뇌의 회복력 이해: 신경 퇴행의 미스터리 풀기

리에주 대학 신경형성 공학 연구실의 연구자들은 과학 저널인 PNAS Nexus 에 게재된 한 논문에서 생리학적 구성 요소가 상당히 다양함에도 불구하고 뉴런이 안정적으로 기능을 유지할 수 있는 능력이라는 흥미로운 뇌 메커니즘을 밝혀냈습니다.

신경과학은 각 뇌가 연결뿐만 아니라 뉴런의 분자 구성에서도 독특하다는 것을 오랫동안 알고 있었습니다. 여기에는 이온 채널, 뉴런으로 이온을 통과시키는 막 단백질이 포함됩니다. 그러나 이러한 채널은 개인마다, 심지어 뉴런마다 상당히 다릅니다. 그러나 이러한 가변성은 뇌가 안정적으로 기능하는 것을 막지 못합니다. "신경 퇴화"로 알려진 이 역설은 수십 년 동안 과학자들의 관심을 끌었습니다. 이 개념은 병리학적 의미에서의 퇴화(신경 퇴화성 질환과 같은)와는 다르며, 여기서는 신경계의 적응적이고 견고한 특성에 초점을 맞춥니다.

ULiège 연구원인 Arthur Fyon, Alessio Franci, Pierre Sacré, Guillaume Drion은 이 속성을 더 잘 이해하기 위해 수학적 도구를 적용하여 독창적인 접근 방식을 채택했습니다. 그들의 차원 축소 방법은 복잡한 시스템의 분석을 단순화하여 퇴화의 배후에 있는 두 가지 뚜렷한 메커니즘을 밝혀냈습니다.

저희의 연구는 이 두 가지 메커니즘이 동시에 작용하며, 각각 특정한 생리적 기원과 기능을 가지고 있다는 것을 보여줍니다." 연구실의 연구원이자 이 논문의 첫 번째 저자인 아서 피온이 설명합니다. 이 두 메커니즘은 이온 채널의 변화에도 불구하고 신경 신호의 안정적인 조절을 보장합니다. 이 발견은 또한 뇌가 내부 또는 외부 신호에 반응하여 활동을 조절하는 과정인 신경 조절의 원리에 대한 베일을 조금 더 벗겨냅니다. 실제로 이러한 심층적인 이해를 통해 신경 조절을 조절하기 위한 보편적인 규칙을 정의하여 신경 활성 약물의 효과를 예상하고 신경 과학에서 계산 모델을 개선할 수 있는 유망한 전망을 열 수 있습니다.

인간의 뇌를 넘어서는 의미

결과는 생물학적 뇌를 이해하는 데 그치지 않습니다. 이 팀은 이러한 발견을 바탕으로 로봇이나 인공지능 장치와 같은 신경형 시스템에 적용할 수 있는 신경 조절 알고리즘을 개발했습니다. 이러한 발전은 인간의 뇌처럼 환경에 동적으로 적응할 수 있는 시스템을 만들어 로봇 공학에 혁명을 일으킬 수 있습니다.

계산 신경 과학은 실험 신경 과학과 수학적 모델 간의 교량을 구축하고자 하는 빠르게 확장되고 있는 분야입니다. 이 연구는 핵심 질문에 답함으로써 이러한 추진력의 일부입니다. 중요한 세부 사항을 잃지 않고 복잡한 시스템에 대한 연구를 단순화할 수 있는 방법은 무엇일까요? "저희 연구는 이온 전도도와 같은 다양한 매개변수를 단순화된 공간에 어떻게 구성할 수 있는지 보여주며, 이를 통해 신경 모델을 사용하기가 더 쉬워집니다." Neuromotor Engineering Laboratory의 책임자인 기욤 드리온이 설명합니다.

이 연구는 근본적인 관심사 외에도 중요한 실용적 응용 분야가 있습니다. 로봇공학에서 이러한 알고리즘은 기계가 예상치 못한 상황에 더 잘 적응할 수 있도록 할 수 있습니다. 예를 들어 환경의 변화에 ​​따라 행동을 조정하는 것입니다. 마찬가지로 의학 분야에서는 질병이나 약물에 의해 영향을 받는 신경 조절 메커니즘을 정확하게 타겟팅하여 개인화된 치료를 설계하는 데 도움이 될 수 있습니다.

출처: https://www.sciencedaily.com/releases/2024/11/241127140033.htm