단세포의 놀라운 지능: 대장균 화학주성의 이야기

 (jsomers.net)
1P by GN⁺ | ★ favorite | 댓글 1개
  • _E. coli_의 화학주성은 단일 세포가 영양분 농도 변화를 감지하고, 짧은 화학적 기억과 운동 제어로 더 유리한 방향을 찾아가는 과정임
  • 이동 전략은 전진 수영인 run과 방향을 무작위로 바꾸는 tumble의 비율 조절이며, CheY와 인산화된 CheY-p가 핵심 신호를 전달함
  • 유인물질 농도가 올라가면 CheY-p 흐름이 줄어 편모 모터 반전이 감소하고, 그 결과 tumble보다 run이 길어져 먹이 쪽으로 이동할 확률이 높아짐
  • 수용체의 메틸화는 현재 농도를 새 기준선으로 맞추는 적응 장치로, _E. coli_가 5자릿수 범위의 유인물질 농도에서도 작은 변화를 감지하게 함
  • 수용체 배열, 인산화/탈인산화 회로, 편모 모터, 단백질 확산, 개체별 분자 수 차이가 맞물리며 단일 세포가 물리적 컴퓨터처럼 동작함

_E. coli_는 run과 tumble로 방향을 고름

  • _E. coli_는 특정 화학물질을 감지하는 수용체로 유인물질을 감지하고, 편모 꼬리를 이용해 이동 방식을 바꿈
  • 이동은 두 상태의 조합으로 단순화할 수 있음
    • run: 여러 편모 모터가 같은 방향으로 회전해 꼬리들이 한 묶음으로 감기고 세포가 앞으로 나아감
    • tumble: 하나 이상의 모터가 반대 방향으로 돌면서 꼬리 묶음이 풀리고 세포가 무작위 방향으로 회전함
  • 균일한 화학 환경에서는 run과 tumble이 섞인 무작위 보행을 함
    • 기본적으로 run은 약 1초 지속됨
    • tumble은 run보다 약 10배 짧음
  • run과 tumble의 비율은 탐색과 이용 사이의 균형을 맞춤
    • run이 너무 길거나 잦으면 먹이를 지나칠 수 있음
    • run이 너무 짧거나 드물면 먹이를 찾기 어려움

CheY와 CheY-p가 운동 결정을 전달함

  • 핵심 신호 분자는 CheY임
    • CheY는 세포질 안을 돌아다니며 수용체 복합체와 편모 모터 사이에서 정보를 운반함
    • 수용체 복합체와 만나면 일정 비율로 인산화되어 CheY-p가 됨
  • CheY-p는 CheY와 달리 편모 모터에 강하게 결합함
    • 충분한 CheY-p가 모터에 붙으면 모터 회전이 반전됨
    • 회전 반전은 tumble로 이어짐
  • 유인물질 농도가 증가하면 CheY가 CheY-p로 바뀌는 흐름이 약해짐
    • CheY-p가 줄면서 모터에 결합하는 CheY-p도 감소함
    • 모터 반전과 tumble이 줄어듦
    • 세포는 더 오래 run하며 유인물질 쪽으로 이동할 확률을 높임
  • 이 신호 흐름은 화학적 증폭기처럼 작동함
    • 세균 세포는 신호를 50배 이상 증폭할 수 있음
    • 수용체 점유율 2% 변화가 편모 모터 출력 100% 변화로 이어질 수 있음
    • 세포 부피당 3개 미만의 분자 변화도 감지할 수 있음

메틸화는 현재 농도를 새 기준선으로 만든다

  • 유인물질 증가에만 반응하는 단순한 시스템이라면 농도가 크게 높아졌을 때 쉽게 포화될 수 있음
  • 실제 _E. coli_는 유인물질 농도 5자릿수 범위에서 민감하게 반응함
    • 세포는 현재 도달한 농도를 새 정상 상태로 취급함
    • 그 상태에서 작은 증가가 다시 민감한 반응을 촉발함
  • 이 적응은 수용체 구조의 메틸화와 관련됨
    • 유인물질이 수용체에 결합하면 수용체의 지지 구조가 형태를 바꿈
    • 구조의 포켓이 열리며 메틸기가 결합할 수 있게 됨
    • 메틸화가 진행되면 수용체의 신호 전달력이 완화되어, 같은 반응을 끌어내려면 더 많은 유인물질이 필요해짐
  • 수용체마다 여러 메틸화 위치가 있고, 수용체마다 여러 지지 구조가 있어 감쇠 수준을 넓게 조절할 수 있음
  • 수용체 메틸화 수준은 단순한 화학적 기억으로 작동함
    • _E. coli_는 주변 유인물질 농도가 최근 몇 초 동안 증가했는지 감소했는지를 내부 화학 수정 상태로 저장함
    • 이 정보는 현재 헤엄치는 방향이 유리한지 불리한지 판단하는 데 쓰임

