과학자들은 뇌 통찰력을 이끌어내는 일반적인 작업 흐름을 설명합니다.

이러한 전자 모델은 신경 형태가 흥분성에 어떻게 영향을 미치는지, 특정 이온 전류가 세포 기능에 어떻게 기여하는지에 대한 이해를 높이는 데 핵심적인 역할을 했습니다. 또한 뇌 활동을 시뮬레이션하고 연구하기 위해 신경 회로를 구축하는 데 중요한 역할을 하며, 우리의 생각과 행동을 뒷받침하는 신경 세포의 복잡한 춤을 엿볼 수 있게 해줍니다.

실험적 관찰을 충실하게 재현하는 정확한 전자 모델을 만드는 것은 쉬운 일이 아닙니다. 이를 위해서는 모델 반응과 실제 전기생리학적 거동 간의 유사성을 정량화해야 하는데, 이는 이온 채널 전도도 및 수동막 특성과 같은 매개변수를 직접 측정할 수 없는 경우 어려운 일입니다. 높은 유사성 점수를 얻으려면 매개변수 공간을 광범위하게 탐색해야 하는 경우가 많으며 이는 힘들고 시간이 많이 소요됩니다.

이러한 과제를 해결하기 위해 연구자들은 진화 알고리즘(EA)에 도움을 요청했습니다. 진화 알고리즘은 고차원 공간에서 전역 매개변수 최적화를 위한 효율적인 도구입니다. 그 중 지표 ​​기반 진화 알고리즘(IBEA)은 이와 관련하여 큰 잠재력을 가지고 있습니다. 그러나 이 분야에는 완전한 오픈 소스와 복제 가능한 모델 최적화 워크플로우가 여전히 부족합니다.

Patterns 11월호 표지에 실린 새로운 연구에서 BlueBrain 프로젝트는 상세한 신경 모델을 생성, 검증 및 일반화하기 위한 획기적인 공통 워크플로우를 제안합니다. 이 접근 방식은 모든 단계를 자유롭게 사용할 수 있는 오픈 소스 도구를 기반으로 구축되어 연구자에게 개별 생물학적 세포 또는 미리 정의된 세포 유형을 나타낼 수 있는 신경 모델을 구축하기 위한 포괄적인 솔루션을 제공합니다.

이 워크플로우의 고유한 기능 중 하나는 소위 표준 뉴런 모델을 구축하는 기능입니다. BBP 그룹의 리더인 Werner Van Geit는 다음과 같이 설명합니다. "우리가 만드는 것은 개별 뉴런에 맞게 맞춤화된 모델이 아니라 전체 뉴런 유형을 나타내는 모델입니다. 이 접근 방식은 특정 뉴런 유형의 속성을 연구하고 대규모 뉴런 회로를 구축할 때 특히 유용합니다."

본 연구에서 저자는 워크플로를 적용하여 신체 여러 부위의 촉각, 압력, 온도 및 통증과 관련된 감각 정보를 처리하는 대뇌 피질 영역인 어린 쥐의 체성 감각 피질에서 11가지 전기 유형(e-유형)을 나타내는 40개 모델을 만들었습니다. 각 모델은 일련의 전기생리학적 특징을 기반으로 최적화되어 실험 데이터와 긴밀한 일치를 보장합니다. 그런 다음 이러한 일반적인 모델을 다양한 형태로 테스트하여 일반성을 평가했습니다.

과학자들은 이러한 모델에 사용된 매개변수를 분석하여 생물물리학적 특성에 대한 통찰력을 얻었습니다. 공동 제1저자인 Christian Rössert는 "민감도 분석은 어떤 매개변수가 모델 성능에 중요한지, 어떤 매개변수가 결과에 영향을 주지 않고 변경될 수 있는지 밝혀내는 데 도움이 됩니다."라고 강조합니다. "이러한 더 깊은 이해는 모델 생성을 개선하는 데 큰 도움이 됩니다."

이 접근 방식은 강력하지만 저자는 현재의 몇 가지 제한 사항을 지적합니다. 특정 뉴런 유형은 여러 모양에 걸쳐 잘 일반화되는 반면 다른 뉴런 유형은 어려움을 겪습니다. 특정 모델이 특정 형태에서 더 나은 성능을 발휘하는 이유를 이해하는 것은 지속적인 연구 분야입니다. 게다가, 단일 표준 모델을 생성한다는 것은 실제 뉴런의 가변성 중 일부를 무시한다는 것을 의미합니다. 이 문제를 해결하기 위해 신경과학자들은 동일한 입력을 기반으로 여러 모델을 만들어 실제 다양성을 나타내는 변형을 도입할 수 있습니다.

공동 제1저자인 Maria Reva는 다음과 같이 말했습니다. "여기에 제시된 일련의 전자 모델은 뉴런 본체의 패치-클램프 기록에서 얻은 전기 측정을 기반으로 합니다. 향후 버전에서는 이러한 모델이 시냅스 및 수지상 통합 및 추가 이온 전류와 같은 더 자세한 내용으로 강화될 수 있습니다. 이러한 개선을 통해 우리는 뉴런의 기능을 더 잘 이해할 수 있게 될 것입니다."