🧠 신경과학

Criticality-related dynamics accompany long-term functional decline in primary cortical MEA cultures

본 연구는 일차 피질 뉴런 배양에서의 장기 생존이 발화율 자체보다는 분지비(branching ratio)와 카파 지수(Kappa index)의 변화율을 포함한 버스트 조직화 및 준임계 전파 역학의 보존에 의해 가장 잘 예측된다는 것을 입증한다.

원저자: Escobar, A., Gil-Bea, F. J., Rodriguez-Gomez, L.

게시일 2026-10-13

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Escobar, A., Gil-Bea, F. J., Rodriguez-Gomez, L.

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

도시의 불빛이 무작위가 아니라, 거리 사이로 물결처럼 퍼져나가는 조율된 파동을 따라 깜빡이며 켜지고 꺼지는 도시를 상상해 보십시오. 수십 년 동안 과학자들은 미세한 뇌 세포 클러스터를 접시 위에서 배양함으로써 이러한 전기적 네트워크가 어떻게 형성되고 기능하는지를 연구해 왔습니다. '배양물(cultures)'이라 불리는 이 클러스터들은 세포가 생성하는 모든 전기적 불꽃을 경청하는 미세한 센서 격자 위에 놓입니다. 우리는 이 세포들이 처음 길러질 때, 고립된 불꽃으로 시작하여 점차 동기화된 폭발적 발사(synchronized bursts)를 시작하며 뇌의 초기 발달 과정을 모방한다는 것을 알고 있습니다. 그러나 첫 몇 주가 지난 후 어떤 일이 일어나는지에 대한 우리의 이해는 매우 모호했습니다. 대부분의 연구는 세포가 성숙하면 활동이 단순히 사라지거나 더 이상 접시가 유용하지 않다고 가정하며 기록을 중단합니다. 이는 거대한 지식의 공백을 남깁니다. 과연 이 네트워크에 자연적인 수명이 존재하는가? 만약 존재한다면, 그들은 침묵하기 훨씬 전부터 어떻게 실패를 신호하는가?

연구팀은 이 공백을 메우기 위해 이례적으로 긴 시간인 최대 2년 동안 이 뇌 배양물을 관찰하는 작업을 수행했습니다. 연구진은 가끔씩 확인하는 대신, 수십 개의 세포 클러스터의 전기적 활동을 지속적으로 모니터링하며 발사 패턴이 매일 어떻게 변하는지 추적했습니다. 그들은 이 배양물들이 모두 동일한 경로를 따르지 않는다는 사실을 발견했습니다. 약 3분의 1의 배양물은 첫 1년 이내에 조직화된 구조를 잃기 시작하여 결국 침묵에 빠졌습니다. 나머지 3분의 2는 훨씬 더 오래, 일부는 거의 2년 가까이 조율된 활동을 유지하며 버텨냈습니다. 세포들이 처음에는 매우 유사하게 보이고 행동했음에도 불구하고 이러한 분리가 일어났다는 점은, 네트워크의 장수 여부가 얼마나 많이 발사하느냐가 아니라 어떻게 발사하느냐를 조직하는 데 달려 있음을 시사합니다.

연구진은 단순히 세포가 얼마나 자주 발사되었는지를 세는 것만으로는 해당 배양물이 어느 그룹에 속할지 예측하기에 충분하지 않다는 것을 발견했습니다. 어떤 네트워크는 빈번하게 발사하면서도 조기 사망의 길을 걷고 있는 반면, 다른 네트워크는 덜 자주 발사하면서도 수년간 생존할 수도 있었습니다. 진짜 차이는 활동의 구조에 있었습니다. 오래 살아남은 배양물들은 전기적 폭발을 촘리하고 잘 조직된 상태로 유지했으며, 신호가 센서 격자 전체로 효율적으로 퍼져 나갔습니다. 반면, 일찍 죽게 된 배양물들은 다른 패턴을 보였습니다. 그들의 폭발은 더 짧아지고 흩어졌으며, 폭발 사이의 시간 간격은 길어졌고, 신호는 그렇게 많은 센서에 도달하지 못했습니다. 그것은 마치 네트워크가 기술적으로는 여전히 '살아 있고' 발사하고 있음에도 불구하고, 스스로를 결속시키는 능력을 잃어가는 것과 같았습니다.

