< (왼쪽부터) 생명과학과 한진희 교수, 정이레 박사 >
우리 대학 생명과학과 한진희 교수 연구팀이 무수히 많은 뉴런과 이들 사이의 시냅스 연결로 구성된 복잡한 신경 네트워크에서 기억을 인코딩하는 뉴런이 선택되는 근본 원리를 규명했다고 13일 밝혔다.
우리 대학 생명과학과 정이레 박사가 제1 저자로 참여한 이번 연구는 네이처 출판 그룹의 오픈 액세스(Open-access) 학술지 ‘네이처 커뮤니케이션즈(Nature Communications)’에 6월 24일 字로 게재됐다. (논문명: Synaptic plasticity-dependent competition rule influences memory formation)
과거의 경험은 기억이라는 형태로 뇌에 저장되고 나중에 불러오게 된다. 이러한 기억은 뇌 전체에 걸쳐 극히 적은 수의 뉴런들에 인코딩되고 저장된다고 알려져 있다. 하지만 이 뉴런들이 미리 정해져 있는 것인지, 아니면 어떤 원리에 의해 선택되는 것인지는 불확실하다. 이 질문을 해결하는 것은 신경과학의 미해결 난제 중 하나인 기억이 뇌에서 어떻게 형성되는지를 규명하는 것으로서 학문적으로 매우 중요할 뿐만 아니라, 치매를 치료할 수 있는 단서를 제공하기 때문에 막대한 사회, 경제적 파급 효과가 있다.
반세기 훨씬 이전에 캐나다의 신경심리학자 도널드 올딩 헤브(Donald O. Hebb)는 그의 유명한 저서인 ‘행동의 조직화(The Organization of Behavior)’ (1949) 에서 두 뉴런이 시간상으로 동시에 활성화되면 이 두 뉴런 사이의 시냅스 연결이 강화될 것이라는 시냅스 가소성(synaptic plasticity) 아이디어를 제시했고, 이후 실험을 통해 학습으로 특정 시냅스에서 실제로 장기 강화(long-term potentiation, 이하 LTP)가 일어난다는 것이 증명됐다.
이 발견 이후, LTP가 기억의 핵심 메커니즘으로 생각돼 왔다. 하지만, LTP가 기억을 인코딩하는 뉴런을 어떻게 결정하는지 지금까지 규명된 적이 없었다.
이번 연구에서는 이를 규명하기 위해 생쥐 뇌 편도체(amygdala) 부위에서 자연적인 학습 조건에서 LTP가 발생하지 않는 시냅스를 광유전학 기술을 이용해서 특정 패턴으로 자극함으로써 인위적으로 그 시냅스 연결을 강하게 만들거나 혹은 약하게 조작하고 이때 기억을 인코딩하는 뉴런이 달라지는지 연구팀은 조사했다.
먼저, 생쥐가 공포스러운 경험을 하기 전에 이 시냅스를 미리 자극해서 LTP가 일어나게 했을 때, 원래는 기억과 상관없었던 이 시냅스에 기억이 인코딩되고 LTP가 일어난 뉴런이 주변 다른 뉴런에 비해 매우 높은 확률로 선택적으로 기억 인코딩에 참여함을 발견했다.
하지만, 학습하고 난 바로 직후에 이 시냅스를 다시 광유전학 기술로 인위적으로 자극해서 이 시냅스 연결을 약하게 했을 때 더는 이 시냅스와 뉴런에 기억이 인코딩되지 않는 결과를 얻었다.
반대로, 정상적으로 생쥐가 공포스러운 경험을 하고 난 바로 직후에 LTP 자극을 통해 이 시냅스 연결을 인위적으로 강하게 했을 때 놀랍게도 LTP를 조작해준 이 시냅스에 공포 기억이 인코딩되고 주변 다른 뉴런들에 비해 LTP를 발생시킨 이 뉴런에 선택적으로 인코딩됨을 확인했다. 이러한 결과는 시냅스 강도를 인위적으로 조작했을 때 기억 자체는 변하지 않지만, 그 기억을 인코딩하는 뉴런이 변경됨을 증명한 것이다.
