🧠 신경과학

High-throughput light-sheet 3D microscopy of whole rodent brain microstructure for integration with MRI

본 논문은 거시적 MRI 대조도와 미세 구조적 세포 특징 사이의 관계를 규명하는 예측 모델을 구축하기 위해, 온전한 설치류 뇌의 고처리량 3D 라이트 시트 현미경 기술과 확산 MRI를 통합한 확장 가능한 프레임워크를 제시하며, 이를 통해 향후 인간으로의 번역을 위한 세포 구조와 전뇌 영상 사이의 간극을 메운다.

원저자: Hanmer, J. M., D'Antonio, F., Manzano-Patron, J.-P., Assimopoulos, S., Wood, S. C., Tachrount, M., Shen, Q., Craig, M., Lai, C., Hickman, G. J., Radfar, E., Chisholm, K. I., Farr, T. D., Jasanoff, A.

게시일 2026-10-13

📖 5 분 읽기🧠 심층 분석

CC BY 4.0

원저자: Hanmer, J. M., D'Antonio, F., Manzano-Patron, J.-P., Assimopoulos, S., Wood, S. C., Tachrount, M., Shen, Q., Craig, M., Lai, C., Hickman, G. J., Radfar, E., Chisholm, K. I., Farr, T. D., Jasanoff, A., Hoerder-Suabedissen, A., Molnar, Z., Ligneul, C., Tisca, C., Jbabdi, S., Howard, A. F. D., Miller, K. L., de Guzman, E., Lerch, J. P., Sotiropoulos, S. N.

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

뇌가 어떻게 작동하는지 이해하기 위해 과학자들은 두 가지 매우 다른 규모에서 뇌를 관찰해야 합니다. 한편에는 자기공명영상(MRI)과 같은 도구를 사용하여 살아있는 사람의 머리를 절개하지 않고도 전체 뇌를 볼 수 있는 대규모 관점이 있습니다. 이 기술은 전체적인 그림을 보여준다는 점에서 강력하지만, 개별 신경 세포나 그 주변을 둘러싸고 있는 지지 세포와 같은 아주 작은 구성 요소를 보기에는 너무 거칠다는 단점이 있습니다. 다른 한편에는 연구자들이 이러한 미세한 세포들을 놀라운 디테일로 세고 지도화할 수 있는 미시적 관점이 있습니다. 그러나 이러한 세포들을 관찰하기 위한 전통적인 방법들은 뇌를 얇은 조각으로 슬라이스해야 하며, 이는 3차원 구조를 파괴하고 전체 장기가 어떻게 구성되어 있는지 보는 것을 불가능하게 만듭니다. 수십 년 동안 과학자들은 이 두 세계를 연결하기 위해, 즉 세포의 상세한 지도와 MRI로 촬영된 대규모 이미지를 완벽하게 일치시키기 위해 고군분투해 왔습니다. 이 연결 고리가 없다면, MRI 영상이 실제로 내부의 생물학적 구조에 대해 무엇을 말해주고 있는지 정확히 알기 어렵습니다.

연구팀은 이제 이 두 규모 사이의 가교를 구축하여, 개별 세포 수준에서부터 전체 장기에 이르기까지 설치류의 전체 뇌를 연구할 수 있는 새로운 방법을 만들어냈습니다. 그들은 하나의 온전한 뇌를 가져와 MRI로 스캔한 다음, 이를 특수 현미경으로 3D 촬영이 가능한 투명하고 속이 비치는 물체로 변환할 수 있는 공정을 개발했습니다. 동일한 뇌에 이 과정을 적용함으로써, 연구자들은 대규모 MRI 영상을 미세한 세포 지도와 직접 정렬할 수 있었습니다. 이 접근 방식은 단일 MRI 측정값만으로는 특정 세포의 수를 예측하는 데 그리 뛰어나지 않지만, 여러 종류의 MRI 데이터를 결 combinação(결합)하면 훨씬 더 정확한 그림을 만들어낸다는 것을 밝혀냈습니다. 이 연구는 이러한 결합된 신호를 사용함으로써, 과학자들이 언젠가 뇌를 절개하지 않고도 인간 뇌의 실제 세포 구성을 밝혀낼 수 있는 더 나은 MRI 도구를 개발할 수 있음을 시사합니다.

연구진은 발견 내용이 다양한 생물학적 변이 전반에 걸쳐 유효함을 보장하기 위해, 각각 고유한 유전적 구성을 가진 8가지 유형의 생쥐로부터 시작했습니다. 먼저, 고성능 MRI 기기를 사용하여 이 생쥐들의 뇌를 스캔했습니다. 이 스캔 작업은 약 12시간이 소요되었으며, 조직 내에서 물이 어떻게 이동하는지를 보여주는 뇌 구조의 상세한 3D 지도를 생성했습니다. 이 물의 움직임, 즉 확산(diffusion)은 세포가 얼마나 밀집되어 있고 어떻게 배열되어 있는지에 따라 달라집니다. MRI 데이터는 뇌의 미세구조에 대한 폭넓은 관점을 제공했지만, 특정 지점에 뉴런이나 지지 세포가 정확히 몇 개 존재하는지는 아직 알려주지 못했습니다.

