목 차

1. 서론
2. 본론
a. BRAIN Initiative Cell Census Network (BICCN)
b. BRAIN Initiative Cell Atlas Network (BICAN)
3. 결론 및 전망
4. 참고문헌


1. 서론

개별 유전자 발현을 넘어 유전체 전체의 발현을 동시에 측정할 수 있는 DNA 마이크로어레이 기술이 개발된 이후 [1], 대규모 유전체 분석 시대가 열리면서 단세포에서 고등 생물에 이르기까지 DNA, RNA, 단백질 및 후성 유전체 데이터를 포함한 세포 내 다양한 분자의 상태를 정량적으로 측정하는 기술들이 등장했다 [2]. 이러한 기술들은 세포 상태를 묘사하고 예측하는 데 필수적인 모델 개발에 기여했으며, 가장 단순한 세포 생명체인 JCVI-syn3A에 대해서는 전체 세포 모델이 개발되었다 [3]. 이러한 모델은 유전자의 변형이나 환경변화에 따른 여러 변화를 입력 및 파라미터로 구성함으로써 세포가 어떻게 반응하는지 예측하는데 유용하게 응용될 수 있다. 그러나 인간의 몸은 다양한 세포들로 이루어져 있으며, 그 복잡성은 특히 뇌에서 두드러진다. 뇌는 수십억 개의 뉴런과 이들 간의 복잡한 상호작용으로 이루어져 있으며, 이러한 복잡성은 기억, 감정, 학습, 운동 기능 등 다양한 인지적, 신경학적 기능을 가능하게 한다. 그러므로, 뇌의 기능을 근본적으로 이해하기 위해서는 단일 세포 내의 분자 상태에서부터 뉴런 연결 상호작용에까지 이르는 다층적인 데이터 구축이 반드시 필요하다.

BRAIN (Brain Research through Advancing Innovative Neurotechnologies) Initiative -뇌 연구를 위한 혁신적 신경기술 개발 계획-는 이러한 도전 과제를 해결하기 위해 설립되었다. 이 이니셔티브는 뇌의 구조와 기능을 체계적으로 이해하고, 다양한 뇌 질환의 근본 원인을 밝히며, 궁극적으로는 신경계 치료법 개발을 목표로 한다. 최초 2013년에 시작된 이 이니셔티브는 뉴런 활동 측정 기술, 세포 유형의 분류, 뉴런 간 연결 지도 작성 및 이론 및 데이터 분석 도구 개발 등 뇌 구조와 회로기능에 대한 기초적 이해를 목표로 하였다. 여러 주요 목표 중, 가장 중요한 첫 두 개의 목표는 (1) 다양한 뇌세포 유형을 식별하고 실험적으로 접근하여 정상 및 질병 상태에서의 역할을 파악하고, (2) 시냅스에서 뇌 전체에 이르는 다양한 규모의 뇌세포 연결을 매핑하는 것이었다 [4]. 이를 기반으로 최초 10개의 프로젝트가 출발하였다 [4]. 이들 연구의 공통점은 단일 세포 기반으로 세포 타입을 분류하고 그들 사이의 연결관계를 파악하는 것이었다. 이들 데이터는 데이터 포털을 통해 공유되는 것을 목표로 하였다 (https://singlecell.broadinstitute.org/single_cell).

이후, 이 연구들은 BRAIN Initiative Cell Census Network (BICCN)로 이어졌다. BICCN은 뇌세포 유형에 대한 분자, 해부학, 생리학적 정보를 통합하는 3차원 공간 상의 마우스 전뇌 세포 아틀라스와 성인 인간 및 비인간 영장류 종의 참조 아틀라스를 생성하는 것을 목표로 하였다 [4]. 인간 뇌의 작동 원리를 이해하기 위해, 개별 연구 뿐 아니라, 다양한 종 간의, 마우스와 인간 및 비인간 영장류를 대상으로 연구하는 연구자들 간의 지속적이고 광범위한 교류를 중점으로 하였으며 이를 인간 신경 및 신경정신 질환의 기초를 이해하는 데 사용할 수 있는 전뇌 세포 아틀라스 지도 구축이라는 궁극적인 목표를 향해 BICCN을 이끌고 가속화하는 데 필수적인 요소로 판단하였다.

