 속도 변화에 대해서는 국소 회로가 아닌 외부 요인을 지목하고 있다. 결과적으로, 이 연구는 국소적 구조와 전역적 영향력이 협력하여 각기 다른 역할을 수행하는 하나의 교향곡으로서의 뇌에 대한 더욱 명확한 그림을 그려낸다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.