MRI 스캔이 완료된 후, 팀은 동일한 뇌에 대해 놀라운 변형 과정을 수행했습니다. 그들은 두개골에서 뇌를 꺼내어 조직을 유리처럼 완전히 투명하게 만드는 특수 화학 처리 과정을 거쳤습니다. 보통 뇌를 투명하게 만들고 세포를 볼 수 있도록 염색하는 이 과정은 몇 주 또는 몇 달이 걸리며, 염료가 뇌 중심부에 고르게 도달하지 못하는 경우가 많습니다. 이를 해결하기 위해 연구진은 약한 전기장을 가해 화학 물질을 조직 속으로 밀어 넣는 장치를 사용했습니다. 이 능동적인 방식은 과정을 크게 단축시켜, 2주 이내에 뇌 전체를 투명하게 만들고 염색할 수 있게 했습니다. 연구진은 특정 표적에 달라붙는 단백질인 표준 항체를 사용하여, 신호를 전달하는 뉴런과 이를 지원하는 성상세포(astrocytes)라는 두 가지 주요 세포 유형을 표지했습니다. 전기장이 염료를 깊고 고르게 침투하도록 도왔기 때문에, 표면부터 중심부까지 뇌의 모든 부분이 동일한 선명도로 표지되었습니다.

이제 투명하게 표지된 뇌를 가지고 연구팀은 라이트 시트 현미경(light-sheet microscope) 아래에 배치했습니다. 이 현미경은 조직을 통과하는 얇은 빛의 층을 비추고 뇌가 그 사이를 이동하는 동안 사진을 찍어, 뇌를 슬라이스하지 않고도 전체 3D 부피를 포착할 수 있게 합니다. 그들은 뇌 전체를 이 수준의 디테일로 촬영하는 데 며칠 또는 몇 주가 걸릴 수 있는 기존 방식보다 크게 개선된, 5시간 이내에 전체 마우스 뇌를 세포 해상도로 촬영할 수 있는 빠른 스캐닝 방법을 개발했습니다. 그 결과, 수백만 개의 뉴런의 정확한 위치와 뇌 전체에 퍼져 있는 성상세포의 분포를 보여주는 거대하고 고해상도인 3D 지도가 만들어졌습니다.

결정적인 단계는 연구진이 이 두 데이터 세트를 하나로 합쳤을 때 찾아왔습니다. 그들은 컴퓨터를 사용하여 고해상도 세포 지도와 동일한 뇌에서 얻은 저해상도 MRI 스캔을 정렬했습니다. 두 이미지가 정확히 동일한 표본에서 나왔기 때문에, 픽셀 단위로 직접 비교할 수 있었습니다. 그들은 다음과 같은 간단한 질문을 던졌습니다: "MRI 스캔에서 보이는 패턴이 현미경으로 관찰된 세포의 수를 예측할 수 있는가?" 단일 유형의 MRI 데이터를 살펴보았을 때, 그 연결 고리는 약했습니다. MRI 신호는 특정 좁은 구역에 뉴런이 정확히 몇 개 있는지 알려줄 만큼 구체적이지 않았습니다. 그러나 여러 종류의 MRI 측정값을 하나의 모델로 결합했을 때, 예측력은 극적으로 향상되었습니다. 결합된 데이터는 뇌 전체의 뉴런 밀도와 성상세포의 지원 정도를 정확하게 추정할 수 있었습니다.

또한 이 연구는 컴퓨터가 이전에 본 적 없는 생쥐를 대상으로 테스트했을 때도 이 관계가 유지된다는 것을 보여주었습니다. 7마리의 생쥐로 모델을 학습시키고 8번째 생쥐로 테스트했을 때, 결합된 MRI 신호가 보지 못한 뇌의 세포 구성을 추측할 수 있는 충분한 정보를 여전히 담고 있다는 것을 발견했습니다. 이는 MRI 신호와 근저에 깔린 생물학 사이의 연결이 단순히 특정 동물에 국한된 우연이 아니라, 조직의 근본적인 특성임을 시사합니다. 연구진은 MRI 신호가 성상세포의 양보다 뉴런의 밀도를 예측하는 데 더 효과적이라는 것을 발견했으며, 이는 서로 다른 세포 유형이 MRI 스캔에 각기 다른 흔적을 남긴다는 것을 나타냅니다.

