Increased activity without changes in coupling between somata and apical dendrites during visual mismatches
마우스 시각 피질에서 이중 평면 2-광자 이미징을 사용한 이 연구는, 자연스러운 영화에서의 예기치 않은 반전이 피라미드 뉴런의 정점 수상돌기와 세포체의 활동 모두를 증가시키는 반면, 이러한 불일치 민감성은 인공 가보(Gabor) 자극에 대해서는 나타나지 않으며 수상돌기와 세포체 구획 간의 결합 변화를 포함하지 않는다는 것을 밝혀냈다.
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
뇌는 단순히 세상을 보이는 그대로 기록하는 수동적인 카메라가 아닙니다. 대신, 뇌는 과거로부터 배운 모든 것을 바탕으로 다음에 무슨 일이 일어날지에 대한 추측을 끊임없이 생성하는 능동적인 예측기입니다. 당신이 커피잔을 향해 손을 뻗을 때, 당신의 뇌는 손이 움직이기도 전에 이미 그 무게와 위치를 예상하고 있습니다. 이러한 입력되는 감각 데이터와 내부 기대치를 비교하는 능력은 뇌의 외층인 피질이 어떻게 기능하는지에 대한 근본적인 이론입니다. 과학자들은 오랫동안 현실이 이러한 예측과 일치하지 않을 때, 뇌가 오류를 표시하기 위해 특정한 신호를 생성한다고 의심해 왔습니다. 하지만 뇌가 이러한 신호를 처리하는 방식이 매우 복잡하고, 종종 동일한 신경 세포의 서로 다른 부분들이 동시에 협력하여 작동하기 때문에, 정확히 이것이 어떻게 일어나는지 증명하는 것은 어려웠습니다.
이 과정을 이해하기 위해 연구자들은 피라미드 모양의 흔한 뇌 세포인 피라미드 뉴런에 주목했습니다. 이 세포들은 명령 센터 역할을 하는 본체인 '소마(soma)'와, 멀리 떨어진 곳까지 뻗어 정보를 받아들이는 긴 가지 형태의 '정점 수상돌기(apical dendrite)'를 가지고 있습니다. 일부 이론은 수상돌기가 뇌의 다른 부분으로부터 오는 '하향식(top-down)' 예측을 받고, 소마는 감각으로부터 오는 '상향식(bottom-up)' 데이터를 받는다고 제안합니다. 핵심 아이디어는 세포가 이 두 흐름의 정보를 비교하여 불일치를 감지한다는 것입니다. 만약 예측이 틀리면, 세포는 다르게 발화하거나 각 부분이 서로 소통하는 방식을 바꿀 수 있습니다. 큰 의문은 이 비교가 단일 세포 내부에서 일어나는지, 그리고 만약 그렇다면 세포의 본체와 긴 팔이 놀라움이 발생했을 때 조화로운 방식으로 반응하는지 여부였습니다.
한 연구팀은 쥐를 사용하여 이 과정을 실시간으로 관찰하기 위한 실험을 수행했습니다. 그들은 세포가 놀라움을 감지하는 순간을 포착할 수 있는지, 구체적으로 놀라움이 발생했을 때 세포의 본체와 긴 팔이 함께 빛나는지 아니면 따로 빛나는지를 확인하고자 했습니다. 이를 위해 그들은 깨어 있고 움직이는 쥐의 뇌 깊은 곳을 들여다볼 수 있는 정교한 현미경을 사용했습니다. 연구진은 눈이 보는 것을 처리하는 부분인 시각 피질에 집중했습니다. 연구진은 쥐에게 특정 이미지의 시퀀스를 익숙해질 때까지 보여주어, 말 그대로 쥐에게 무엇을 기대해야 하는지 가르쳤습니다. 그런 다음, 연구진은 뇌의 반응을 보기 위해 시퀀스에 예상치 못한 변화를 도입했습니다.
실험에는 두 가지 매우 다른 유형의 시각 자극이 포함되었습니다. 첫째, 쥐들은 흙 속에서 꿈틀거리는 벌레나 야외를 달리는 쥐와 같은 자연스러운 장면의 짧은 클립을 보았습니다. 이 클립들은 쥐가 익숙해질 때까지 정방향으로 재생된 후, 갑작스럽게 영상의 일부가 역재생되었습니다. 이 역재생은 시간과 움직임의 자연스러운 흐름을 깨뜨려 동물에게 진정한 놀라움을 유발했습니다. 둘째, 쥐들은 '가보 패치(Gabor patches)'라고 불리는 단순하고 인공적인 형태의 시퀀스를 보았습니다. 이는 특정 각도를 가진 흐릿한 빛의 막대 형태입니다. 이 패치들은 예측 가능한 패턴에 따라 변하다가, 예상치 못하게 한 패치의 각도가 바뀌었습니다. 연구진은 이중 평면 현미경을 사용하여 수천 개의 뉴런으로부터 세포 본체와 멀리 떨어진 수상돌기 끝부분의 활동을 동시에 기록했습니다. 이를 통해 두 부분이 놀라움이 발생했을 때 동기화되어 반응하는지 확인할 수 있었습니다.
