수컷 초파리의 뇌와 중추신경계 전체를 관통하는 신경 회로망 구조가 완전히 해독되었다. 구글 연구진과 HHMI 자넬리아 연구소 등 국제 공동 연구팀은 약 20년에 걸친 연구 끝에 수컷 초파리의 중추신경계 연결 지도를 완성하여 학술지 셀에 정식 게재했다. 이번 연구는 고해상도 전자현미경 이미지 데이터를 인공지능 알고리즘으로 분석하여 3차원 신경망으로 재구성한 거대한 성과다. 복잡한 감각 신호가 어떻게 독특한 행동으로 변환되는지 추적할 수 있는 거대한 지도가 마련됨에 따라, 뇌 과학과 인공지능 분야 모두에 중요한 전환점이 될 것으로 기대를 모으고 있다.

수컷 초파리 중추신경계 커넥톰 완성

연구진은 약 20년에 걸쳐 수컷 초파리의 뇌와 중추신경계 전체 신경 회로를 시각화하는 커넥톰 구축 작업을 진행해 왔다. 수백만 장에 달하는 2D 전자현미경 사진을 3D 신경망으로 정확히 정합하고 재구성하는 과정에는 고도화된 인공지능 기술이 적용되었다. 인간 전문가의 정밀한 검수와 AI 기반 복원 시스템의 협업을 통해 기존 연구 한계를 넘어선 세밀한 신경 연결 지도가 만들어졌다. 이번 연구 결과는 국제 학술지 셀(Cell)에 정식으로 게재되어 그 과학적 가치를 인정받았다.

완성된 커넥톰 데이터에 따르면 수컷 초파리의 뇌와 중추신경계 전체에는 16만 6,000개 이상의 뉴런과 약 1억 2,500만 개의 시냅스 연결이 존재하는 것으로 집계되었다. 이는 현재까지 정밀하게 지도화된 생명체의 신경망 구조 중 가장 거대한 규모에 해당한다.

구글 연구진과 HHMI 자넬리아가 16만 개 이상의 뉴런을 포함한 수컷 초파리 뇌 지도를 완성했다.

성적 이형성과 세포 유형 분석

연구진은 수컷 커넥톰 데이터를 기존에 분석된 암컷 데이터와 비교하여 뇌 구조의 성적 이형성을 상세히 분석했다. 분석 결과 전체 신경세포 유형은 총 11,691개 또는 자료에 따라 11,710개에 달하는 것으로 파악되었다. 자료별로 집계 방식에 약간의 차이가 존재하지만 약 1만 2,000종에 가까운 다양성이 확인된 셈이다.

특히 중앙뇌 신경세포 중 성별에 따른 차이를 보이는 비율은 약 4.8% 수준으로 밝혀졌다. 오직 한쪽 성별에만 독점적으로 존재하는 성 특이적 세포 유형은 262종으로 측정되었다. 또한 암수 모두에게 존재하지만 시냅스 연결 구조가 다른 성적 이형 세포 유형은 보고서에 따라 114종 또는 138종으로 엇갈린 수치가 확인된다. 이러한 세포 수준의 분석은 구애나 공격성 등 성별에 따른 행동 양식 차이를 설명하는 기초 자료가 된다.

중앙뇌 뉴런 중 약 4.8%가 암수 간 차이를 보이며 성 특이적 세포 유형이 밝혀졌다.

오픈소스 도구를 통한 데이터 탐색

연구진은 이번에 완성한 대용량 커넥톰 데이터를 연구자 커뮤니티에 전면 공개하여 자유로운 탐색이 가능하도록 조치했다. 대용량 다차원 시각화 플랫폼인 오픈소스 도구 Neuroglancer를 활용하면 3차원 신경망 지도를 고화질로 조망할 수 있다. 구글 연구진이 개발한 Neuroglancer는 브라우저 환경에서 유연하게 다차원 데이터를 렌더링할 수 있어 복잡한 뇌 구조 파악을 돕는다.

더불어 NeuPrint 플랫폼을 통해 각 뉴런 간의 세부적인 시냅스 연결 정보와 주석 데이터를 검색하고 분석할 수 있다. 연구자들은 암수 커넥톰 비교 데이터셋을 누구나 무료로 다운로드할 수 있으며, 주석이 달린 전체 연결 정보를 활용해 독자적인 신경망 분석 연구를 즉시 시작할 수 있다.

공개된 커넥톰 데이터는 Neuroglancer 및 NeuPrint 등의 플랫폼을 통해 접근 가능하다.

뇌 연구와 AI 개발에 주는 시사점

이번 수컷 초파리 커넥톰의 완성은 외부 감각 자극 입력이 내부 처리 과정을 거쳐 운동 행동 출력으로 이어지는 신호 전달 전 과정을 완벽히 추적할 수 있게 해준다. 신경 신호가 시냅스를 거쳐 어떻게 전달되는지 직관적으로 검증할 수 있게 됨에 따라 복잡한 생물학적 행동을 제어하는 제반 신경 메커니즘 규명이 크게 가속화될 전망이다.

생물학적 뇌 회로가 보여주는 압도적인 에너지 효율성과 신호 처리 능력은 향후 인공지능 신경망 구조 설계에도 중요한 힌트를 제공한다. 수만 개의 신경세포가 만드는 정교한 제어 루프를 분석하면 더 적은 파라미터로 높은 효율을 내는 차세대 AI 알고리즘 및 뇌 모사 신경망 개발의 실마리를 얻을 수 있을 것으로 기대된다.


참고