이 작업은 뇌를 이해하기 위한 강력한 새로운 도구를 제공합니다. 동일한 표본 내에서 MRI의 거시적 관점과 세포의 미시적 관점을 연결하는 것이 가능하다는 것을 증명함으로써, 연구진은 미래를 향한 로드맵을 만들었습니다. 그들은 뇌의 세포 구조를 보기 위해 필요한 정보가 복잡한 MRI 데이터 패턴 속에 숨겨져 있지만, 데이터를 새로운 방식으로 바라봐야 한다는 점을 입증했습니다. 단일 MRI 측정값에 의존하는 대신, 여러 가지 다른 신호를 결합함으로써 과학자들은 뇌의 세포 구조를 해독할 수 있습니다. 이 접근 방식은 의사들이 오늘날 보고 있는 이미지와 그 내부 세포의 생물학적 실재 사이의 간극을 메워, 살아있는 환자의 뇌 건강과 구조를 밝혀낼 수 있는 새로운 MRI 기술을 개발하는 길을 제시합니다.

기술 요약: MRI와의 통합을 위한 설치류 전체 뇌 미세구조의 고처리량 라이트시트 3D 현미경 관찰

문제 제기
전체 뇌 세포 매핑은 세포 구조가 뇌 기능과 질병을 어떻게 형성하는지 이해하는 데 필수적이다. 자기공명영상(MRI), 특히 확산 MRI(dMRI)는 인간과 동물 모델 모두에서 비침습적인 전체 뇌 피복을 제공하지만, 상대적으로 낮은 공간 해상도로 작동하며 세포 특징에 간접적으로만 민감하다. 반면, 광학 현미경은 서브 마이크로미터 해상도와 높은 생물학적 특이성을 제공하지만, 전통적으로 2D 절편이나 작은 조직 블록에 국한되어 있어, 3차원 공간적 이질성을 포착하거나 전체 뇌 부피 규모로 확장하기 어렵다. 기존의 통합 연구들은 종종 2D 현미경, 제한된 조직 절편 또는 별개의 표본 데이터를 활용하며, 이는 동일한 조직 내에서 거시적 MRI 대조도와 미세적 세포 특징 사이의 연속적인 3차원 관계를 포착하지 못한다. 또한, 기존의 전체 뇌 조직 투명화 및 면역 표지는 시간이 오래 걸리고 염색 구배(staining gradients)가 발생하기 쉬워, 처리량과 정량적 정확도를 제한한다.

방법론
저자들은 3D 라이트시트 현미경(LSM)과 멀티 쉘 dMRI를 결합한 확장 가능한 교차 해상도 프레임워크를 제시한다. 이 워크플로우는 다음과 같은 핵심 기술 구성 요소를 포함한다:

가속화된 조직 처리: 본 연구에서는 수동 확산 대신 능동적 전기 수송 기반의 조직 투명화 및 면역 표지(SmartBatch+ 장치를 통해)를 활용한다. 회전하는 전기장이 전하를 띤 시약과 항체를 조직을 통해 확률적으로 구동함으로써, 탈지(delipidation)와 표지를 크게 가속화하는 동시에 균일한 침투를 보장한다. 이 프로토콜은 SHIELD 보존법 및 에틸 시나메이트 굴절률 매칭과 결합되어, 2주 미만에 전체 뇌 처리를 가능하게 한다.
고처리량 LSM 획득: 볼륨 이미징의 병목 현상을 해결하기 위해, 저자들은 상용 라이트시트 현미경(Ultramicroscope BLAZE)에서의 획득 과정을 최적화했다. 이들은 "LightSpeed"(연속 스테이지 이동) 및 빠른 타일링 모드를 채택했다. 이를 통해 세포 해상도(0.98x0.98x4 µm)로 전체 뇌를 5시간 이내에 스캐닝하고, 중간 해상도 스크리닝(5.91x5.91x4 µm)을 10분 이내에 수행할 수 있었다.
다중 면역 표지: 이 워크플로우는 전통적인 항체를 사용하여 여러 세포 유형에 대한 동시 이중(및 잠재적으로 더 높은 차수의) 면역 표지를 지원한다. 본 연구에서는 뉴런(NeuN)과 성상세포(GFAP)를 동시에 표지하였으며, 별도의 또는 다중 실행을 통해 다른 표적들(MOG, IBA-1, TH)도 함께 다루었다.
MRI 호환성: 이 프로토콜은 고정 전 가돌리늄 기반 조영제를 관류시켜 T1 이완 시간을 단축함으로써 더 빠른 MRI 획득을 가능하게 하며, 이 과정은 이후의 광학 투명화나 면역 표지에 영향을 주지 않는다.
데이터 통합 및 모델링: 유전적으로 구별되는 8종의 F1 하이브리드 마우스 뇌를 대상으로 ex vivo 멀티 쉘 dMRI(150 µm 등방성 해상도)를 수행한 후 LSM 워크플로우를 적용했다. 생성된 데이터셋은 공통 T2 가중 해부학적 참조 모델로 비선형 공동 등록(non-linearly co-registered)되었다. Voxel-wise 랜덤 포레스트(RF) 회귀 모델을 훈련하여, dMRI 유래 지표(확산 커토시스 이미징(DKI) 파라미터 및 소마 앤 뉴라이트 밀도 이미징(SANDI) 모델의 생물물리학적 파라미터 포함)를 사용하여 LSM 유래 세포 특징(NeuN 뉴런 밀도 및 GFAP 염색 면적 분율)을 예측하였다.