왜 어떤 네트워크는 버티고 어떤 것은 무너지는지를 이해하기 위해, 과학자들은 전기 신호가 집단 내에서 어떻게 전파되는지를 살펴보았습니다. 그들은 '임계성(criticality)'이라 불리는 특정 특성에 집중했는데, 이는 네트워크가 너무 조용하거나 너무 혼란스러운 상태 사이의 완벽한 균형을 이루는 상태를 설명합니다. 건강하고 임계적인 상태에서는, 작은 활동의 불꽃이 너무 약해서 인지되지 않지도, 그렇다고 통제 불능의 폭발을 일으킬 만큼 너무 강하지도 않은 방식으로 네트워크를 통해 물결칠 수 있습니다. 연구진은 장기 생존 네트워크들이 아주 오랫동안 이 균형 잡힌 상태 근처에 머물러 있다는 것을 발견했습니다. 대조적으로, 일찍 죽을 운명이었던 네트워크들은 이 균형에서 벗어났습니다. 그들의 신호는 퍼지기에 너무 약해지거나 너무 무질서해졌으며, 정보가 매끄럽게 흐를 수 있게 하는 섬세한 구조를 잃어버렸습니다.

가장 놀라운 발견 중 하나는 이러한 조직적 변화가 네트워크가 실제로 침묵하기 몇 달 전부터 일어났다는 점이었습니다. 연구진은 전체적인 활동 수준이 0으로 떨어지기 훨씬 전부터, 폭발의 구조와 신호가 이동하는 방식에서 경고 징후를 포착할 수 있었습니다. 이는 뇌 네트워크의 건강이 단순히 얼마나 '시끄러운가'의 문제가 아니라, 그 구성 요소들이 얼마나 잘 협력하는가의 문제임을 의미합니다. 팀은 이러한 미세한 조직화 패턴을 추적함으로써, 네트워크의 운명을 높은 정확도로 예측할 수 있는 특정 표지자들을 식но별해 냈습니다. 그들은 시간이 지남에 따라 이러한 조직적 패턴이 변화하는 속도가 패턴 자체보다 생존을 예측하는 데 훨씬 더 강력한 예측 인자라는 것을 발견했습니다.

이 연구는 우리가 뇌 세포의 노화를 바라보는 방식을 바꿀 수 있습니다. 이는 네트워크의 쇠퇴가 갑작스러운 정지가 아니라, 내부적인 조율 능력을 상실해 가는 점진적인 과정임을 시사합니다. 이러한 무질서의 초기 징후를 감지할 수 있는 능력은 약물이나 치료법을 테스트하는 새로운 길을 열어줍니다. 만약 과학자들이 네트워크가 조직화되고 균형 잡힌 상태를 유지하도록 돕는 화합물을 식별할 수 있다면, 그들은 이러한 네트워크의 수명을 연장하거나 쇠퇴로부터 보호할 수 있을 것입니다. 이 연구는 뇌 네트워크가 어떻게 노화되는지에 대한 명확하고 장기적인 지도를 제공하며, 장수의 비결은 단순히 활발하게 활동하는 것이 아니라, 올바른 방식으로 연결되어 있는 것임을 보여줍니다.

기술 요약: 일차 피질 MEA 배양의 장기적 기능 저하에 수반되는 임계성 관련 역학

문제 제기
다중 전극 어레이(MEA) 상의 일차 피질 뉴런 배양은 네트워크 발달 및 신경 독성을 연구하기 위한 표준적인 도구이다. 그러나 이들의 장기적인 전기생리학적 궤적은 제대로 규명되지 않았으며, 대부분의 연구는 배양 후 4~8주(DIV) 기간에 국한되어 있다. 밀폐형 배양 챔버를 통해 1년 이상의 기록이 가능해졌음에도 불구하고, 수백 DIV에 걸친 발화 역학, 버스트 조직화(burst organization) 및 임계성 지표에 대한 상세한 특성 분석은 부재한 상태이다. 이러한 공백은 이 배양 모델을 신경 노화 연구나 신경 저하를 지연 또는 방지하려는 화합물 스크리닝을 위한 모델로 활용하는 데 한계를 준다. 특히, 장기적인 네트워크 생존 여부가 단순히 발화율(firing rates)에 의해 결정되는지, 아니면 특정 조직화 및 임계성 기반 역학의 보존에 의해 결정되는지는 불분명하다.

방법론
저자들은 24웰 MEA 플레이트에서 유래한 E16 Wistar rat 배아 기반의 일차 피질 배양물을 최대 약 730 DIV까지 종단적으로 모니터링하는 연구를 수행하였다.

데이터 수집: 여러 시점에서 5분간의 세션 동안 자발적 활동을 기록하였다.
분류: 활성 전극 수(≥8개)와 활성 전극의 발화율(DIV 20–40 동안 FR > 1 Hz)을 기준으로 생존성을 필터링하였다. 유지된 웰(n=34)은 기능적 네트워크 실패 기준(활동 소실)에 따라 두 가지 표현형으로 사후 분류되었다: "조기 사망(early-death)" (DIV 365 이전 실패, n=13) 및 "장기 생존(long-survival)" (DIV 365 이후 실패 또는 연구 종료 시까지 검열됨, n=21).
지표: 연구는 전통적인 활동 측정치(평균 발화율, 버스트 발생률, 버스트 지속 시간, 버스트 간 간격, 동기화)와 임계성 관련 지표(분기비 $\sigma$ , Kappa 지수 $\kappa$ , DFA 허스트 지수 $H$ , 간격 간 변동 계수, Fano factor, 뉴런 아발란체 통계)를 계산하였다.
통계 분석: 저자들은 지표와 사망 시점 사이의 피어슨 상관관계 분석을 수행하였다. 결정적으로, 검열된 데이터를 고려하여 네트워크 실패의 유의미한 예측 인자를 식별하기 위해 Benjamini-Hochberg FDR(False Discovery Rate) 보정을 적용한 단변량 Cox 비례 위험 모델(Cox proportional-hazards modeling)을 활용하였다.

