커넥톰 연구에서 상반된 주장을 펼쳐온 뇌과학자들이 이번 국제학술대회에서 최초로 만났다. 그간 뇌신경 연결지도를 만드는 연구는 두 그룹을 중심으로 진행돼왔다. 자기공명영상법(MRI)을 이용해 거시적 관점에서 뇌 영역 간의 연결성을 파악하려는 그룹과 광학현미경이나 전자현미경을 써서 세포 수준의 미시적인 연결성을 파악하려는 그룹이다. 이들은 연구 방법뿐 아니라 뇌를 바라보는 관점도 판이하게 다르다. 한번 기억된 정보는 변하지 않는다는 현미경 그룹과 기억된 정보는 외부환경에 따라 끊임없이 변한다는 MRI 그룹의 주장이 팽팽한 대립구도를 이뤘다. 이번 학술대회에 참석한 양 진영의 뇌과학 석학들을 만나 각 진영의 커넥톰 연구방법과 입장을 들어봤다.
뇌과학 연구의 ‘구글어스’ 커넥톰
인터넷 검색업체 구글이 서비스하는 구글어스는 길거리에 세워둔 차의 모양을 식별할 만큼 정교하다. 해상도가 60cm 수준인 위성 이미지를 바탕으로 광활한 지구를 손금 보듯이 들여다본다. 더없이 완벽한 서비스로 보이지만 아쉬움이 하나 남는다. 단순히 지형만 보여주는 차원이 아니라 지형과 지물 사이의 연결성까지 파악할 수 있다면 어떤 일이 벌어질까.
뇌 연구에도 이런 물음이 현실화될 조짐이다. 현재 자기장이 지구 자기장의 수십 만 배에 달하는 MRI의 등장으로 뇌 속 모세혈관까지 들여다볼 수 있지만 신경세포 간의 연결성 파악은 아직 숙제로 남아 있다. 뇌과학자들은 고성능 뇌 영상 기기의 도움으로 게놈지도에 이은 또 다른 생물학적 발견 대상인 커넥톰을 규명하려고 시도하고 있다.
그간 과학자들은 컴퓨터과학이나 전자공학 기술을 이용해 인공지능을 만들기 위해 노력했지만 계속 실패했다. 시간이 흐를수록 인간이 알고 있는 유일한 지능은 뇌밖에 없다는 결론을 내렸다. 인공지능 관점에서 보면 뇌도 신경세포를 갖고 계산하는 컴퓨터로 볼 수 있지만, 실제로 신경세포의 구조를 분석해 보면 매우 단순하다. 신경세포를 하나하나 세밀하게 들여다봐도 특별한 게 없다. 신경세포 간 정보처리도 매우 느리며, 계산할 때 오류도 많이 발생한다. 또 컴퓨터는 복잡한 문제를 작은 단위로 쪼개 신속히 처리하지만 뇌는 그렇지 못하다.
뇌과학자들은 뇌가 컴퓨터와 다른 점은 연결성밖에 없다는 가설을 세웠다. 뇌의 경우 신경세포 하나가 수십억 개의 다른 신경세포와 연결성을 갖는 반면, 컴퓨터의 경우 인접한 소수의 논리회로하고만 연결성을 갖는다. 우리가 생각하는 많은 지능의 해답은 연결성에 있을 것이라는 전제 아래, 뇌과학 분야에서 연결성을 이해하고 그 지도를 만들어야 한다는 필요성이 거론됐다. 그 지도가 바로 커넥톰이다. 전자제품의 회로도처럼 뇌의 구성요소인 신경세포나 신경세포집합체, 뇌 부위 간 연결 관계에 대한 정보를 일컫는 커넥톰은 뇌 속 신경세포 간의 연결성을 보여주는 지도다.
|
|
형광현미경을 이용한 신경생물학적 뇌 연구
신경세포들의 연결성을 관찰하기 위해서는 뇌 조직을 하나하나 얇은 샘플로 채취해야 한다. 채취한 뇌 조직은 현미경으로 관찰하기 쉽도록 염색한다. 최근에는 현미경의 발전으로 자르지 않고 미시적이지만 3차원으로 관찰할 수 있다. 다양한 색깔로 형광염색해 신경세포를 관찰한다. |
현미경으로 본 뇌는 하드디스크
|
|
① 미국 하버드대 분자 및 세포생물학과 제프 리히트만 교수는 형광염색 기법을 개발해 세포 수준의 커넥톰 연구에 새로운 지평을 열었다.② MIT 뇌인지과학과 세바스찬 승 교수는 올해 1월 스위스에서 열린 다보스포럼에서 커넥톰을 주제로 발표해 포럼 참가자들에게 많은 관심을 받았다. |
“MRI 연구자들은 현미경 연구자들이 나무에 가려 숲을 못 본다고 말합니다. 역으로 숲의 모든 세부사항을 분석하지 않으면 숲의 성격을 알 수가 없죠. 뿌리부터 줄기, 잎맥까지 세부를 파악해야 전체적인 성격이 나온다고 봅니다.”
