-
기억 저장 세포의 뇌 지도 제작기법 최초 개발
우리 대학 연구진이 기억을 저장하는 다양한 뇌 부위 세포들의 분포를 지도로 제작하는 기법의 개발에 최초로 성공했다.
바이오및뇌공학과 박영균 교수 연구팀이 메사추세츠 공과대학(MIT) 정광훈 교수 및 스스무 도네가와(Susumu Tonegawa) 교수 공동연구팀과 함께 단일 기억을 저장하는 세포들을 생쥐의 뇌 전체에서 매핑하는 기법을 개발하고, 이를 통해 공간 공포 기억을 저장하는 새로운 뇌 부위 세포들을 발견했다고 2일 밝혔다.
기억은 주로 몇몇 뇌 부위에 국한해 연구돼왔다. 예를 들어 공포 기억은 편도체, 공간 기억은 해마의 세포들에 저장된다고 생각돼왔으며, 해당 뇌 부위들이 주로 연구됐다. 하지만 단일 기억이 다양한 뇌 부위에 나누어 저장될 것이라는 가설도 제시돼왔는데, 이러한 가설은 기억을 저장하는 세포들의 분포를 뇌 전체에서 확인(매핑)함으로써 확실한 검증이 가능하나, 이는 기술적 한계로 이뤄지지 못했다.
공동연구팀은 기존 팀이 개발한 전뇌 투명화 기술(SHIELD) 및 초고속 전뇌 면역염색 기술(eFLASH)을 통해, 공간 공포 기억을 학습한 생쥐에서 기억의 학습과 회상 시 모두 활성화된 세포들을 뇌 전체에서 매핑했다. 이를 통해 공간 공포 기억을 저장하고 있을 확률이 높은 뇌 부위의 세포들을 생쥐 뇌 전체에서 찾아낼 수 있었다. 이후 해당 세포들을 광유전학적 방법으로 조절해 해당 세포들에 공간 공포 기억이 저장됐음을 확인함으로써, 공간 공포 기억을 저장하는 7개의 새로운 뇌 부위와 세포들을 연구팀은 찾아낼 수 있었다.
그렇다면 기억에 다양한 뇌 부위의 기억저장 세포들이 모두 필요한 것일까? 연구팀은 이를 확인하기 위해, 화학유전학 기법을 통해 다양한 뇌 부위의 기억저장 세포들을 한꺼번에 자극해 보았으며, 그 결과 뇌의 한 부위의 기억저장 세포를 자극했을 때와는 다르게, 자연적인 기억 회상에 가까운 기억의 완전한 회상이 유도됨을 확인했다. 이는 다양한 뇌 부위의 기억저장 세포들의 활성이 기억에 모두 필요함을 의미한다.
박영균 교수는 "이번 연구는 연구팀이 기존에 개발한 기술들에 힘입어 기억저장 세포의 매핑을 최초로 실현하고, 이를 통해 단일 기억이 다양한 뇌 부위 세포들에 흩어져 저장됨을 증명한 데 의의가 있다ˮ며, "이번 연구에서 밝혀진 기억저장 세포의 뇌 지도는, 각 뇌 부위의 세포 및 세포 간 상호작용이 기억에 있어 각각 어떠한 세부적인 기능을 하는지에 관한 연구를 촉진함으로써, 기억의 메커니즘에 대한 완전한 이해를 도울 수 있다ˮ고 말했다.
이번 연구 결과는 국제 학술지 `네이처 커뮤니케이션즈(Nature Communications)'에 지난 4월 4일 자로 게재됐다(논문명: Brain-wide mapping reveals that engrams for a single memory are distributed across multiple brain regions)
2022.06.02
조회수 6035
-
인공지능으로 자폐 증상과 심각도 예측한다
뇌영상 빅데이터를 활용한 딥러닝(Deep Learning)으로 자폐 스펙트럼 장애(ASD)의 증상과 심각도를 예측할 수 있다는 것이 확인됐다. 이번 연구에 따라 ASD 환자들 진단과 예후에 따른 맞춤형 치료가 가능할 것으로 기대되고 있다.
우리 대학 바이오및뇌공학과 이상완 교수(신경과학-인공지능 융합연구센터장)와 세브란스병원 소아정신과 천근아 교수(연세자폐증연구소장) 연구팀은 ASD의 뇌영상 빅데이터를 활용해 자폐의 증상과 예후를 예측할 수 있다고 28일 밝혔다.
이번 연구결과는 ASD 아동들의 뇌영상 빅데이터를 이용한 국내 최초의 AI연구성과로, 국제전기전자기술자협회(IEEE)에서 발행하는 저널인 IEEE 엑세스(Access) 온라인판에 게재됐다.
ASD는 뇌 발달 장애의 하나로 사회적 의사소통의 결함과 제한된 관심사 및 반복적인 행동이 대표적인 특징이다. 2020년도 미국 CDC(미국질병통제예방센터)의 통계자료에 따르면 ASD의 유병률은 54명당 1명으로 매년 증가하는 추세이다. 국내 유병률도 약 2% 내외이다.
ASD는 아동 행동 관찰 및 상담과 정신질환 진단분류매뉴얼(DSM-5)에 근거해 진단한다. 하지만 환자 개인차가 심해 자폐에 대한 정확한 진단이 어렵고 예후를 예측하기도 힘들다.
이상완·천근아 교수 연구팀은 세브란스병원에 구축된 3~11세 ASD 환자 84건의 MRI 빅데이터와 국제컨소시엄으로 구축된 1000여 건의 자폐증 환자 MRI 빅데이터를 활용해 MRI 영상으로 자폐의 진단과 예후를 예측할 수 있는 딥러닝 모델을 개발했다.
연구팀은 공간 변경 네트워크(Spartial Transformer Network, STN)와 3D 컨볼루션 신경망(convolutional neural network, CNN)을 활용한 모델을 구축하고, MRI 빅데이터를 학습시켰다.
이렇게 구축된 모델에 클래스 활성화 매핑(class activation mapping) 기법을 적용해 형태학적인 특징을 추출하고 이를 뇌영상에 투영시키는 방식으로 분석했다. 더 나아가 인자들간의 관계 분석을 위해 강화학습 모델의 일종인 회귀형 주의집중 모델(recurrent attention model)을 학습시켰다.
분석결과 뇌의 기저핵을 포함한 피질 하 구조가 자폐 심각도와 관련이 있음을 확인했다.
이상완 교수는 “진료 현장에서 자폐를 진단하고 연구하는데 구조적 연관 후보를 제공할 수 있게 됐다”며 “이번 연구결과로 자폐 진단에서뿐만 아니라 앞으로 의사나 관련 전문가들이 인공지능을 활용해 복잡한 질병을 이해하고 더 많이 활용할 수 있게 될 것”이라고 설명했다.
천근아 교수도 “자폐스펙트럼장애를 진단함에 있어 뇌 영상 자료는 아직까지 의사들 사이에서 활용가치가 높지 않다는 인식이 보편적인데 이번 연구를 통해 자폐의 하위 증상과 심각도 사이에 뇌영상에서 차이가 있다는 것을 확인했다”며 “이번 연구는 다양한 임상표현형과 심각도를 지닌 자폐증 환자들에게 개별 맞춤 진단과 예후를 예측하는데 의미를 가진다”고 말했다. [보도자료 출처: 세브란스병원 홍보팀]
2020.08.28
조회수 23364