Optimal dynamic range of spiking neurons in critical scale-free networks

인간의 뇌는 적응의 명수이며, 속삭임과 천둥소리, 희미한 향기와 강렬한 악취를 구분하는 능력을 잃지 않으면서도 이를 감지해낼 수 있습니다. 이처럼 광범위한 강도의 스펙트럼을 처리하는 능력을 동적 범위(dynamic range)라고 합니다. 수십 년 동안 과학자들은 뇌가 어떻게 이토록 넓은 범위의 민감도를 달성하는지에 대해 의문을 품어 왔습니다. 개별 신경 세포, 즉 뉴런은 놀라울 정도로 제한적입니다. 이들은 과부하가 걸리거나 반응하지 못하게 되기 전까지 매우 좁은 입력 대역에만 반응할 수 있습니다. 그러나 이 세포들이 뇌라는 복잡한 그물망 속에서 함께 작동할 때, 집단적인 시스템은 훨씬 더 넓은 스펙트럼에 걸쳐 신호를 감지할 수 있습니다. 연구자들을 오랫동안 매료시킨 질문은 바로 이 변환이 어떻게 일어나는가 하는 점입니다. 어떻게 제한된 능력을 가진 개체들의 집단이 그토록 놀라운 도달 범위를 가진 시스템을 만들어내는 것일까요?

브라질 파라나 연방 대학교의 연구팀은 신경망의 디지털 모델을 구축함으로써 이 현상을 더 자세히 조사했습니다. 그들은 실제 뇌가 배선된 방식과 유사한 '척도 없는(scale-free)'이라는 특정 유형의 네트워크 구조에 집중했습니다. 이 구조에서는 대부분의 뉴런이 이웃과 몇 개의 연결만을 갖는 반면, 소수의 고도로 연결된 '허브(hub)' 뉴런들이 다른 많은 뉴런과 연결됩니다. 이러한 불균등한 분포는 무작위적인 것이 아닙니다. 이는 사회적 네트워크부터 인터넷에 이르기까지 많은 자연계 시스템에서 발견되는 패턴이며, 뇌가 스스로를 조직하는 방식의 근본적인 특징인 것으로 보입니다. 연구진은 이 특정한 배선 패턴이 왜 눈이나 귀와 같은 감각 기관이 단독으로 작와하는 하나의 뉴런보다 훨씬 더 넓은 동적 범위를 갖는지 설명할 수 있는지 확인하고자 했습니다.

이를 조사하기 위해 과학자들은 550개의 뉴런으로 구성된 가상 네트워크를 구축했습니다. 모델 내의 각 뉴런은 실제 생물학적 세포의 전기적 특성과 화학적 채널을 모두 갖춘 상세한 수학적 표현이었습니다. 이 가상 세포들은 뉴런들이 서로 신호를 전달하는 미세한 틈인 화학적 시냅스로 연결되었습니다. 연구진은 이 네트워크에 지속적인 전기 자극을 가하여 실제 뇌가 받을 수 있는 종류의 감각 입력을 시뮬레이션했습니다. 그들은 뉴런 사이의 연결 강도를 변화시키며, 연결 강도의 다양한 수준에 따라 전체 집단이 어떻게 반응하는지 면밀히 관찰했습니다.

결과는 연결 강도와 네트워크 성능 사이의 명확하고 놀라운 관계를 보여주었습니다. 뉴런들이 서로 연결되지 않고 고립된 개체로 작용할 때, 네트워크는 단일 세포에서 보이는 것과 유사하게 매우 좁은 동적 범위를 가졌습니다. 연구진이 뉴런 사이의 연결 강도를 높임에 따라, 넓은 범위의 자극을 감지하는 네트워크의 능력은 극적으로 향상되었습니다. 그러나 이 향상이 무한히 계속되지는 않았습니다. 네트워크는 특정하고 최적인 연결 강도 수준에서 정점에 도달했습니다. 이 정확한 지점에서 동적 범위는 최대치가 되었으며, 시스템이 가능한 가장 넓은 범위의 입력 강도에 반응할 수 있게 되었습니다.

이러한 정점의 성능은 네트워크의 반응에서 나타나는 특정 수학적 행동과 일치했습니다. 연구진은 최대 민감도 지점에서 입력 신호와 출력 반응 사이의 관계가 출력이 입력에 비례하여 예측 가능한 비율로 변화하는 수학적 규칙인 '멱법칙(power law)'을 따른다는 것을 발견했습니다. 너무 혼란스럽지도, 너무 경직되지도 않은 이 특정한 상태는 흔히 '임계성(criticality)'이라고 불립니다. 이 연구는 뇌가 정보를 처리하는 능력을 극대화하기 위해 자연스럽게 이 임계점 근처에서 작동할 수도 있음을 시사합니다. 이러한 결과는 우리의 감각이 가진 향상된 민감도가 단순히 개별 세포의 속성이 아니라, 전체 네트워크의 집단적 역동성으로부터 발생하는 창발적 특징이라는 아이디어를 뒷받침합니다.

네트워크의 크기 또한 이 시뮬레이션에서 중요한 역할을 했습니다. 연구진은 다양한 크기의 네트워크를 테스트했으며, 뉴한의 수가 증가함에 따라 동적 범위가 커진다는 것을 발견했습니다. 하지만 이 성장은 영원히 지속되지 않았으며, 네트워크가 약 300개의 뉴런에 도달했을 때 완만해지기 시작했습니다. 이 지점을 넘어서면 뉴런을 더 추가해도 범위를 크게 늘리지 못했습니다. 이는 네트워크의 크기가 민감도를 개선하는 데 있어 자연적인 한계가 있음을 시사하며, 단순히 세포의 수가 방대한 것보다 특정한 배선 패턴이 더 중요하다는 것을 보여줍니다.

또한 이 연구는 연구진이 이전에 연구했던 '좁은 세상(small-world)' 네트워크와 같은 다른 유형의 네트워크 구조와 이 척도 없는 네트워크 간의 뚜렷한 차이점을 강조했습니다. 척도 없는 모델에서는 고도로 연결된 허브 뉴런의 존재가 독특한 행동을 만들어냈습니다. 연결이 너무 강해지면 네트워크의 성능이 다른 네트워크 유형보다 훨씬 더 급격히 떨어졌습니다. 이는 뇌의 특정 구조, 즉 희소한 연결과 몇 개의 강력한 허브가 혼합된 구조가 정교하게 조정되어 있음을 나타냅니다. 이 구조는 적절한 연결 수준에서 넓은 동적 범위를 허용하지만, 동시에 연결 강도의 변화에 민감하게 반응하도록 만듭니다.

궁극적으로 이 작업은 신경과학의 오랜 미스터리에 대한 계산적 설명을 제공합니다. 이는 우리가 다양한 강도의 세상을 인지할 수 있는 능력이 집단적 성취임을 시사합니다. 우리 감각에서 관찰되는 넓은 동적 범위는 단일 뉴런이 스스로 달성할 수 있는 것이 아닙니다. 대신, 이는 특정한 척도 없는 배열 속에서 작동하는 수천 개의 뉴론이 함께 협력함으로써 발생하는 것입니다. 이 네트워크 구조는 임계점 근처에서 작동함으로써 뇌가 가장 미세한 신호에 민감하게 반응하면서도 동시에 가장 크고 밝거나 강렬한 입력을 처리할 수 있도록 해줍니다. 이 연구는 네트워크의 조직 자체가 신경 처리의 잠재력을 끌어올리는 핵심임을 확인시켜 줍니다.