A computational model of altered neuronal activity in altered gravity

기술 요약: 변화된 중력 환경에서의 신경 세포 활동 변화에 대한 계산 모델

문제 제기
전기생리학적 실험들은 신경 세포의 활동이 중력에 민감하다는 사실을 입증해 왔다: 미세 중력(microgravity) 상태에서는 발화율(firing rates)과 버스트 빈도(burst frequencies)가 증가하고, 고중력(hypergravity) 상태에서는 감소한다. 이러한 현상에 대해 세포막 유동성(membrane fluidity) 변화가 이온 채널에 미치는 영향이나 기계적 감응(mechanosensitive, MG) 이온 채널의 활성화와 같은 생물물리학적 가설들이 존재하지만, 이는 여전히 정성적인 수준에 머물러 있다. 이러한 설명들은 분석적 계산이나 시뮬레이션을 통한 정량적 뒷받침이 부족하다. 더욱이, 기존의 신경 세포 및 네트워크의 고전적 계산 모델(예: Hodgkin-Huxley)은 현재 변화된 중력을 설명할 수 있는 파라-미터를 포함하지 못하고 있어, 이러한 현상을 이해하기 위한 in-silico 실험을 수행하는 데 한계가 있다.

방법론
저자들은 단일 세포 메커니즘에서 네트워크 수준의 행동으로 나아가는, 변화된 중력이 신경 역학에 미치는 영향을 모델링하기 위한 두 가지 구별된 계산적 구현 방식을 제안한다.

1. 단일 뉴런 모델링 (세포막 유동성 가설):

   • 프레임워크: 저자들은 Hodgkin-Huxley (HH) 모델을 활용한다.
   • 메커니즘: 저자들은 미세 중력이 세포막의 유동성을 증가시키고, 이것이 이온 채널의 키네틱스(kinetics, 동역학)를 가속화한다고 가설을 세운다. 이는 게이팅 변수($n, m, h$)의 개폐율($\alpha$ 및 $\beta$)에 적용되는 무차원 곱셈 상수 $\lambda$를 도입함으로써 구현된다.
   • 구현: 시간 상수 $\tau(V)$는 $\lambda > 1$이 미세 중력(더 빠른 키네틱스), $\lambda = 1$이 1g, $\lambda < 1$이 고중력을 나타내도록 스케일링된다. 정상 상태의 게이팅 확률은 변하지 않으며, 오직 역학(dynamics)만이 가속된다.
   • 시뮬레이션: 격리된 HH 뉴런과 4,000개의 뉴런으로 구성된 재귀적 연결 네트워크 모두에 대해 Brian 뉴런 시뮬레이터를 사용하여 시뮬레이션을 수행하였다.

2. 네트워크 모델링 (기계적 감응 채널 및 적응):

   • 프레임워크: 저자들은 주로 흥분성(excitatory)이며 동기화된 저주파 버스트를 보이는 인간 줄기세포 유래 신경 세포(iNGN) 네트워크를 모델링한다.
   • 메커니즘: 유의미한 억제성 인구 없이도 동기화된 버스팅을 재현하기 위해, 저자들은 적응형 지수 적분-발화(Adaptive Exponential Integrate-and-Fire, AdEx) 모델을 사용한다. 안정성은 억제성 피드백 대신 발화율 적응(firing rate adaptation, 느린 과분극 전류 $w$)을 통해 달성된다.
   • 중력 효과: 가속/감속 단계 동안의 기계적 감응(MG) 채널 활성화를 모델링하기 위해, 네트워크에 주입되는 추가적인 탈분극 전류($I_\lambda$)를 도입한다.
   • 시냅스 조절: 또한 저자들은 중력이 시냅스 전달(세포막 유동성이 엑소사이토시스/엔도사이토시스에 미치는 영향을 통해)에 미치는 영향을 탐구하기 위해 포스트 시냅스 전위 진폭($w_e$)을 조절한다.

주요 결과

• 단일 뉴런 역학: HH 모델에서 $\lambda$를 증가시키면(미세 중력 시뮬레이션) 발화율이 견고하게 증가하고 스파이크 간격(inter-spike interval)이 감소한다. 이는 가속된 게이팅 키네틱스가 나트륨 전도도를 더 빠르게 활성화하여 더 이른 탈분극을 유도하기 때문이다. 반대로 $\lambda$를 감소시키면(고중력 시뮬레이션) 발화율이 감소한다. 이 모델은 격리된 뉴런과 재귀적 네트워크 모두에서 실험적 관찰 결과를 성공적으로 재현한다.
• 네트워크 역학: 적응(adaptation)에 의해 균형이 잡힌 AdEx 네트워크는 iNGN 세포주에서 관찰되는 저주파 동기화 버스팅 패턴(약 0.44 Hz 버스트율)을 성공적으로 재현한다.
• MG 채널 활성화: 적응된 네트워크에 MG 채널 활성화를 모델링하는 탈분극 전류 $I_\lambda$를 주입하면 평균 발화율과 버스트율이 모두 증가하며, 이는 원심분리기 램프업(ramp-up)/램프다운(ramp-down) 단계의 실험 데이터와 일치한다.
• 시냅스 가중치 조절: 연결 가중치를 증가시키면(유동성 변화로 인한 변화된 시냅스 전달을 시뮬레이션) 발화율은 증가하지만 버스트율은 감소한다(버스트 지속 시간은 늘리면서 버스트 간격을 길게 함으로써). 이는 버스팅 네트워크에서 발화율과 버스트율 사이의 음의 상관관계를 강조한다.

의의 및 주장
본 논문은 변화된 중력과 신경 활동 사이의 첫 번째 계산적 연결 고리를 제공함으로써 문헌의 중요한 공백을 메운다고 주장한다. 주요 기여는 다음과 같다:

1. 정량적 구현: 질적인 생물물리학적 가설(이온 채널 키네틱스에 미치는 세포막 유동성의 영향)을 엄격하고 테스트 가능한 계산 프레임워크($\lambda$ 스케일링)로 변환하였다.
2. 통합적 설명: 이온 채널 확률에 관한 기존의 상충하는 결과들에 대해 통합적인 설명을 제공한다. 즉, 중력은 단순히 채널의 정적 개방 확률이 아니라 채널의 역학(시간 상수)에 작용함을 시사한다.
3. 네트워크 모델링: 억제성 인구의 필요 없이, 흥분성 재귀적 연결과 발화율 적응에 의해 균형이 잡힌 모델이 줄기세포 유래 네트워크의 특정 저주파 동기화 버스팅을 설명할 수 있음을 입증하였다.
4. 메커니즘적 구분: 정적인 중력 수준(세포막 유동성/채널 키네틱스를 통해 모델링됨)과 동적인 중력 변화(MG 채널 활성화를 통해 모델링됨)의 효과를 구분하여, 두 방식 모두 활동을 증가시킬 수 있지만 서로 다른 계산적 메커니즘을 통해 발생함을 보여준다.

저자들은 자신들의 모델이 완전히 메커니즘적이라기보다는 기술적(descriptive)이며, 생물학적 타당성에 의해 제약되지만 아직 변화된 중력 하에서의 세포 내 기록(intracellular recordings)에 의해 완전히 검증되지는 않은 파라미터에 의존하고 있다는 점을 언급하며 신중한 입장을 유지한다. 이들은 본 연구가 향후 in-silico 실험을 위한 토대를 제공하며, 모델을 정교화하기 위해서는 세포막 유동성과 기계적 감응 채널 활성화의 가산적 효과(additive effects)를 분리하기 위한 향후의 세포 내 데이터가 필요할 것이라고 상정한다.