시카고 대학교, 하버드 대학교, 예일 대학교의 물리학자와 신경과학자들이 진행한 연구에서는 개별 유기체의 생물학적 특징이 아닌 네트워킹 및 자기 조직화의 일반 원리를 통해 뉴런 간의 연결이 어떻게 이루어지는지 설명합니다.
"무거운 꼬리를 가진 뉴런 연결은 헤비안 자기 조직화에서 발생합니다"라는 제목의 연구는 다음과 같이 발표되었습니다. 자연 물리는 다양한 모델 유기체의 연결 연결을 정확하게 설명하며 사회적 상호 작용과 같은 비생물학적 네트워크에도 적용될 수 있습니다.
"생물학적 데이터를 설명하기 위해 간단한 모델을 구축할 때 모든 시나리오가 아닌 일부 시나리오에 적합한 개략적인 결과를 얻을 수 있을 것으로 기대합니다."라고 UChicago 물리학 및 유기체 생물학 및 해부학 부교수인 Stephanie Palmer 박사는 말했습니다. 그리고 논문의 수석 저자. "세세한 부분을 파고들면 잘 작동할 것이라고 기대하지 않지만, 여기서 그렇게 해보니 정말 만족스러운 방식으로 설명이 끝났습니다."
뉴런이 어떻게 연결되는지 이해하기
뉴런은 시냅스 사이에 복잡한 연결망을 형성하여 서로 통신하고 상호 작용합니다. 수많은 연결이 무작위로 보일 수 있지만, 뇌 세포 네트워크는 대부분보다 훨씬 강한 소수의 연결에 의해 지배되는 경향이 있습니다.
이 "무거운 꼬리" 연결 분포(그래프에 표시할 때 보이는 방식 때문에 소위)는 유기체가 생각하고, 배우고, 의사소통하고, 움직일 수 있도록 하는 회로의 중추를 형성합니다. 이러한 강력한 연결의 중요성에도 불구하고 과학자들은 이러한 두꺼운 꼬리 패턴이 다른 유기체에 특정한 생물학적 프로세스로 인해 발생하는지, 아니면 네트워크 구성의 기본 원리로 인해 발생하는지 확신할 수 없었습니다.
이러한 질문에 답하기 위해 Palmer와 Yale University의 물리학 조교수인 Christopher Lynn 박사와 Harvard University의 박사후 연구원인 Caroline Holmes 박사는 뇌 세포 연결 지도인 커넥톰을 분석했습니다. 커넥톰 데이터는 초파리, 회충, 해양 벌레 및 쥐의 망막을 포함한 여러 가지 고전적인 실험실 동물에서 나왔습니다.
뉴런이 서로 연결되는 방식을 이해하기 위해 그들은 1949년 캐나다 심리학자 Donald Hebb이 만든 용어인 "함께 발사되는 뉴런은 함께 연결됩니다"라는 용어인 Hebbian 역학을 기반으로 모델을 개발했습니다. 이는 두 개의 뉴런이 더 많이 함께 활성화될수록 연결이 더 강해진다는 것을 의미합니다.
전반적으로 연구원들은 이러한 Hebbian 역학이 다른 유기체에서 본 것과 마찬가지로 "무거운 꼬리" 연결 강도를 생성한다는 것을 발견했습니다. 결과는 이러한 종류의 조직이 초파리, 생쥐 또는 벌레의 생물학에 특정한 것이 아니라 네트워킹의 일반적인 원칙에서 발생한다는 것을 나타냅니다.
또한 이 모델은 클러스터링이라는 또 다른 네트워킹 현상에 대한 예상치 못한 설명을 제공했습니다. 클러스터링은 셀이 공유하는 연결을 통해 다른 셀과 연결되는 경향을 설명합니다. 클러스터링의 좋은 예는 사회적 상황에서 발생합니다. 한 사람이 제3자에게 친구를 소개하면 그 두 사람은 따로 만났을 때보다 친구가 될 확률이 더 높습니다.
홈즈는 "이러한 메커니즘은 근본적으로 신경과학에서 일어날 것이라고 모두가 동의하고 있습니다."라고 말했습니다. "그러나 여기서 우리는 데이터를 신중하고 정량적으로 처리하면 클러스터링과 분포에서 이러한 모든 다양한 효과가 발생할 수 있다는 것을 알 수 있으며, 그런 다음 이러한 모든 유기체 전반에 걸쳐 이러한 효과를 볼 수 있습니다."
무작위성 설명
하지만 팔머가 지적했듯이 생물학은 항상 깔끔하고 정돈된 설명에 맞는 것은 아니며 뇌 회로에는 여전히 많은 무작위성과 잡음이 관련되어 있습니다.
뉴런은 때때로 서로 연결이 끊겼다가 다시 연결됩니다. 약한 연결은 잘라내고 다른 곳에서는 더 강한 연결을 형성할 수 있습니다. 이러한 무작위성은 연구원들이 이 데이터에서 발견한 Hebbian 조직의 종류에 대한 점검을 제공하며, 이것이 없으면 강력한 연결이 성장하여 네트워크를 지배하게 됩니다.
연구자들은 무작위성을 설명하기 위해 모델을 조정하여 정확도를 높였습니다.
"이러한 소음 측면이 없으면 모델은 실패할 것입니다."라고 Lynn은 말했습니다. “효과가 있는 어떤 것도 생산하지 못했는데, 이는 우리에게 놀라운 일이었습니다. 모든 것이 실제 두뇌처럼 보이도록 하려면 Hebbian 눈덩이 효과와 무작위성의 균형을 실제로 맞춰야 한다는 것이 밝혀졌습니다.”
이러한 규칙은 일반적인 네트워킹 원칙에서 발생하므로 팀은 이 작업을 두뇌 이상으로 확장할 수 있기를 희망합니다.
Palmer는 "이것이 이 연구의 또 다른 멋진 측면입니다. 과학이 수행되는 방식입니다."라고 말했습니다. “이 팀의 사람들은 이론 물리학과 빅 데이터 분석부터 생화학 및 진화 네트워크에 이르기까지 매우 다양한 지식을 보유하고 있습니다. 여기서는 뇌에 초점을 맞췄지만 이제 향후 연구에서는 다른 유형의 네트워크에 대해 이야기할 수 있습니다.”