한빛사
>
한빛사 인터뷰
한빛사 인터뷰
- 등록2013-09-02
- 조회5,232
Nat. Neurosci., 16, 1306–1314 (2013). Published online 18 August 2013 | doi:10.1038/nn.3492
Balanced cortical microcircuitry for maintaining information in working memory
1. 논문관련 분야의 소개, 동향, 전망을 설명, 연구과정에서 생긴 에피소드
뇌를 구성하는 주된 세포인 neuron은 평균 7000개의 synapse로 연결되어 network을 형성하고, 이런 방대한 연결고리는 perception, attention, 그리고 memory 등의 cognitive function을 가능하게 합니다. 이런 network interaction은 실시간 정보처리에 관련된, 수 초 동안 지속되는 short-term memory에도 중요하게 생각되어 왔지만, 정확한 mechanism은 아직 밝혀지지 않았습니다.
평균 neuron이 정보를 유지할 수 있는 시간(a few tens of milliseconds)의 적어도 10배에서 몇 백배에 해당하는 긴 시간동안 정보를 유지하기 위해서 이전의 model들은 network interaction이 neuron들 간의 positive feedback을 형성한다고 제안했습니다. 이런 positive feedback을 통해 neuron들은 일시적인 자극이 사라진 이후에도 서로 신호를 주고 받으며 오랫동안 정보를 유지한다고 생각되어 왔습니다. 하지만 이런 positive feedback model들은 cellular death나 attention, 혹은 reward에 의한 synaptic change등의 변화에 불안정하다는 약점을 가지고 있습니다.
우리는 이번 논문에서 기존의 model과는 다른, positive feedback (excitation)과 negative feedback (inhibition)의 상호작용을 바탕으로 하는short-term memory circuit을 제시했습니다. 여기서 synaptic interaction은 thermostat이 목표 온도에서 벗어나는 것을 감지해 냉난방을 조절하듯 memory drift를 감지하고 정정하는 corrective feedback control을 바탕으로 하고 있습니다. 이 새로운 memory circuit은 positive feedback model과 달리 perturbation에 대해 안정적이며, 기존의 model이 설명할 수 없었던 여러 experimental physiology와 일치하는 장점을 가지고 있습니다.
2. 연구를 진행했던 소속기관 또는 연구소에 대해 소개 부탁 드립니다.
제가 2009년부터 2012년까지 박사 후 연구 과정에 있었던 University of California, Davis의 Center for neuroscience는 cellular, molecular neurobiology부터 systems, developmental neuroscience까지 다양한 분야의 연구가 진행되고 있습니다. 그 중 제가 속했던 computational neuroscience group은 물리, 수학 등의 배경지식을 바탕으로 motor control과 working memory의 기저인 network interaction의 연구에 중점으로 두고 있습니다. UC Davis는 뇌과학과 뿐만 아니라 수학과, 물리학과에서도 computational neuroscience를 연구하고 있고, 다양한 background를 가진 이론 과학자들과 실험 과학자들이 함께 매 년 투표를 통해 하나의 주제를 정해 journal club에서 심도있게 의견을 나누는 등 활발히 교류하고 있습니다.
3. 연구활동 하시면서 평소 느끼신 점 또는 자부심, 보람
수학과 물리학을 공부한 저에게 complex system인 뇌는 흥미롭고 동시에 어려운 연구 주제입니다. 복잡한 뇌의 활동의 기저에 있는 원리를 이해하기 위해 수학적 단순화는 modeling에 중요한 과정입니다. 하지만 동시에 생물학적인 정확성을 잃지 않기 위해 model의 한계를 인식하고, 실험 과학자들과 활발한 토론과 공동연구를 해 나가는 것이 중요하다고 느꼈습니다. 또한 뇌과학은 통계학, 물리학, 수학 등 여러 분야와 연계 연구가 활발한 학문입니다. 이번 연구가 수학의 dynamical system과 engineering의 이론을 접목시켜 새로운 short-term memory circuit을 제시하였듯이, 다른 computation 분야에 대한 폭넓은 이해 역시 보다 좋은 model을 제시하는데 도움이 될 것이라 생각합니다.
4. 이 분야로 진학하려는 후배들 또는 유학준비생들에게 도움이 되는 말씀을 해 주신다면?
Computational neuroscience와 관련해서 미국 (Woods hole), 유럽 (ACCN), 일본 (Okinawa) 등 summer school이 열리고 있습니다. 학생으로, tutor로 참여했는데, 여러 분야의 computational neuroscience를 심도있게 배우고, 이론 과학자 뿐만 아니라 실험 과학자들, 같은 분야를 공부하는 학생들을 만날 수 있는 좋은 기회가 되었습니다.
5. 연구활동과 관련된 앞으로의 계획이 있으시다면?
현재는 University of Chicago로 옮겨 실험그룹과 함께 learning에 대한 연구를 하고 있습니다. 지금까지 연구해 왔던 network interaction과 learning mechanism을 연계하여, memory를 비롯한 higher cognitive function에 대한 연구를 계속할 예정입니다.