2019년 이 프로젝트는 뇌의 심층적 이해를 위해서는 산발적으로 수행되었던 연구들을 효과적으로 통합하고 공유하는 것이 가장 중요하다고 판단되어, 방대한 데이터 표준화 통합을 통해 다중 오믹스(omics) 데이터들이 통합적으로 분석될 수 있도록 한층 발전하였다(BRAIN initiative 2.0) [5]. BRAIN initiative 2.0 연구 그룹들의 심층적 논의에 따라 다음 3가지 프로젝트를 출범하였다: BRAIN Initiative Cell Atlas Network (BICAN), BRAIN Initiative 다층 규모 연결성(BRAIN CONNECTS) 프로젝트 그리고 정밀 뇌 세포 접근 프로그램(Armamentarium for Precision Brain Cell Access) [6]. 본 연구 동향에서는 BRAIN initiative 중 BICCN 프로젝트를 통해 얻어진 발견들과 이후 이를 이용한 BICAN 프로젝트 연구들에 대해서 소개하고자 한다.

2. 본론

a. BRAIN Initiative Cell Census Network (BICCN)

BICCN은 데이터 생성, 데이터 아카이브, 데이터 표준화를 위한 데이터 관리센터와 개별 실험 연구소의 협업 네트워크로 2017년부터 2022년까지 진행된 프로젝트로서 뇌의 다양한 세포 유형을 식별하고 분류하는 프로젝트를 기본 목표로 이를 위해 다양한 양식(modality)의 데이터 수집과 이들의 통합적 분석 연구 들이 진행되었다. 다양한 양식의 데이터에는 개별 세포 관점에서는 전사체(transcriptomics), 후성 유전체(epigenomics), 공간 유전체 등의 데이터가 있고 세포 연결 및 해부학적 구조를 이해하기 위한 세포-세포 연결 네트워크 데이터 및 이미징 데이터를 포함한다. 그리고 일부 다중 양식(multimodal) 데이터를 생성되었다. 실험 대상은 주로 마우스를 대상으로 하였고 일부 포유동물 및 인간 세포에도 적용하였다. 또한 동일한 종류의 데이터라 하더라도 다양한 실험 기법을 통해 생성하도록 하였다. 예를 들면 단일 세포 유전체 데이터의 경우 기본적인 10x Chromium 실험 데이터 외에 SMART-seq, Drop-seq, PacBio long-read sequencing 및 Oxford Na-nopore 등의 다양한 실험 기법을 활용하였다. 총 40여 개 이상의 세포 데이터 측정 기술 및 90여 개 이상의 실험 기법이 적용되었다 [7]. 데이터 센터에는 데이터의 성격에 따라 각각 다른 형태로 온라인으로 접속이 가능하다(https://www.biccn.org/).

BICCN은 총 24개의 연구팀으로 구성되어 있으며 각각 역할이 일부 중첩되기도 하며, 이들 중 일부는 데이터 통합 및 포탈 구축을 목표로 하는 연구팀도 존재한다. 이들 중 개별 세포 특성 규명에 관한 프로젝트 들은 다음과 같다 (표 1). 표 1에서 연구 프로젝트는 미국 내 연구 펀드의 종류에 해당하는데 U로 시작하는 연구는 모두 협력적 연구로써 대표 연구 책임자가 존재하지만 여러 연구 책임자가 함께 동일한 목표를 수행하기 위한 연구 과제이다. 반면 RF/R로 시작하는 연구는 개별 연구인데, 연구 제목을 확인하면 알 수 있듯이 뇌를 이해하기 위한 새로운 기술의 확립(RF) 또는 연구를 통해 생성된 데이터의 축적 및 관리에 목표가 있다(R). 협력 연구과제를 살펴보면 모델 종으로서 마우스의 뇌 세포를 총체적으로 분류하고 정의할 수 있도록 데이터를 생성하는데 더 많은 연구가 진행되었고, 일부 영장류(marmoset과 macaque)에 대해서도 인간과 비교를 위한 목적으로 데이터를 생성하였다.