인산화와 탈인산화가 빠른 조절 회로를 이룸

  • 화학주성 회로는 단백질을 계속 수정하고 되돌리는 동적 시스템임
    • CheA는 CheY를 인산화해 CheY-p로 만듦
    • CheZ는 CheY-p를 탈인산화해 CheY로 되돌림
    • CheR은 수용체를 메틸화함
    • CheB는 수용체에서 메틸기를 제거함
  • 이런 회로는 겉으로는 에너지를 낭비하는 순환처럼 보이지만, 세포에는 빠르게 조절 가능한 장치가 됨
    • 인산화와 탈인산화 흐름이 계속 돌고 있어 한쪽 반응을 낮추거나 높이면 활성 단백질 농도가 빠르게 바뀜
    • 긴 생산 경로로 새 단백질을 만드는 것보다 반응 속도를 빠르게 조정할 수 있음
  • 인산화/탈인산화 조절은 생명 전반에서 매우 일반적임
    • 인간 단백질의 약 30–50%는 공유 결합된 인산기를 포함함
    • 전형적인 포유류 세포는 특정 순간에 수백 종류의 단백질 키나아제를 사용함
  • 화학주성에서 이 순환 속도는 세포가 유인물질 수준 변화에 반응하는 속도를 정함
    • 유인물질이 추가되면 CheY가 CheY-p로 바뀌는 흐름이 줄어듦
    • 탈인산화는 계속 진행되어 CheY가 늘어남
    • CheY가 늘면 tumble이 줄고 run이 늘어남

수용체는 형태 변화로 외부 신호를 내부에 전달함

  • E. coli 세포막에는 유인물질별로 특화된 수용체 단백질이 박혀 있음
    • 예를 들어 아스파르트산을 감지하는 수용체는 아스파르트산 분자가 잘 맞는 틈을 가짐
    • _E. coli_에는 이런 유인물질 특이적 감각 단백질이 5~6개 있음
  • 수용체는 세포막 바깥쪽 감각 부위와 세포 안쪽의 CheW, CheA 신호 단백질을 연결함
    • 수용체 전체 길이는 약 350옹스트롬, 즉 35나노미터임
    • 이런 구조는 X선 회절, 저온 전자현미경 같은 방법으로 조사됨
  • 단순화하면 수용체 복합체는 큰 피스톤처럼 작동함
    • 아스파르트산이 외부 감각 부위에 결합함
    • 수용체 기둥 구조가 미묘하게 형태를 바꿈
    • CheY를 인산화해야 하는 CheA 키나아제가 비활성 상태로 고정됨
  • 수용체 복합체들은 E. coli 몸 앞쪽 근처에 큰 배열을 이루며, 단면에서는 육각형 패턴처럼 보임
  • 사람의 후각도 비슷한 원리를 가짐
    • 냄새 분자는 코 안의 특정 수용체 단백질에 결합함
    • 인간은 냄새 수용체 단백질을 수백 개 가짐
    • 개는 1,000개가 넘는 후각 수용체 유전자를 가짐

세포 안 신호 전달은 빠른 확산과 충돌에 의존함

  • CheY-p는 특정 경로로 모터까지 유도되는 대신, 세포질 안에서 확산하다가 가까워졌을 때 결합함
  • 세포 내부는 매우 조밀하지만 분자들은 빠르게 움직임
    • 전형적인 세균 세포에서 한쪽 끝의 효소와 반대쪽 끝의 당 분자는 평균적으로 약 1초 안에 한 번은 부딪힐 수 있음
    • 세포 안의 어떤 분자도 몇 초 안에 거의 모든 다른 분자를 만날 수 있음
  • 이런 환경에서는 단백질 형태 변화와 결합 친화도가 매우 중요함
    • 세포 안 분자들은 끊임없이 서로 접근하고 결합 가능성을 시험함
    • CheY-p와 CheY의 차이는 모터 단백질에 대한 결합 가능성을 크게 바꿈
  • _E. coli_가 유인물질에 반응할 때 속도를 제한하는 단계는 CheY-p가 수용체 근처에서 모터까지 확산하는 시간임
    • 이 시간은 약 0.1초임
    • 형광 표지된 CheY를 이용해 살아 있는 E. coli 안에서 이동을 추적한 실험도 있음