< 그림 1. 시냅스 강도 조절 메커니즘에 의한 기억 저장 뉴런 선택 >
< 그림 2. 강하게 서로 연결된 뉴런 집합체 형성을 통한 기억형성 >
한진희 교수는 “LTP에 의해 뉴런들 사이에서 새로운 연결패턴이 만들어지고 이를 통해 경험과 연관된 특이적인 세포 집합체(cell assembly)가 뇌에서 새롭게 만들어진다”며 “이렇게 강하게 서로 연결된 뉴런들의 형성이 뇌에서 기억이 형성되는 원리임을 규명한 것”이라고 이번 연구 결과중요성을 설명했다.
한편, 이번 연구는 한국연구재단의 중견연구 사업 지원을 받아 수행되었으며 정이레 박사는 한국연구재단의 박사 후 국내 연수 사업의 지원을 받았다.
-
연구 버리던 ‘잡음’으로 뇌처럼 신호 처리하는 ‘인공 뉴런’ 개발
반도체에서 ‘잡음’은 신호를 방해해 없애야 할 골칫거리로 여겨져 왔다. 우리 대학 연구진이 이 잡음을 없애는 대신 뇌처럼 정보를 처리하는 데 활용하는 기술을 개발했다. 잡음을 조절해 사람의 움직임부터 음성까지 서로 다른 신호의 특징을 골라 처리할 수 있는 인공 뉴런을 구현한 것이다. 향후 하나의 반도체로 다양한 신호를 처리하는 저전력 두뇌모사 반도체 개발에 활용될 것으로 기대된다. 우리 대학은 신소재공학과 김경민 교수 연구팀이 반도체에서 자연스럽게 발생하는 잡음을 활용해 사람의 뇌처럼 정보를 처리하는 새로운 뉴로모픽 뉴런* 반도체 기술을 개발했다고 16일 밝혔다. 이 기술은 원하는 주파수의 신호를 골라내 뇌의 뉴런과 유사한 전기 신호로 바꿔 처리할 수 있다. * 뉴로모픽 뉴런: 뇌 신경세포의 작동 방식을 본떠 만든 인공 신경세포(반도체 소자) 전자기기에서 잡음은 라디오의 ‘지지직’ 소리처럼 신호에 불규칙하게 섞여 정보를 정확히 읽는
2026-08-18 -
연구 빛만 비추면 버튼이 솟아오른다
전선도 구동 장치도 없다. 빛만 비추면 금속 표면이 버튼처럼 스스로 솟아오른다. 우리 대학 연구진이 빛을 잘 흡수하기 위한 별도의 코팅 없이도 빛만으로 형태를 바꾸는 금속 구조를 개발했다. 실제 버튼처럼 솟아오르는 금속 구조는 촉각 인터페이스와 형상 디스플레이는 물론, 차세대 웨어러블 기기와 소프트 로봇 개발에 새로운 가능성을 열 것으로 기대된다. 우리 대학은 기계공학과 오일권 교수 연구팀이 하나의 UV(자외선, Ultraviolet) 레이저 공정만으로 평평한 니켈-티타늄 형상기억합금(SMA, Shape Memory Alloy, 일정 온도 이상에서 원래 형태를 기억해 되돌아가는 특수 금속) 시트를 빛을 받으면 스스로 입체 구조로 변하는 메타모핑(Meta-morphing, 외부 자극에 따라 미리 설계한 형태로 변형되는) 구조로 만드는 기술을 개발했다고 20일 밝혔다. 차세대 웨어러블 기기와 소프트 로봇은 얇고 가벼우면서도 필요할 때 원하는 형태로 자유롭게 변형될 수 있는 기술이
2026-07-20 -
연구 “왜 과거 기억에 머무를까?”...KAIST, 기억 전환 스위치 규명