미국 하버드대 분자 및 세포생물학과 제프 리히트만 교수는 현미경 그룹의 대표적인 뇌과학자로 뇌 속 정보가 어떻게 표현돼 있는가에 주목한다. 그를 포함한 현미경 그룹 연구자들은 인간이 말하고 행동하는 모든 정보가 신경세포의 시냅스 연결부 하나하나에 저장돼 있다고 말한다. 그래서 현미경을 써서 신경세포 하나하나를 자세히 분석해야 한다. 즉 시냅스가 연결된 상태를 ‘1’, 차단된 상태를 ‘0’으로 보고 수학적 계산을 이용해 뇌 속에 저장된 정보를 판독할 수 있다는 입장이다. 현미경 연구는 좁은 영역에서 높은 해상도를 갖는 것이 특징이다. 뇌의 연결성을 신뢰도 높게 관찰할 수 있고 눈으로 직접 확인할 수 있다는 것이 장점이다. 하지만 뇌는 각 부분이 연결돼 복합적으로 작용하는데, 현미경 연구는 넓은 영역을 관찰하고 분석하지 못한다는 것이 단점으로 꼽힌다.
최근 현미경 기술의 발전으로 미시적 단계에서도 대뇌 연결성 연구가 가능해져 점차 현미경 연구의 한계점을 돌파하려고 노력 중이다. 그중 주목 받고 있는 ‘3차원 무작위 접촉 다광자 현미경’은 실시간으로 단일 신경세포의 구조와 기능을 한꺼번에 촬영해 미시적 수준에서 MRI 영상 같은 3차원 사진을 만들어낸다. 신경세포 기능은 칼슘염료 같은 염색약을 신경세포에 뿌려 신경세포가 반응을 보일 때마다 염색약이 형광반응을 일으키는 원리를 이용해 촬영한다.
리히트만 교수는 오래전부터 신경계 발달 과정을 연구하며 포유류의 출생 초기 신경세포와 힘줄의 연결망에 대한 연구를 해다. 그는 “어린 포유류의 뇌 연결망이 성인의 것보다 더 복잡하다”며 “신경세포와 근육의 힘줄은 어떤 환경에도 적응할 수 있도록 뇌 연결망이 열려 있지만, 성장할수록 주 노출되는 환경에만 적응해 퇴화된다”고 설명했다.
그는 말미잘이나 산호초처럼 형광물질을 발산하는 동물에서 형광단백질 유전자를 추출해 신경세포를 염색하는 ‘브레인보우’ 기법을 개발해 세포 수준의 커넥톰 연구를 주도하고 있다. 2007년에 브레인보우 기법으로 형광단백질 유전자를 쥐에 이식해 쥐 뇌의 시냅스 상호작용을 보여주는 지도를 만들었다.
미국 매사추세츠공대(MIT) 뇌인지과학과 세바스찬 승 교수는 하드디스크의 정보저장 방식처럼 뇌도 한번 기억된 정보는 사라지지 않고 기억되는 위치도 다르다고 설명한다. 하드디스크에서 트랙과 섹터로 구분해 정보를 기록하듯이 뇌도 마찬가지라는 뜻이다. 뇌라는 하드디스크를 이해하기 위해 현미경 연구자들은 전자현미경으로 뇌를 스캔해 신경세포 수준에서 분석한다. 승 교수는 “실제 전자현미경으로 0.001mm 크기의 신경세포 하나만 분석해도 테라바이트 단위의 정보가 쏟아진다”며 “신경세포 수준에서 뇌 전체를 촬영해 데이터를 추출하려면 엄청난 시간이 소요된다”고 설명했다.
