매사추세츠 공과대학 연구자들은 C의 작은 뇌에서 뉴런이 인코딩되는 방식을 모델링하고 매핑합니다.

뇌 활동과 행동 사이의 복잡한 관계를 이해하기 위해 과학자들은 이 관계를 전체 뇌의 모든 뉴런에 매핑할 방법이 필요했습니다. 지금까지 이것은 극복할 수 없는 도전이었습니다. 그러나 이를 위한 새로운 기술과 방법을 발명한 후 MIT의 Beckower Institute for Learning and Memory의 과학자 팀은 겸손한 사람의 뇌에 있는 뉴런의 정확한 수를 산출했습니다. C. 엘레강스 뇌 세포가 이동 및 먹이와 같은 거의 모든 기본 동작을 인코딩하는 방법을 보여주는 벌레.

저널에서 8월 21일 던전 팀은 뉴런이 웜의 행동을 나타내는 다양한 방식을 정확하게 예측하는 새로운 뇌 수준의 기록과 수학적 모델을 제시했습니다. 이 모델을 각 세포에 구체적으로 적용하여 팀은 대부분의 세포가 어떻게 암호화하는지와 동물의 행동이 관련된 회로에 대한 지도를 만들었습니다. 따라서 지도책은 환경 조건이 변하더라도 벌레의 뇌가 어떻게 진화하고 유연한 행동 레퍼토리를 생성하는지에 대한 기본 “논리”를 보여줍니다.

연구에서 얻은 통찰력

“이 연구는 동물의 신경계가 어떻게 행동을 조절하는지에 대한 세계적 지도를 제공합니다. “이것은 동물의 신경계를 구성하는 특정 신경절이 미묘한 행동 특징을 암호화하는 방법과 이것이 동물의 최근 경험 및 현재 상태와 같은 요인에 어떻게 의존하는지 보여줍니다.”

연구를 위해 이번 봄에 각각 박사 학위를 받은 김정수 대학원생과 Adam Atanas가 이 연구의 주요 저자입니다. 그들은 또한 모든 데이터, 모델 결과 및 아틀라스를 동료 연구자들이 웹사이트에서 무료로 사용할 수 있도록 했습니다. 웜와이드웹.

예시 신경학적/행동적 데이터 세트에서 2분 발췌. 파란색, 주황색 및 녹색 점은 추적 대상이므로 팀은 벌레의 머리를 찾고 동물을 중앙에 유지할 수 있습니다. 별도의 현미경 보기(표시되지 않음)는 각 뇌 세포의 동시 활동을 추적합니다. 크레딧: Flavell Lab/MIT Picower 연구소

고급 기술 및 메모

모델을 개발하는 데 필요한 측정을 수행하기 위해 Flavell의 연구실은 새로운 현미경과 소프트웨어 시스템을 발명했습니다. 이 설정은 벌레의 거의 모든 행동(이동, 먹이주기, 수면, 알 낳기 등)과 머리에 있는 모든 뉴런의 활동(세포는 칼슘 이온이 축적될 때 깜박이도록 설계됨)을 자동으로 추적합니다. 개별 뉴런을 구별하고 웜이 꿈틀거리고 구부러지는 것을 안정적으로 추적하려면 최신 도구를 사용하여 맞춤형 소프트웨어를 작성해야 했습니다. 기계 학습. 과학자들은 이전 시스템에 비해 신호 대 잡음이 크게 개선되어 개별 뉴런의 활동을 샘플링하는 데 99.7% 정확한 것으로 나타났습니다.

팀은 이 시스템을 사용하여 60개 이상의 벌레가 접시 주위를 돌아다니며 원하는 것은 무엇이든 할 때 동기화된 행동과 신경 데이터를 기록했습니다.

데이터 분석을 통해 벌레의 신경 활동에 대한 세 가지 새로운 관찰이 밝혀졌습니다. 뉴런은 현재뿐만 아니라 최근 과거의 행동을 추적합니다. 그들은 놀랍도록 다양한 요인에 따라 움직임과 같은 행동 코딩을 조정합니다. 그리고 많은 뉴런이 동시에 많은 행동을 인코딩합니다.

예를 들어, 작은 실험실 접시 주위를 꿈틀대는 행동은 매우 단순한 행동처럼 보일 수 있지만 뉴런은 속도, 방향 및 벌레가 먹고 있는지 여부와 같은 요인을 설명합니다. 어떤 경우에는 약 1분 동안 동물의 움직임을 나타내기도 했습니다. 현재 움직임뿐만 아니라 최근 움직임을 인코딩함으로써 이러한 뉴런은 웜이 과거 작업이 현재 결과에 어떤 영향을 미치는지 계산하는 데 도움을 줄 수 있습니다. 또한 많은 뉴런은 행동 정보를 결합하여 더 복잡한 조작을 수행합니다. 인간 운전자가 후진할 때와 전진할 때 차를 반대로 조종해야 하는 것을 기억해야 하는 것처럼 벌레의 뇌에 있는 일부 뉴런은 동물의 이동 방향과 조향 방향을 통합했습니다.