결과는 자연스러운 영화 클립에 대해 명확하고 놀라웠습니다. 영상이 갑자기 역재생되었을 때, 시각 피질의 뉴런들은 동일한 클립이 완전히 역재생된 (놀랍지 않은) 순서로 재생될 때보다 더 강렬하게 발화했습니다. 이러한 활동의 증가는 뇌가 자신이 기대했던 것과 실제로 본 것 사이의 불일치를 감지했다는 신호였습니다. 결정적으로, 이 반응은 세포 본체와 정점 수상돌기 모두에서 나타났습니다. 두 부분 모두 활동이 증가했지만, 연구진은 놀라움이 발생하는 동안 그들 사이의 관계나 '결합(coupling)'이 변했다는 증거를 찾지 못했습니다. 이 패턴은 시각 피질의 서로 다른 층과 다양한 뇌 영역에 걸쳐 일관되게 나타났습니다. 또한 연구진은 이 반응이 쥐가 역재생을 처음 접했을 때 가장 강했으며, 며칠에 걸쳐 놀라움에 반복적으로 노출됨에 따라 점차 감소한다는 것을 발견했습니다. 이는 뇌가 새로운 패턴을 자신의 기대치에 통합하는 법을 배우고 있음을 시사합니다.
하지만 연구진이 인공적인 가보 패치로 전환하자 이야기는 완전히 달라졌습니다. 실험을 매우 세심하게 설계했음에도 불구하고, 단순한 형태의 각도가 예상치 못하게 변했을 때 쥐들은 앞선 사례와 같은 명확한 놀라움의 징후를 보이지 않았습니다. 뉴록들은 불일치하는 각도에 반응하여 유의미하게 더 많이 발화하지 않았습니다. 연구진은 세포가 반복적인 시청으로 인해 단순히 지쳤거나, 새로운 형태에 대한 신기함에 반응하는 것과 같은 여러 대안적 설명을 배제했습니다. 데이터는 시각 체계가 복잡하고 연속적인 자연 장면의 흐름에는 고도로 튜닝되어 있지만, 단순하고 인공적인 패턴은 동일한 방식으로 처리하지 않는다는 것을 시사했습니다. 뇌는 자연 세계의 통계에 기반한 기대를 가지고 있으며, 추상적이고 인간이 만든 패턴에 의해 그 기대가 위반될 때는 동일한 종류의 오류 신호를 생성하는 데 어려움을 겪는 듯 보였습니다.
아마도 가장 중요한 발견은 뉴런의 서로 다른 부분들이 서로 어떻게 소통하는지에 관한 것이었을 것입니다. 많은 이론은 불일치가 발생할 때 세포 본체와 수상돌기 사이의 연결이 변하여, 오류 신호를 용이하게 하기 위해 더 강해지거나 약해질 것이라고 예측했습니다. 연구진은 수상돌기의 활동이 세포 본체의 활동과 얼마나 밀접하게 결합되어 있는지를 측정함으로써 이 증거를 찾고자 했습니다. 그들은 놀라움이 발생할 때 이 결합이 변한다는 증로를 발견하지 못했습니다. 세포의 두 부분은 일반적인 예상 시퀀스 중에와 마찬가지로 불일치 중에도 똑같이 연결되어 있었으며, 이는 뇌가 오류를 알리기 위해 이 두 구획이 대화하는 방식의 급격한 변화에 의존하지 않는다는 것을 의미합니다. 대신, 전체 세포는 자연 세계에서 무언가 잘못되었다는 것을 알리기 위해 단순히 더 활발하게 깨어나는 방식을 취합니다.
이러한 발견은 우리가 시각 세계를 처리하는 방식에 대한 새로운 관점을 제공합니다. 이 연구는 시각 피질이 자연스러운 패턴의 편차에 민감하며, 현실의 흐름이 방해받을 때 강력한 신호를 생성한다는 점을 확인해 줍니다. 그러나 동시에, 이러한 민감성이 모든 놀라움에 대한 보편적인 반응이 아니라, 뇌가 다루도록 진화한 복잡하고 역동적인 입력에 특화된 것임을 보여줍니다. 나아가, 이 연구는 뇌의 오류 감지 메커니즘이 단일 뉴런의 각 부분이 상호작용하는 방식의 극적인 재구성에 의존한다는 아이디어에 도전합니다. 뇌는 단일 세포의 구성 요소들이 어떻게 상호작용하는지에 대한 급격한 변화를 이용하기보다는, 전체 세포가 자연 세계에서 무언가 잘못되었다는 것을 알리기 위해 단순히 더 활성화되는, 보다 분산되고 안정적인 형태의 통신을 사용하는 것으로 보입니다. 이 작업은 예측의 생물학적 기저를 밝히는 데 도움을 주며, 우리의 뇌가 자연의 리듬에는 정교하게 맞춰져 있지만, 인공적인 설계의 경직된 패턴에는 그만큼 덜 맞춰져 있을 수도 있음을 보여줍니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.