이를 보완하기 위해 현미경 연구자들은 하나의 신경세포를 촬영한 뒤 자동으로 그 다음 신경세포를 촬영하는 방법을 개발 중이다. 그는 컴퓨터 비전 기술로 대뇌의 연결선인 축색 조직을 추적하는 연구를 한다. 하지만 데이터만 얻는다고 해서 능사는 아니다. 결국 알고 싶은 것은 데이터 자체가 아니라 연결망 하나하나를 찾아내는 것이다.
MRI로 신경세포 간 정보 흐름 본다
|
|
① 프랑스 뇌과학연구소의 데니스 레비안 교수는 DTI에 대한 특허 12개를 보유하고 있다. 그는 2013년 가동을 목표로 독일과 함께 11.7T MRI를 개발하는 중이다.② 독일에서 심리학과 컴퓨터과학을 전공한 KAIST 김대식 교수는 인공지능과 뇌 지능의 차이를 이해하기 위해 연구 주제를 뇌과학으로 바꿨다. |
“안개 낀 날 헬기를 타고 고속도로 상공을 날면 아무것도 안 보입니다. 단 흐릿한 불빛만 보이죠. 그렇지만 차량의 흐름이나 경로는 추적이 가능합니다. 신경세포의 경로도 고속도로를 주행하는 차의 흐름과 비슷한 것으로 볼 수 있죠.”
1992년 컵 안에 떨어진 잉크 방울이 퍼져 나가는 것 같은 확산현상을 이용한 MRI 기법인 DTI(Diffusion Tensor MRI)를 세계 최초로 개발한 프랑스 뇌과학연구소 뉴로스핀의 데니스 레비안 교수는 뇌를 정보의 읽기와 쓰기가 자유로운 메모리에 비유했다. 신경세포는 매순간 정보가 바뀌고 바뀐 정보가 신경세포 사이를 흐르면서 연결성이 생긴다는 주장이다. DTI의 장점은 일단 외과적 수술이 필요 없고 짧은 시간에 뇌 전체의 연결을 확인할 수 있다는 점이다.
DTI 기법의 하나인 ‘물 확산 텐서 자기공명영상법(WDTI, Water Diffusion Tensor MRI)’은 대뇌 속 물 분자들의 확산 정도를 촬영하는데, 물 분자의 확률적 확산 분포를 추적해 대뇌 신경다발의 구조를 간접적으로 보여준다. 레비안 교수는 뇌의 구성물질을 보면 10개의 분자 중 9개가 물 분자라며 DTI 기법을 활용한 뇌 연구의 당위성을 설명했다. 하지만 현미경에 비해 민감도가 떨어진다는 단점이 있다.
그 대안으로 레비안 교수는 양전자방출단층촬영(PET)을 꼽았다. 그는 “PET는 민감도가 뛰어나 DTI 기법과 결합하면 현미경 진영에 비해 부족한 민감도를 높일 수 있다”고 설명했다. 현재 프랑스는 11.7T(테슬라) MRI를 개발하는 중이다. 고자장 MRI를 가동하면 신경섬유를 100~200μm(마이크로미터, 1μm=10-6m) 수준까지 볼 수 있다. 17T 수준의 MRI가 개발되면 세포 단위로 촬영할 수 있다. 그는 “MRI 기법이 정보의 방향과 경로만 추적한다는 지적이 있다”며 “앞으로는 얼마나 많은 정보가 경로를 통해 이동하는지 고민하는 것이 연구의 핵심”이라고 말했다.
고자장 MRI 전문가인 KAIST 전기전자공학과 김대식 교수는 “뇌 조직을 계속 연구해 보면 어느 순간부터는 각 신경회로망이 거의 비슷하다”고 말했다. 지각, 시각, 언어 영역을 관장하는 부위와 그 기능은 완전히 다르지만 정보가 흐르는 회로망의 구조는 거의 동일하다고 설명했다. 뇌도 생물학적인 조직이므로 100% 같진 않지만 시스템 수준에서 보면 거의 동일한 회로망을 갖고 있다. 즉 뇌 안에서 가장 기본적인 수준이 미니컬럼으로 돼 있고 이 안에 100여 개의 신경세포가 존재한다. 결국 미니컬럼이 뇌의 논리회로인 셈이다. 따라서 그보다 아래 수준까지 알 필요가 없다. 단 미니컬럼이 어떤 역할을 하는지 풀어내는 게 숙제로 남아 있다.