“치매나 인지저하 환자들은 왜 과거 기억에 머무를까?” 우리 대학 연구진이 우리 뇌 속에서 최신 기억을 선택적으로 불러오는 ‘신경 스위치’의 존재를 세계 최초로 규명했다. 이번 연구는 뇌가 과거 기억과 새로운 기억 사이에서 필요한 정보를 선택하는 원리를 밝혀낸 것으로, 향후 기억력 감퇴와 인지 유연성 저하 치료의 새로운 가능성을 제시했다. 우리 대학은 생명과학과 한진희 교수 연구팀이 내측중격(Medial Septum, MS·기억과 학습을 조절하는 뇌 영역)과 내측내후각피질(Medial Entorhinal Cortex, MEC·해마*와 연결돼 기억 정보를 처리하는 뇌 영역)을 잇는 특정 신경 회로가 과거 기억과 최신 기억 사이를 전환하며, 상황에 맞는 최신 정보를 선택하는 핵심 역할을 한다는 사실을 세계 최초로 밝혀냈다고 17일 밝혔다. *해마(hippocampus): 새로운 기억을 만들고 저장하는 핵심 뇌
2026-05-18 -
연구 모터 없이 1초 이내 굽혀지는 로봇손 구동기술 나왔다
우주 구조물과 로봇 팔에는 가볍고 반복적으로 움직일 수 있는 구동 장치가 필요하지만, 기존 모터 기반 시스템은 무겁고 구조가 복잡해 한계가 있다. 우리 대학 연구진은 1초 이내에 빠르게 작동하면서도 모터 없이 스스로 움직이는 스마트 소재 기반 구동 기술을 개발해, 로봇 팔과 우주 구조물 등 차세대 로봇·우주 장비 구현 가능성을 제시했다. 우리 대학은 기계공학과 김성수 교수 연구팀이 별도의 복잡한 기계장치 없이도 열과 같은 외부 자극에 반응해 스스로 형태를 바꾸고 다시 원래 상태로 돌아올 수 있는 ‘가역적 자가 변형(Self-shape change)’이 가능한 ‘양방향(Two-way) 형상 기억물질 기반 하이브리드 스마트 액추에이터’를 개발했다고 22일 밝혔다. 연구팀은 형상기억합금(Shape Memory Alloy, SMA)과 형상기억고분자(Shape Memory Polymer, SMP)를 결합해 두 소재의 장점을 동시에
2026-03-23 -
연구 AI가 어떻게 생각하는가?...의사결정 내부 구조 첫 시각화
딥러닝 기반 이미지 인식 기술이 빠르게 고도화되고 있지만, AI가 내부에서 어떤 기준으로 이미지를 보고 판단하는지는 여전히 명확히 설명하기 어려운 영역으로 남아 있다. 특히 대규모 모델이 어떤 개념(예: 고양이 귀, 자동차 바퀴 등)을 어떻게 조합해 결론을 내리는지 분석하는 기술은 오랫동안 해결해야 할 과제로 제기돼 왔다. 우리 대학은 김재철AI대학원 최재식 교수 연구팀이 AI가 어떤 근거로 판단하는지를 인간이 이해할 수 있도록 보여주는‘설명가능성(XAI, Explainable AI)’분야에서, 모델 내부의 개념 형성 과정을 회로(circuit) 단위로 시각화하는 새로운 XAI 기술을 개발했다고 26일 밝혔다. 이번 연구는 ‘AI가 어떻게 생각하는지’를 구조적으로 들여다볼 수 있도록 한 중요한 진전으로 평가된다. 딥러닝 모델 내부에는 인간의 뇌처럼 ‘뉴런(Neuron)’이라는 기본 계산 단위가 존재한다. 뉴런은
2025-11-26