표 1. BICCN 연구 프로젝트 내의 뇌 세포 유형 식별 및 분류 연구 리스트

인간 뇌를 대상으로 하는 연구 중 Ecker 및 Lein 팀의 협력 연구는 동일 환자의 동일 조직에 대한 단일 세포 후성 유전체 데이터(snATAC-seq 및 snmC-seq3) 및 전사체 데이터(snRNA-seq)를 통합하여 세포 분류를 더욱 정밀하게 하는 것을 목표로 한다. 또한 뇌의 3차원 표준 공간 좌표계를 기반으로 3차 원상에 인간 공통 뇌세포 지도를 구축하는 것도 목표로 하고 있다. Zhang, Kun 팀의 연구는 브로드만 지역(broadman area)과 대뇌 피질(cerebral cortex) 등 지역을 중심으로 전사체 및 공간전사체(spatial transcriptome) 등 다양한 데이터 통합을 통해 세포 분류를 정밀하게 하는 것을 목표로 한다. 그리고 인간 뇌의 발달 과정을 이해하기 위한 연구로 Kriegstein 팀은 태아에서 청소년기까지의 대뇌 피질 샘플의 단일세포 후성 유전체 및 전사체 데이터를 생성하여 뇌의 발달과정에서 어떠한 세포가 생성되고 소멸되는지 그 동적 특성을 규명하는 것을 목표로 한다. Nowakowski 팀은 발달 신경 전구세포의 클론 계통 추적 기술을 활용하여 발달과정에 대뇌 피질이 어떻게 분화하는지 이해하는 것을 목표로 한다.

최근 단일 세포 연구에 대해서 사이언스지에 스페셜 섹션으로 BICCN 연구를 통한 논문들이 함께 출판되었다 (https://www.science.org/collections/brain-cell-census). 그중 인간 뇌를 대상으로 하는 대표적 연구 몇 개를 소개한다.

Kimberly Siletti, et al. 의 연구 [8] - 이 연구는 인간 뇌의 다양한 세포 유형을 조사하기 위해 3명의 공여자로부터 전뇌 (대뇌피질, 대뇌핵, 시상하부 및 시상), 중뇌 및 후뇌(뇌간, 수질 및 소뇌) 지역을 포함한 총 100 여개 이상의 지역에서의 샘플을 채취하여 단일 세포 전사체 데이터를 생성하였다. 분석한 세포의 수는 300만 개 이상에 달한다. 저자는 뇌 세포의 종류를 31개의 슈퍼클러스터, 461개의 클러스터, 3313개의 서브클러스터로 분류하였다. 기존의 많은 연구는 뇌의 특정 지역에 한하여 분석하였다면, 이 연구는 인간 뇌의 다양한 지역을 통합적으로 분석하여 데이터를 생성하였다는 데에 의의가 있으며, 뇌의 지역에 따라 세포적 다양성이 매우 복잡하며, 특히 피질 외 영역에서 높은 이질성을 보인다는 점을 확인하였다. Wei Tian, et al. 의 연구 [9] - 이 연구는 인간 뇌의 다양한 세포의 후성유전형질을 파악하기 위해 3명의 기증자로부터 대뇌피질, 기저 전뇌, 기저핵, 해마, 시상, 중뇌, 폰(pon) 및 소뇌에 걸쳐 46개의 서로 다른 지역에서 샘플을 채취하여 약 37만여 개의 세포에 대하여 단일세포 DNA 메칠화(methylation; DNAm) 및 14만 여개의 세포에 대하여 3차원 크로마틴 입체구조(chromatin conformation) 데이터를 생성하였다. 분석결과 비뉴런 세포는 지역별 편차가 크지 않았지만 뉴런 세포는 공간적 특성이 매우 크다는 사실을 확인하였다. 전사체 데이터와 마찬가지로 후성유전체 데이터도 세포의 특성을 구별하는데 중요한 정보를 제공하며, 유전자 조절관점의 메커니즘을 제공할 수 있는 유용한 데이터로 사용될 수 있다. Dmitry Velmeshev et al., 의 연구 [10] - 이 연구는 인간 대뇌 피질의 발달 과정을 이해하기 위해 태아에서 성인에 이르기까지 뇌질환이 없는 60명의 기증자로부터 108개의 샘플을 획득하여 약 35만 여개의 단일 세포 전사체 데이터를 생성하였다. 또한 그중 40명의 기증자에서 57개의 샘플을 획득하여 28만 여개의 세포에 대하여 크로마틴 접근성(snATAC-seq) 데이터를 획득하여 이를 통합 분석하였다. Emelie Braun et al., 의 연구 [11] - 5주에서 14주 사이의 태아 26 태아 표본으로부터 111개의 샘플을 획득하여 단일세포 전사체 및 공간전사체 데이터를 획득하여 12개의 주요 클래스 및 600여 개의 이질적 세포상태를 발견하였다. 뇌 발달 단계에서는 뉴런 세포뿐만 아니라 비뉴런 세포도 지역적, 공간적 특이성이 다르다는 사실을 규명하였다. Nelson Johansen et al., 의 연구 [12] - 질병이 없는 75명의 대뇌 피질의 동일한 지역에 대한 단일 세포 전사체 데이터를 생성하였다. 이를 이용하여 글루탐산성 뉴런(glutamatergic neuron)과 일부 비뉴런 세포의 유전체 발현이 개인적 차이가 크게 발생한다는 사실을 밝혀내었다. 또한 개별 유전자 발현 관점에서 개인적 차이가 발생하는 유전자 발현과 그 유전자 발현 차이에 관여한 유전형 및 환자 성별 나이 등의 요인을 규명하였다. 이런 데이터 들은 인간 뇌의 발달 메커니즘을 이해하는데 필요한 데이터, 성인의 경우 광범위한 뇌 지역에서의 다양한 세포 분류 데이터 및 동일 지역에서의 다수의 공여자 데이터의 개인별 차이에 관한 연구에 이르기까지 다양한 종류의 데이터가 발표되었다. 이 연구는 거의 대부분 신경전형(neurotypical)인 공여자 데이터를 사용하였기 때문에 정상 상태의 뇌 세포 상태를 규명한 연구로서 질병 데이터와의 통합을 통해 질병 발생 메커니즘을 이해하는데 참조 데이터로 활용이 가능하다 [13].

