Swell application reveals and quantifies wavefront propagation of halorhodopsin-induced spreading depolarization

기술 요약: 확산성 탈분극 정량화를 위한 Swell 애플리케이션

문제 정의
확산성 탈분극(Spreading depolarization, SD)은 편두통 전조, 뇌 손상 및 발작과 관련된 중요한 세포 현상이다. SD는 고농도의 세포 외 칼륨($K^+$) 또는 할로로돕신(halorhodopsin, HaloR)을 이용한 최신 광유전학적 방법을 통해 실험적으로 유도될 수 있으나, 이러한 사건의 전파를 특성화하는 것은 여전히 어려운 과제이다. 특히, HaloR에 의해 유도된 SD는 전통적인 유도 방식과는 반대되는 조건(뉴런의 과분극 및 기저치 미만의 세포 외 $K^+$)에서 발생할 수 있음에도 불구하고, 이러한 사건들이 정의된 SD 파면(wavefront)으로서 일관되게 전파되는지는 불분명하다. 또한, 내재적 광신호 영상법(intrinsic optical signal imaging, IOSI)은 SD의 공간적 전파를 추적하는 표준 방식이지만, 다양한 유도 패러다임에 걸쳐 SD 관련 IOS를 정량화할 수 있는 전용의 사용자 친화적인 오픈 소스 도구가 부족한 실정이다. 기존 도구들은 특정 생체 내(in vivo) 모델에 맞춤 제작되었거나 포괄적인 분석 파이프라인이 결여되어 있다.

방법론
저자들은 IOSI 데이터로부터 SD 이벤트를 식별, 분할 및 정량화하기 위해 설계된 데스크톱 애플리케이션인 Swell을 제시한다. 개발 및 검증은 다음 단계들을 거쳐 수행되었다:

• 데이터 획득: 실험에는 $K^+$-유도 SD를 위한 C57BL/6 마우스 뇌 절편과 HaloR $\times$ EMXCre 마우스를 이용한 광유전학적 SD가 사용되었다. SD는 고농도의 세포 외 $K^+$ (15 mM 또는 26 mM)를 관류하거나, HaloR 발현 뉴런에 565 nm 빛을 자극하여 유도되었다.
• 기록 모달리티: 직류(direct current, DC) 전기생리학과 IOSI를 동시에 기록하였다. IOSI는 파이프라인의 일반화 가능성을 테스트하기 위해 서로 다른 현미경 카메라(DAGE-MTI 및 Lumenera)를 사용하여 캡처되었다.
• Swell 파이프라인: 본 애플리케이션은 네 단계를 통해 이미지 시퀀스를 처리한다:
  1. 자동 탐지: 2단계 알고리즘이 후보 이벤트를 식별한다. 1단계는 이미지 부분 구역(subsections)의 강도 미분(intensity derivatives)을 기반으로 협응된 활동을 탐지한다. 2단계는 노이즈를 제거하기 위해 지연-1 자기상관(lag-1 autocorrelation)을 사용하는 "결맞음 게이트(coherence gate)"를 적용하여, 시간적으로 결맞은 모집 패턴만을 유지한다.
  2. 전처리: 이벤트는 평활화(smoothing), 기저선 차감(baseline-subtraction) 및 대비 향상 과정을 거친다.
  3. 분할(Segmentation): 애플리케이션은 Segment Anything Model 2.1 (SAM 2.1) 파운데이션 모델을 활용한다. 사용자는 앵커 프레임에 점(point), 박스(box) 또는 브러시(brush) 프롬프트를 제공하여 파면 마스크를 정의하며, 이는 이벤트 지속 시간 동안 양방향으로 전파된다.
  4. 지표 추출: 시스템은 전파 속도($\mu m/s$), 모집 면적($mm^2$), 상대적 모집 면적(%), 광학적 강도 변화($\Delta I/I_0$)를 계산한다.
• 검증: Swell은 다음 항목들을 통해 검증되었다:
  • 타이밍 정확도 측정을 위한 동시 DC 전기생리학.
  • 마스크 충실도(Dice 계수) 측정을 위한 3인의 숙련된 주석가(annotator)의 수동 분할.
  • 전파 속도 범위를 확인하기 위한 기존 문헌.
• 통계 분석: $K^+$와 HaloR 간의 유도 패러다임에 따른 지표를 비교하기 위해 퍼센타일 클러스터 부트스트랩 신뢰 구간을 포함한 비모수적 방법이 사용되었다.