주요 기여
본 논문은 세 가지 주요 기여를 식별한다:

가속화된 처리 및 이미징: 기존 조직학에 필적하는 타임스케일(처리 <2주, 세포 해상도 이미징 <5시간)로 전체 뇌 세포 매핑을 가능하게 하면서, 온전한 뇌의 3차원 무결성을 보존하는 워크플로우를 개발했다.
다중 전체 뇌 표지: 표준 항체를 사용하여 여러 내인성 세포 표적(뉴런, 성상세포, 희소돌기아교세포, 미세아교세포, 도파민 신경세포)을 동시에 균일하게 표지하는 것을 입증함으로써, 서로 다른 세포 유형에 대한 MRI 마커의 차별적 민감도를 탐구할 수 있게 했다.
교차 스케일 분석 프레임워크: 별개의 샘플을 기반으로 한 아틀라스 기반 등록을 넘어, 동일한 표본에서 획득한 3D 세포 지도와 최신 미세구조 dMRI 측정값을 직접 연결하는 직접적인 방법을 제시했다.

결과

처리량 및 품질: 능동적 전기 수송 프로토콜은 염색 구배 없이 균일한 신호를 가진 마우스 및 쥐의 뇌를 성공적으로 투명화하고 표지했다. 가속화된 LSM 획득은 세포 해상도 이미로 전체 뇌를 약 5시간 만에 완료했으며, 이는 기존의 동적 초점 이미징 대비 4배 단축된 결과이다.
예측 모델링: 개별 dMRI 대조도는 LSM 유래 세포 지도와 약하거나 중간 정도의 상관관계를 보였다. 그러나 데이터 기반의 dMRI 대조도 조합(SANDI 및 DKI 측정치)은 예측 정확도를 유의미하게 향 향상시켰다.
- 뉴런 밀도: 다변량 RF 모델은 홀드아웃 복셀(held-out voxels) 전체에서 뉴런 밀도의 분산을 약 35% 설명했다(평균 R ≈ 0.6). SANDI 소마 부피 분율( $f_{soma}$ )이 가장 강력한 개별 예측 인자였으나, 모든 지표의 조합이 단일 대조도보다 우수한 성능을 보였다.
- 성상세포 함량: GFAP 염색 면적 분율의 예측은 더 약했고(R ≈ 0.5) 변이(strain)에 따라 불균일했으나, dMRI 측정치를 결합함으로써 개선되었다.
일반화 가능성: "하나의 동물 제외(leave-one-animal-out)" 분석을 통해, 7개의 뇌로 훈련된 모델이 보지 못한 8번째 뇌에 적용되었을 때도 예측력을 유지함을 보여주었다(평균 회백질 뉴런 밀도에 대해 R = 0.63). 이는 dMRI-세포 관계가 유전적으로 다양한 동물 간에 공유된 생물학적 특징을 포착하고 있음을 시사한다.

의의 및 주장
저자들은 이 프레임워크가 미세구조 MRI 측정치를 '그라운드 트루스(ground-truth)' 세포 구조와 평가하고 교정하기 위한 확장 가능한 ex vivo 테스트베드를 구축한다고 주장한다. 동일한 조직 전체에 걸쳐 거시적 MRI 대조도를 세포 유형별 측정값과 직접 연결함으로써, 본 연구는 어떤 MRI 측정치의 조합이 세포 생물학을 더 구체적으로 반영하는지를 식별하는 원칙적인 접근 방식을 제공한다. 저자들은 단일 dMRI 파라미터에 의존하는 것은 불충분하며, 생물학적 특이성을 높이기 위해서는 상호 보완적인 대조도들의 데이터 기반 조합이 필요하다고 주장한다. 궁극적으로, 이 플랫폼은 살아있는 인간의 뇌로 전이 가능한 새로운 미세구조 MRI 측정법의 개발을 안내할 수 있다고 본다. 본 연구는 고정과 조영제가 조직 특성을 변화시킨다는 점을 인정하며 생체 내(in vivo) 적용에 대해 신중한 입장을 취하면서도, 통제된 환경에서 MRI-생물물리학적 모델 관계를 체계적으로 탐구하는 것이 in vivo 조직 미세구조를 이해하기 위한 필수적인 단계임을 강조한다.

유사한 논문