b. BRAIN Initiative Cell Atlas Network (BICAN)

2022년 9월 22일에 미국 국립보건원(NIH) BRAIN Initiative의 지원으로 시작된 BICAN은 BICCN의 후속 연구로서 신경과학자, 계산 생물학자, 소프트웨어 엔지니어가 협력하여 인간 뇌의 총체적 지도 책(atlas)을 구축하는 것을 목표로 한다. 이전에 생성된 데이터 및 추가로 생성되고 있는 데이터를 통합하여 그 지식 및 분석 도구를 공유하는 것이 핵심 임무이다. 크게 3가지 종류의 데이터 타입이 존재한다. 첫째는 다중 오믹스 아카이브(Neuroscience Multi-omic Archive; NeMO) [https://nemoarchive.org/]이며 둘째는 뇌 이미지 라이브러리(Brain Image Library; BIL) [https://www.brainimagelibrary.org/], 그리고 세 번째는 신경생리학 데이터 통합을 위한 분산 아카이브(Distributed Archives for Neurophysiology Data Integration; DANDI) [https://dandiarchive.org/]이 존재하며 이의 메타데이터 또한 신경 해부학 고정 정보 관리 플랫폼(Neuroanatomy-anchored Information Management Platform; NIMP) [https://brain-specimenportal.org/]에서 지원한다. (https://knowledge.brain-map.org/program/bican). 분석 종은 13개 종에 이르며 6개의 서로 다른 데이터 타입 및 9개의 정제된 측정 기술을 사용한다. BICAN은 총 15개의 연구팀으로 구성되어 있으며 이중 인간 뇌 세포와 관련된 프로젝트는 다음 표 2에 기술되어 있다. BICCN과 비교하였을 때, 연구프로젝트 분류 상 대규모 다학제적 연구 및 협력 연구 프로그램(UM1/U24)에 해당하는 과제가 더욱 증가하였다. 데이터 구축 및 커뮤니티 접근성에 좀 더 초점을 맞추었으며(A Community Resource for Single Cell Data in the Brain), 메타데이터로 데이터 생성/처리 과정 등의 공개를 통해 데이터의 이용 및 재현성에도 중점을 두었다고 볼 수 있다(Scalable Molecular Pipelines for FAIR and Reusable BICAN Molecular Data). 비단 인간 뿐만 아니라 생쥐 및 영장류 데이터를 함께 생성함으로써 진화적 비교 및 인간 뇌의 정밀한 지도 구축을 위해 종간 통합 분석의 중요성도 강조하고 있다(A Multidisciplinary Center for Developing Human and Non-human Primate Brain Cell Atlases 및 Human and Mammalian Brain Atlas). 마지막으로 인간 공통의 뇌 지도를 넘어, 개인 간 유전 형질의 따른 뇌 지도의 차이를 규명하고자 하는 연구가 새롭게 등장하였다(An Atlas of Human Brain Cell Variation).

