AI, 뇌과학, 데이터 과학의 융합을 보여주는 최신 사례

AI, 뇌과학, 데이터 과학의 융합은 인간 지능을 이해하고 재현하는 데 있어 중요한 전환점을 이루고 있습니다.

2025년 5월 26일 기준으로, 최근 연구와 사례는 이 분야의 잠재력을 명확히 보여주며, 책의 개요를 더욱 구체적이고 매력적으로 만들 수 있는 기회를 제공합니다.

설명: 과학자들은 AI 선택 DNA "라이트 스위치"(enhancers)를 활용한 아데노 관련 바이러스(AAV) 시스템을 개발하여 뇌와 척수의 특정 뉴런 및 글리아 세포 하위 유형에 유전자를 정밀하게 전달할 수 있습니다. 이는 세포 유형별 유전자 발현을 가능하게 하여 치료적 잠재력을 높입니다.
세부 사항:

대상 세포 유형: 흥분성 뉴런, 억제성 인터뉴런, 선조체 및 피질 하위 유형, 뇌 혈관 세포, 척수 운동 뉴런(ALS, 간질, 파킨슨병과 관련된 어려운 접근 세포 포함).

AI 역할: 기계 학습 알고리즘이 여러 종의 데이터를 기반으로 유전자 강화자를 식별하여 과학자들의 시간과 노력을 크게 줄입니다.
검증: 여러 종과 인간 수술 조직에서 테스트되었으며, 살아있는 시스템에서 유효성 검증이 완료되었습니다.
응용 분야: 치료적 유전자 스위칭, 연구용 유전자 활성화/비활성화, 세밀한 회로 매핑, 형광 단백질로 뇌 세포 구조 조명, ALS, 간질, 파킨슨병, 알츠하이머병, 헌팅턴 병, 신경정신 질환에 영향을 미치는 신경 회로 연구.
가용성: 모든 벡터, 표준 운영 절차(SOPs), 가이드는 Addgene를 통해 무료로 제공되며, 이는 전 세계적인 유전자 연구 도구 공급업체입니다.
의의: 이 기술은 증상을 다루는 대신 근본 원인을 해결하는 차세대 뇌 유전자 치료의 기초를 마련합니다.
출처: AI-Guided Gene Vectors Precisely Target Brain and Spinal Cells, 원본 연구는 Neuron에 게재, DOI: 10.1016/j.neuron.2025.05.002.

설명: 트랜스포머 기반 모델은 단 21.6초의 fMRI 데이터를 사용하여 뇌 활동을 최대 5.04초 앞서 예측할 수 있습니다. 이 모델은 예측과 실제 뇌 상태 간 0.997의 높은 상관관계를 달성하며, 뇌의 기능적 연결망을 반영합니다.
세부 사항:

데이터 소스: 인간 연결체 프로젝트(HCP)에서 제공되는 대규모 고품질 fMRI 데이터.

모델 구조: 자가 주의 메커니즘을 사용하는 트랜스포머 인코더-디코더 프레임워크를 활용하여 fMRI 시간 시리즈 데이터를 매핑.
기능적 통찰: 생성된 fMRI 뇌 상태는 기능적 연결망의 구조를 반영하며, 장기 예측에서 오류가 누적되더라도 유의미한 결과를 제공.
의의: 이 연구는 AI가 뇌 역학을 모델링하고 예측할 수 있음을 보여주며, 인지 과정 이해와 관련 장애 진단/치료에 잠재적 응용 가능성을 제시합니다.
출처: 프린트로 arXiv에 게재, DOI: 10.48550/arXiv.2412.19814, 2024년 12월 11일 제출, 2025년 5월 기준으로 여전히 프린트 상태.

설명: 연구진은 4,096개의 백금/백금-블랙 마이크로홀 전극 배열을 CMOS 칩에 제작하여 2,000개 이상의 뉴런에서 70,000개 이상의 시냅스 연결을 매핑했습니다. 이 기술은 병렬 내부 기록을 가능하게 하여 시냅스 연결성을 매핑합니다.
세부 사항:

사용 기술: 마이크로홀-뉴런 인터페이스와 현재 클램프 전자 장치로 래트 뉴런 배양에서 평균 90%의 내부 결합률 달성.

규모: 70,000개 이상의 가능성 있는 시냅스 연결 추출, 전기적, 억제성, 약한/사건 없는 흥분성, 강한/사건 있는 흥분성 화학 시냅스 연결로 분류.
오차율: 약 5%로 추정.
의의: 대규모 뉴런 네트워크의 기능적 연결성 매핑에 한 걸음 다가선 중요한 진전으로, 뇌의 연결성과 기능 이해에 기여.
출처: Nature Biomedical Engineering에 게재, DOI: 10.1038/s41551-025-01352-5, 2025년 2월 11일 게재.

🔗 관련 읽을거리

관련 사이트 추천 글:

참고 자료 (외부 링크):