주요 결과

발산하는 궤적: 두 표현형 모두 초기 발달 단계에서는 평균 발화율(MFR)이 DIV 100–150 부근에서 정점에 도달하는 양상을 공유하였다. 정점 이후 궤적이 갈라졌다: 장기 생존 웰은 수년간 조직화된 버스팅과 활성 전극 모집을 유지한 반면, 조기 사망 웰은 점진적인 버스트 조직화의 상실, 버스트 간 간격의 연장, 그리고 활성 전극 수의 급격한 감소를 보였다.
발화율 대 조직화: 단순 발화율만으로는 생존을 예측하기에 약했다. 그러나 Cox 모델링 결과, 초기 MFR(DIV 20–100)은 조기 사망의 유의미한 독립적 예측 인자였으며, 이는 단순 상관관계로는 놓칠 수 있는 미묘한 차이였다.
예측 인자로서의 임계성: 임계성 지표는 가장 강력한 기전적 통찰을 제공하였다.
- 분기비( $\sigma$ ) 및 Kappa 지수( $\kappa$ ): 조기 사망 웰에서는 네트워크가 침묵(silencing)에 접근함에 따라 $\sigma$ 가 0을 향해 감소하고 $\kappa$ 는 상한선(~1.5)을 향해 상승하였다. 장기 생존 웰은 중간 정도의 $\sigma$ 값을 유지하며 $\kappa$ 가 임계선( $\kappa \approx 1$ )에 훨씬 더 가깝게 유지되었다.
- 예측력: 전체 기록 기간 동안의 분기비와 Kappa 지수의 종단적 기울기(변화율)가 모든 지표 중 생존 시간에 가장 강력한 상관관계를 보였다. 또한, 창 평균값(window-averaged values)인 $\sigma$ 와 $\kappa$ (DIV 100–300) 역시 Cox 모델에서 유의미한 예측 인자였다.
아발란체 통계: 두 그룹 모두 활성 상태일 때는 척도 없는(scale-free) 아발란체 역학(두꺼운 꼬리를 가진 분포)을 보였으나, 조기 사망 웰은 사망 전 몇 주 동안 아발란체 크기/지속 시간 지수의 일시적 불안정화와 아발란체 발생률의 감소를 나타냈다. 그러나 아발란체 발생률은 Cox 모델에서 독립적인 예측 인자로서 통계적 유의성에 도달하지 못했다.
단계별 예측 인자: 연구는 네트워크 쇠퇴에 대한 "단계적" 관점을 제시하였다:
- DIV 20–100: 초기 MFR과 동기화가 유의미한 예측 인자이다.
- DIV 100–300: 버스트 지속 시간, 버스트 간 간격, 동기화, 분기비, Kappa 지수가 가장 강력하게 검증된 예측 인자이다.
- DIV >300: 임계성 지표의 차이가 단순 비교를 통해 통계적으로 유의미해지며, 이는 조기 경보보다는 확인용 신호 역할을 한다.

의의 및 주장
본 논문은 설치류 피질 배양에 대한 가장 긴 전기생리학적 특성 분석 중 하나를 제공하며, 이러한 네트워크가 4~8주 동안만 기능적이라는 가설에 도전한다. 주요 기여는 네트워크의 장기적 기능 생존을 특징짓는 전기생리학적 징후, 즉 버스트 조직화, 지속적인 전극 모집, 그리고 임계 근처의 전파 역학을 식별한 것이다.

저자들은 장기적인 네트워크 생존이 단순한 발화율이 아니라 네트워크 수준의 조직화 보존에 의해 결정된다고 상정한다. 이들은 임계성 기반 지표(특히 분기비와 Kappa 지수의 궤적)가 원시 활동 수준보다 네트워크의 운명에 대해 더 민감한 창을 제공한다고 제안한다. 이러한 결과는 장기 피질 MEA 배양을 신경 노화 모델 및 신경 보호 또는 항노화 화합물의 전기생리학적 가이드 스크리닝 플랫폼으로 사용하는 정량적 프레임워크를 구축하며, 이를 통해 전체 2년의 기록 기간을 다 채우지 않고도 3~6개월 이내에 치료 효과를 탐지할 수 있게 한다.

유사한 논문