신경 활동이 행동과 어떻게 관련되는지에 대한 이러한 종류의 패턴을 주의 깊게 분석함으로써 과학자들은 C. 엘레강스 확률적 신경 코딩 모델. 단일 방정식으로 요약된 이 모델은 신경 활동이 행동을 반영하는지 여부와 그 방식을 정확하게 예측하기 위해 각 뉴런이 서로 다른 요인을 설명하는 방법을 설명합니다. 벌레 머리에 있는 뉴런의 약 60%는 이미 적어도 하나의 행동을 담당하고 있습니다.

모델을 피팅할 때 연구팀은 각각의 적절한 모델 매개변수가 얼마나 확실한지 이해할 수 있는 확률적 모델링 접근 방식을 사용했습니다. 이 접근 방식은 MIT의 확률 컴퓨팅 프로젝트를 이끄는 수석 연구 과학자인 공동 저자 Vikash Mansingka가 개척한 접근 방식입니다. .

아틀라스 건설

뇌 세포가 어떻게 행동을 나타내고 예측하는지 결정할 수 있는 모델을 만들 때 연구팀은 처음에 세포의 특정 정체성을 추적하지 않고 뉴런에서 데이터를 수집했습니다. 그러나 벌레를 연구하는 주요 목표는 각 세포와 회로가 어떻게 행동에 기여하는지 이해하는 것입니다. 따라서 모델의 능력을 벌레의 특정 뉴런 각각에 적용하기 위해 팀의 다음 단계는 신경 활동과 지도의 각 세포에 대한 행동을 연관시키는 것이었습니다. 그렇게 하려면 활동이 정체성과 연결될 수 있도록 각 뉴런에 고유한 색상의 이름을 지정해야 합니다. 팀은 자유롭게 움직이는 수십 마리의 동물에서 이 작업을 수행하여 벌레의 머리에 있는 거의 모든 특정 뉴런이 동물의 행동과 어떻게 관련되는지에 대한 정보를 제공했습니다.

이 작업으로 생성된 지도는 모든 동물 행동을 제어하는 ​​신경 회로의 완전한 매핑과 많은 통찰력을 보여주었습니다. Flavell은 이러한 새로운 발견이 이러한 행동을 통제하는 방법에 대한 보다 포괄적인 이해를 가능하게 할 것이라고 말했습니다.

“우리는 원을 완성할 수 있었습니다.”라고 그는 말했습니다. “우리는 동료들이 뉴런 회로 기능의 측면을 연구할 때 관련된 주요 뉴런에 대한 상당히 완전한 보기를 얻기 위해 이 지도를 참조할 수 있기를 바랍니다.”

신경가소성

팀 작업의 또 다른 주요 결과는 대부분의 뉴런이 항상 모델의 예측을 따르는 반면 벌레의 뇌에 있는 더 작은 뉴런 그룹(행동을 인코딩하는 뉴런의 약 30%)이 유연하게 행동 코딩을 다시 매핑할 수 있다는 흥미로운 발견이었습니다. 새로운 역할을 수행합니다. 이 그룹의 뉴런은 동물 전체에서 안정적으로 유사했으며 벌레의 시냅스 배선 다이어그램에서 서로 잘 연결되었습니다.

이론적으로 이러한 리매핑 이벤트는 여러 가지 이유로 발생할 수 있으므로 팀은 뉴런이 리매핑될 수 있는지 확인하기 위해 추가 실험을 수행했습니다. 벌레가 접시 주위를 꿈틀거리면서 연구원들은 벌레 머리 주변의 한천을 가열하는 레이저 잽을 적용했습니다. 열은 무해했지만 잠시 동안 벌레를 방해하기에 충분하여 몇 분 동안 지속되는 동물의 행동 상태 변화를 초래했습니다. 이 기록에서 팀은 동물이 행동 상태를 전환할 때 많은 뉴런이 행동 코딩을 완전히 재구성한다는 것을 볼 수 있었습니다.

“행동 정보는 뇌의 특정 뉴런 클래스에 맞는 뚜렷한 조정, 시간 척도 및 가소성 수준과 함께 다양한 형태로 뇌 전체에 풍부하게 표현됩니다. C. 엘레강스 신경망”이라고 저자는 썼습니다.

참조: “여러 시간 척도 및 상태에 걸친 행동의 뇌 수준 표현 C. 엘레강스Adam A. Atanas, 김종수, Ziu Wang, Eric Bueno, McCoy Baker, D. Kang, Jeongyeon Park, Talia S. Kramer, Flossy K-wan, Saba Pasquillo, Ugur Dag, Ilbeneke Kalogeropoulou, Matthew A. Strem, Nita Cohen, Vikash K. Mansingka 및 Stephen W. Flavell, 2023년 8월 21일, 여기에서 볼 수 있습니다. 셀.
DOI: 10.1016/j.cell.2023.07.035

Atanas, Kim, Mansingka, Flavell 외에도 이 논문의 다른 저자는 Xu Wang, Eric Bueno, McCoy Baker, Dee Kang, Jeongyeon Park, Talia Kramer, Flossy Wan, Saba Pasquello, Ugur Dag, Ilbeneke Kalogeropoulou, Matthew Gomez입니다. , Casey Estrem 및 Nita Cohen.

연구 자금 출처는 다음과 같습니다. 국립 보건원국립 과학 재단, McKnight 재단, Alfred P. Sloan 재단, Picower 학습 및 기억 연구소, JPB 재단.