6. 다른 하시고 싶은 이야기들....
연구 열심히 하시고, 건강하세요.
뇌를 구성하는 주된 세포인 neuron은 평균 7000개의 synapse로 연결되어 network을 형성하고, 이런 방대한 연결고리는 perception, attention, 그리고 memory 등의 cognitive function을 가능하게 합니다. 이런 network interaction은 실시간 정보처리에 관련된, 수 초 동안 지속되는 short-term memory에도 중요하게 생각되어 왔지만, 정확한 mechanism은 아직 밝혀지지 않았습니다.
평균 neuron이 정보를 유지할 수 있는 시간(a few tens of milliseconds)의 적어도 10배에서 몇 백배에 해당하는 긴 시간동안 정보를 유지하기 위해서 이전의 model들은 network interaction이 neuron들 간의 positive feedback을 형성한다고 제안했습니다. 이런 positive feedback을 통해 neuron들은 일시적인 자극이 사라진 이후에도 서로 신호를 주고 받으며 오랫동안 정보를 유지한다고 생각되어 왔습니다. 하지만 이런 positive feedback model들은 cellular death나 attention, 혹은 reward에 의한 synaptic change등의 변화에 불안정하다는 약점을 가지고 있습니다.
우리는 이번 논문에서 기존의 model과는 다른, positive feedback (excitation)과 negative feedback (inhibition)의 상호작용을 바탕으로 하는short-term memory circuit을 제시했습니다. 여기서 synaptic interaction은 thermostat이 목표 온도에서 벗어나는 것을 감지해 냉난방을 조절하듯 memory drift를 감지하고 정정하는 corrective feedback control을 바탕으로 하고 있습니다. 이 새로운 memory circuit은 positive feedback model과 달리 perturbation에 대해 안정적이며, 기존의 model이 설명할 수 없었던 여러 experimental physiology와 일치하는 장점을 가지고 있습니다.
2. 연구를 진행했던 소속기관 또는 연구소에 대해 소개 부탁 드립니다.
제가 2009년부터 2012년까지 박사 후 연구 과정에 있었던 University of California, Davis의 Center for neuroscience는 cellular, molecular neurobiology부터 systems, developmental neuroscience까지 다양한 분야의 연구가 진행되고 있습니다. 그 중 제가 속했던 computational neuroscience group은 물리, 수학 등의 배경지식을 바탕으로 motor control과 working memory의 기저인 network interaction의 연구에 중점으로 두고 있습니다. UC Davis는 뇌과학과 뿐만 아니라 수학과, 물리학과에서도 computational neuroscience를 연구하고 있고, 다양한 background를 가진 이론 과학자들과 실험 과학자들이 함께 매 년 투표를 통해 하나의 주제를 정해 journal club에서 심도있게 의견을 나누는 등 활발히 교류하고 있습니다.
3. 연구활동 하시면서 평소 느끼신 점 또는 자부심, 보람
수학과 물리학을 공부한 저에게 complex system인 뇌는 흥미롭고 동시에 어려운 연구 주제입니다. 복잡한 뇌의 활동의 기저에 있는 원리를 이해하기 위해 수학적 단순화는 modeling에 중요한 과정입니다. 하지만 동시에 생물학적인 정확성을 잃지 않기 위해 model의 한계를 인식하고, 실험 과학자들과 활발한 토론과 공동연구를 해 나가는 것이 중요하다고 느꼈습니다. 또한 뇌과학은 통계학, 물리학, 수학 등 여러 분야와 연계 연구가 활발한 학문입니다. 이번 연구가 수학의 dynamical system과 engineering의 이론을 접목시켜 새로운 short-term memory circuit을 제시하였듯이, 다른 computation 분야에 대한 폭넓은 이해 역시 보다 좋은 model을 제시하는데 도움이 될 것이라 생각합니다.
4. 이 분야로 진학하려는 후배들 또는 유학준비생들에게 도움이 되는 말씀을 해 주신다면?
Computational neuroscience와 관련해서 미국 (Woods hole), 유럽 (ACCN), 일본 (Okinawa) 등 summer school이 열리고 있습니다. 학생으로, tutor로 참여했는데, 여러 분야의 computational neuroscience를 심도있게 배우고, 이론 과학자 뿐만 아니라 실험 과학자들, 같은 분야를 공부하는 학생들을 만날 수 있는 좋은 기회가 되었습니다.
5. 연구활동과 관련된 앞으로의 계획이 있으시다면?
현재는 University of Chicago로 옮겨 실험그룹과 함께 learning에 대한 연구를 하고 있습니다. 지금까지 연구해 왔던 network interaction과 learning mechanism을 연계하여, memory를 비롯한 higher cognitive function에 대한 연구를 계속할 예정입니다.
6. 다른 하시고 싶은 이야기들....
연구 열심히 하시고, 건강하세요.
댓글 작성 로그인
팝업 닫기관련 링크