|
|
물 분자 확산을 이용한 MRI 기법
원자의 운동을 ‘확산’이라는 성질로 부를 수 있다. 제한이 없는 공간에서의 확산을 자유 확산이라고 한다(①). 이때 제한을 받지 않아 모든 방향에 대한 확산정도가 동일하다고 생각할 수 있다. 이를 등방성 확산이라고 표현한다(②). 뇌 속 물 분자도 끊임없이 확산이라는 성질로 운동한다. 반면 뇌의 백질에 있는 뉴런들의 축삭돌기가 다발로 연결돼 있어서 그 축삭돌기 사이에 있는 물 분자들은 제한 확산을 한다(③). 바로 이때 축삭돌기 방향에 수직인 방향은 축삭돌기에 의해 제한을 받는 방향이므로 확산정도가 낮고, 축삭돌기와 평행한 방향은 제한을 받지 않아 확산정도가 높다. 이렇게 방향에 따라 확산정도가 다른 것을 비등방성 확산이라고 한다(④). 이런 특성의 물 분자를 DTI로 측정한 MRI 영상을 컴퓨터로 분석해 대뇌 신경다발을 재구성했다(⑤). |
|
|
그래프 이론을 이용한 커넥톰 분석과 뇌 활동 모델링
뇌 기능을 이해하기 위해 신경세포 간의 연결을 찾아내고 이를 그래프 이론을 이용해 분석한다(①). 예를 들어, 뇌의 정보 처리과정에서 밀접하게 움직이는 신경세포들의 그룹과 중요한 역할을 하는 그룹들을 찾아낸다(②). 이러한 분석결과와 각 신경세포에 대한 모델링을 이용해 신경세포들의 활동을, 신경세포 고유의 활동과 신경세포 간의 상호작용에 관한 수학적 모델을 만들어 설명한다(③). |
그래프 이론으로 커넥톰 연구 도와
|
|
그래프이론 권위자인 수리과학연구소 김정한 소장은 “수학을 안 써서 95로 만드는 것과 수학을 써서 99로 만드는 것은 4만큼 차이가 아니라 50~60% 차이”라고 설명했다 |
뇌과학이라고 하면 신경생물학자나, 뇌에 관련된 질병을 연구하는 의학자만 관련돼 있을 것이라고 생각하지만 관심대상이나 연구 방법에 따라 다양한 학문에서 폭넓게 연구되고 있다. 예를 들어, 인간의 행동과 심리 특징을 연구하는 심리학, 사람의 눈과 귀처럼 사물의 인지가 뛰어난 센서나 프로그램을 만들고 싶어하는 전자공학이나 전산학 등이 그 사례라 볼 수 있다.
커넥톰 연구에서 핵심이 되는 연결구조의 분석은 수학자 오일러로부터 시작된 그래프 이론을 통해 수학계에서 지속적으로 연구돼 왔다. 이 분야의 대표적인 연구자인 미국 인디애나대 심리학 및 뇌과학과 올랍 스폰 교수는 복잡계 연구에서 많이 쓰이는 그래프 이론을 빌려와서 대뇌의 네트워크 특성을 조사하고 수학적으로 분석한다.
또한 그래프 이론을 통해 뇌 신경망이 망가졌을 때 어떤 뇌질환이 어디서, 어떤 식으로 진행될지를 마치 일기예보처럼 예측할 수 있다. 미국 뉴욕 예시바대 물리학과 세르게이 벌디레브 교수팀은 수리적 방법을 사용하면 커넥톰 같은 복잡계 연결망에서 질병이나 사고로 특정 노드가 망가졌을 때 어떤 문제가 발생하는지 예측할 수 있다는 연구결과를 ‘네이처’ 4월 15일자에 실었다.
국가수리과학연구소에서는 커넥톰을 연구하기 위해 MRI를 이용한 뇌 네트워크 실험그룹, 미세부분의 신경세포 활동을 연구하는 그룹, 뇌질환을 연구하는 의학자 그룹과 협력하고 있다. 국가수리과학연구소 김정한 소장은 “뇌과학계에서 응용수학을 폭넓게 사용하게 하는 것이 앞으로의 목적”이라고 설명했다.
학회 마지막 날 비공개로 열린 토론에서 양 진영의 불꽃 튀는 의견이 오갔다는 후문이다. 앞으로 두 진영이 커넥톰 연구에 어떤 성과를 낼지 궁금하다. | 
적절한 정보 감사합니다. 오랜만에 본 이름, 반갑습니다.