커넥토믹스 (connectomics)
쉽게 풀면
커넥토믹스는 뇌 안의 모든 뉴런이 서로 어떻게 연결되어 있는지를 하나하나 지도로 그리는 연구 분야입니다. 연속블록면 전자현미경법 같은 기법으로 아주 작은 뇌 조직 하나에서도 수만 장의 초미세 단면 영상을 얻은 뒤, 컴퓨터 알고리즘으로 각 세포의 경계와 시냅스 접점을 자동으로 찾아내 연결 구조를 재구성합니다. 초파리 전체 뇌나 생쥐 대뇌피질 일부처럼 점점 더 큰 규모의 신경망 배선도가 이런 방식으로 완성되고 있습니다. 뇌가 어떻게 정보를 처리하는지 이해하는 근본적인 청사진을 제공하는 것이 목표입니다.
왜 중요한가
신경계가 정보를 어떻게 처리하는지 설명하려면 결국 뉴런들이 어떤 회로로 연결되어 있는지에 대한 구조적 근거가 필요하기 때문에, 커넥토믹스는 신경과학의 여러 상위 질문과 직접 맞닿아 있다. 특정 행동이나 감각 처리를 담당하는 회로를 규명하는 연구, 신경망 모델이 실제 뇌 구조와 얼마나 부합하는지 검증하는 연구, 신경발달 및 정신질환에서 연결 이상을 찾는 연구 모두 커넥토믹스가 제공하는 배선도를 기반으로 삼는다. 또한 대규모 영상·자동화 분할 기술의 발전과 맞물려 있어 이미징, 영상처리, 대용량 데이터 분석이 결합된 융합 연구 주제로도 활발히 다뤄진다.
논문에서는 이렇게 쓰입니다
전체 연결 지도 데이터를 이용해서 특정 뉴런이 어떤 종류의 세포로부터 얼마나 많은 시냅스 입력을 받는지 수치로 분석했다는 뜻이다.
완성된 배선도 안에서 특정 감각 정보가 어떤 뉴런들을 순서대로 거쳐 전달되는지 추적해 신호 경로를 밝혔다는 뜻이다.
해부학적 연결 지도와 실제 신경 활동 데이터를 함께 놓고, 구조가 기능을 얼마나 잘 설명하는지 비교 검증했다는 뜻이다.
조금 더 깊게 보면
커넥토믹스 논문을 읽을 때는 데이터가 만들어지는 파이프라인을 함께 이해하는 것이 도움이 된다. 고해상도 영상을 얻은 뒤 세포막 경계를 따라 각 뉴런을 구분하는 분할(segmentation), 잘려진 조각들을 이어 붙여 하나의 뉴런으로 복원하는 재구성(reconstruction), 그리고 시냅스 위치와 방향을 표시하는 주석(annotation) 과정을 거친다. 이 과정에서 나온 결과는 흔히 그래프 형태로 표현되어, 어떤 세포 유형이 어떤 세포 유형과 얼마나 강하게 연결되는지를 연결 강도나 시냅스 개수 같은 지표로 정리한다. 최근에는 이렇게 얻은 대규모 연결 그래프를 그래프 이론이나 신경망 모델링 기법과 결합해 회로의 정보 흐름이나 기능적 역할을 추론하는 연구도 늘고 있다.
주의할 점
방대한 영상 데이터의 자동 분할 결과에는 오류가 섞일 수 있어 상당 부분 사람의 검수와 교정 작업이 필요하며, 구조적 연결이 기능적 연결과 항상 일치하는 것은 아니다.