주요 결과

• 탐지 성능: $K^+$-유도 이벤트에 대한 leave-one-animal-out 교차 검증에서, Swell은 정밀도(precision) 0.80, 재현율(recall) 0.89 (F1 점수 0.84)를 달성하였다. 2단계 탐지 시스템은 단순 강도 임계값 설정보다 정밀도를 유의미하게 향상시켜 비결맞음 노이즈를 효과적으로 필터링하였다.
• 타이밍 정확도: Swell 마스크로부터 도출된 IOS 도착 시간은 DC 전압 편차와 일치하였으며, 편향(bias)은 $-0.2$ s였다. 검증된 10개의 이벤트 모두 전기생리학적 변화의 3초 이내에 위치하였다.
• 분할 충실도: Swell 생성 마스크는 수동 합의 마스크(manual consensus mask)에 대해 0.92의 Dice 계수를 보였으며, 이는 주석가 간 일치도(0.92)와 통계적으로 구별되지 않았다.
• 전파 지표: $K^+$-유도 SD의 중앙값 전파 속도는 41.5 $\mu m/s$로, 발표된 범위(33–150 $\mu m/s$)와 일치하였다.
• HaloR 유도 SD 특성화:
  • IOSI는 HaloR 조명 중 및 조명 이후에 발생하는 SD 이벤트를 성공적으로 탐지하였으며, 이는 전극(조명으로 인해 불투명해진 영역 내에 배치됨)이 놓친 이벤트를 포함한다.
  • HaloR 유도 SD는 $K^+$-유도 SD와 유사한 속도로 조명 부위를 넘어 전파되었다. 조명 중 이벤트의 중앙값 속도는 43.9 $\mu m/s$였고, 조명 후 이벤트의 중앙값 속도는 47.8 $\mu m/s$였다.
  • 통계 분석 결과, 두 가지 유도 방법 간의 전파 속도 차이는 감지되지 않았다.

의의 및 주장
본 논문은 Swell이 프로그래밍 전문 지식 없이도 SD의 포괄적인 탐지 및 분석을 수행할 수 있는 최초의 독립형 오픈 소스 데스크톱 애플리케이션이라고 주장한다. 주요 의의는 다음과 같다:

1. HaloR 모델의 검증: HaloR 유도 SD가 $K^+$-유도 SD와 유사한 속도로 일관되게 전파됨을 입증함으로써, 본 연구는 HaloR이 신뢰할 수 있는 SD 모델임을 확인하였다. 이를 통해 연구자들은 SD 유도(기저치 미만의 $K^+$에서도 발생 가능)와 SD 전파의 메커니즘을 분리할 수 있다.
2. 표준화: Swell은 광유전학, 전기생리학 및 IOSI를 결합하는 통합된 파이프라인을 제공하여, SD 특성화 도구의 역사적 부재 문제를 해결한다.
3. 모달리티의 상보성: 본 연구는 IOSI와 전기생리학이 상보적임을 강조한다. IOSI는 전극이 도달할 수 없는 영역(예: 강한 조명 아래)의 파면을 해상하여, 전기생리학만으로는 놓칠 수 있는 이벤트를 포착하였다.

저자들은 Swell이 광유전학적으로 유발된 SD의 신뢰할 수 있는 추적을 가능하게 하며, SD 유도와 전파 사이의 메커니즘적 차이를 조사하는 데 기여한다고 결론지었다. 또한 향후 연구에서 생체 내(in vivo) 모델 및 기타 유도 패러다임으로 검증을 확장해야 함을 언급하였다.