표 2. BICAN 연구 프로젝트 내의 뇌 세포 데이터 구축 및 분석 연구

2024년 10월 1일 BICAN 컨소시엄의 첫 번째 데이터가 발표되었다 [14]. 인간을 포함한 다양한 종을 포함한 255 개의 공여체의 1461개의 표본(specimen)을 사용한 20개의 데이터 셋을 공유하였다. 이 것은 마우스 발달과정, 다종 비교 데이터 및 인간 뇌의 다층 데이터를 포함한다. 이 중 인간 뇌의 데이터만 살펴보면 첫째, 폰, 기저핵, 중뇌, 골수, 고피질, 시상하부 및 시상을 포함하는 189개의 샘플로부터 10X 멀티옴(단일 세포 전사체 및 크로마틴 접근성 데이터) 데이터를 생성하여 인간 뇌의 다양한 지역 별 다층 데이터를 생성하는 것을 목표로 하고 있다 [Lein 팀의 연구]. 둘째로 여러 공여자로부터 획득한 32개의 샘플로부터 단일 세포 전사체 및 3차원 크로마틴 입체 구조 데이터를 획득하여 유전형질 차이에 따른 개인별 분자 프로파일의 차이를 관측하는 것을 목표로 하고 있다 [McCarroll 팀의 연구]. 2024년 1월에 진행되었던 BICAN 워크샵은 YouTube에서 ‘From Single-Cell Genomics to Brain Function and Disorders—Data Integration and Annotation’으로 검색하면 시청이 가능하다.

3. 결론 및 전망

BRAIN Initiative가 보여준 성과는 현대 뇌 과학 연구의 새로운 패러다임을 제시했으며, 앞으로 다른 분야의 생물학 연구 역시 이와 비슷한 방향으로 나아갈 것이 분명하다. 특히 이 이니셔티브는 팀 과학의 중요성을 부각하며, 대규모 협력 프로젝트가 새로운 발견을 촉진할 수 있다는 점을 입증했다 [6]. 다양한 분야의 연구자들이 함께 참여해 데이터 생성부터 분석까지 여러 과정에서 긴밀히 협력한 결과, BRAIN Initiative는 세포 유형의 참조 데이터베이스를 구축하고, 이를 통해 신경계의 구조와 기능에 대한 이해를 크게 확장하였다.

또한, 대규모 참조 데이터의 구축은 미래 생물학 연구의 핵심 요소로 자리 잡을 것이다. BRAIN Initiative가 만들어낸 방대한 데이터 세트는 신경 과학 뿐만 아니라 다른 생물학 분야에서도 귀중한 자원이 되었으며, 특히 데이터의 오픈 액세스 정책은 연구자 간의 협력과 발견을 가속화 시켰다. 이러한 접근 방식은 향후 유전체학, 단일세포 생물학, 그리고 메타분석 연구에서 중요한 역할을 할 것으로 예상된다. 현재는 뇌 뿐만 아니라 다른 분야에서도 다학제적/국제적 협력연구를 토대로 인간의 다양한 세포 특성을 이해하고자 참조 데이터를 만드는 연구들이 존재한다(예, human cell atlas; HCA [15] 및 Human BioMolecular Atlas Program; HuBMAP [16] 등). 이러한 데이터의 존재는 질병 데이터와 통합하여 질병 발생 메커니즘 및 그 발생의 개인별 차이를 연구하는데 필수 요소가 될 것이다.

마지막으로, 컴퓨터 과학과 데이터 분석 기술의 발전이 생물학 연구의 필수적인 요소가 되고 있다. BRAIN Initiative는 물리학, 수학, 컴퓨터 과학 등 다양한 분야의 전문가들이 참여하여 복잡한 데이터를 분석하고 해석하였으며, 이를 통해 학문 간 경계를 허물고 새로운 연구 방법론을 제시했다. 특히 딥러닝 기반의 분석 기술은 수학, 컴퓨터 과학, 생물학의 다학제적 협력을 통해 발전해 왔으며, 현재의 대규모 생물학 데이터를 다루는 데 필수적인 도구로 자리 잡고 있다. BRAIN Initiative는 복잡한 뇌 세포 데이터의 분석과 해석에 딥러닝 기술을 적극 활용하고 있으며, 이러한 기술들은 특히 세포 유형 예측, 기능적 연결망 분석, 그리고 유전체 및 전사체 데이터의 패턴 인식 등에 있어 강력한 성능을 발휘하고 있다. 이와 같은 커뮤니티 중심 연구와 오픈 사이언스의 확산은 앞으로 생물학 연구의 표준이 될 것이며, 연구의 투명성과 재현성을 높이는 데 기여할 것이다. 따라서 BRAIN Initiative의 경험은 미래 생물학 연구의 방향성을 제시하며, 팀 과학, 대규모 데이터 구축, 컴퓨터 과학의 통합, 그리고 커뮤니티 중심의 협력이 핵심 요소로 자리 잡게 될 것이다 [6].

4. 참고문헌

==>첨부파일(PDF) 참조