편모 모터는 CheY-p 결합으로 회전 방향을 바꿈

  • 편모 모터는 정교한 분자 나노기계임
    • 에너지 효율은 거의 100%에 가까움
    • 약 초당 1,500회 회전함
    • 모든 분자 나노기계처럼 자체 조립됨
  • 모터 밑부분에는 FliG, FliM, FliN 단백질이 있음
    • CheY-p는 도착하면 이 단백질들에 결합함
    • 하나의 CheY-p만으로는 모터 방향을 바꾸기에 충분하지 않음
    • 여러 CheY-p가 결합해야 반시계 방향에서 시계 방향으로 전환되어 tumble이 일어남
  • 모터는 단순한 양자 상태가 아니라 여러 회전 상태를 가짐
    • 반시계 방향으로 빠르게 도는 상태부터 속도가 줄어드는 단계들이 있음
    • 정지 상태를 거쳐 시계 방향의 여러 속도 상태로 넘어갈 수 있음
  • 제안된 방향 전환 메커니즘은 FliM과 FliGc의 형태 변화에 기반함
    • CheY-p가 FliM에 결합함
    • FliM이 기울고 연결된 FliGc가 90도 회전함
    • FliGc가 회전부와 고정부 사이의 접점에서 반대 방향 구동을 유도함
  • CheY-p가 결합해도 CheZ가 이를 제거할 수 있어 효과는 계속 되돌려짐
    • 추가 신호가 없으면 세포는 빠르게 기준 상태로 돌아감

모터 하나의 반전도 tumble을 만들 수 있음

  • run 상태에서는 여러 편모가 같은 방향으로 움직이며 하나의 묶음을 형성함
  • 편모 묶음은 단순한 프로펠러가 아니라, 나선형 꼬리가 회전하며 점성 유체 속에서 추진력을 만드는 구조에 가까움
  • 별도의 편모 필라멘트들이 같은 위상으로 가까이 회전하면 서로 감기며 묶일 수 있음
    • 한 연구는 속이 빈 Tygon 튜브를 만드렐에 감고 에폭시로 채워 거시적 편모 모델을 만들었음
    • 스테퍼 모터로 반시계 회전을 구동해 편모 묶임을 실험함
    • 각 나선이 만드는 흐름장이 다른 나선을 기울여 서로 감기는 방식으로 묶임을 만들었음
  • 모터 하나가 반대 방향으로 돌면 편모 묶음이 풀리고 세포 전체가 tumble 상태로 들어감

같은 유전자를 가진 세포도 다르게 움직임

  • E. coli 집단은 완전히 동일한 행동을 하는 균질한 덩어리가 아님
  • 1976년 Nature 논문은 Salmonella와 Enterobacter의 화학주성에서 비유전적 개체성을 다룸
    • 같은 균주라도 attractant가 있거나 없는 환경에서 반응 차이가 나타남
    • 당시에는 정확한 조절 메커니즘을 몰랐지만, tumble 조절 인자의 수 차이가 행동 차이를 만들 수 있다고 가정함
  • 이후 밝혀진 메커니즘은 이 생각과 맞아떨어짐
    • 수용체 메틸화를 조절하는 CheR 단백질은 세포 안에 약 100개만 있음
    • CheB와 함께 적응 및 반적응 속도를 조절함
    • 전체 세포에는 약 1,000만 개 단백질이 있지만 CheR은 매우 적기 때문에 몇 개 차이만으로도 행동에 큰 영향을 줄 수 있음
  • 최근 실험은 형광 현미경으로 E. coli 세포별 개체성을 정량화함
    • 이 개체성은 유전자 발현 차이뿐 아니라 신호 네트워크 동역학에서도 생김

화학주성 메커니즘을 밝혀낸 실험들

  • 살아 있는 세포 안 모든 활동을 한 번에 직접 관찰하는 기술은 아직 없음
    • 세포질 속 단백질이 빽빽하게 들어찬 그림은 엄밀한 연구에 기반한 예술적 합성임
    • 전체 과정을 한 장면의 영상으로 직접 촬영한 것은 아님
  • 주요 실험 접근은 유전학적 방법임
    • 유전자를 하나씩 방해하고 돌연변이 _E. coli_의 행동을 관찰함
    • CheY, CheZ, CheW 같은 이름은 해당 유전자가 제거될 때 화학주성 결함을 일으킨다는 데서 출발함
  • 시험관 내 단백질 실험도 사용됨
    • CheA, CheY, 인산기와 반응물을 함께 넣고 인산화 여부와 양을 관찰할 수 있음
    • 1990년 Cell 논문은 방사성 인산을 추적자로 사용함
    • 형광 단백질이나 항체를 이용해 단백질 위치와 동역학을 관찰할 수도 있음
  • 구조생물학은 결합 부위의 물리적 메커니즘을 밝히는 데 쓰임
    • X선 결정학
    • 핵자기공명 영상
    • 저온 전자현미경
    • 초해상도 광학현미경
    • 원자 수준 분자동역학 시뮬레이션
  • 1972년 Howard Berg와 Douglas Brown은 자체 설계한 3차원 추적 현미경으로 세균의 run과 tumble을 관찰함
    • 당시 논문에서는 tumble 대신 “twiddle”이라는 표현을 사용함
  • 편모 추진의 물리학은 편모를 현미경 슬라이드에 고정하는 방식으로도 연구됨
    • 고정된 상태에서는 꼬리가 몸체를 돌리므로 세포 몸체 회전 속도를 측정할 수 있음
  • 편모 모터가 양성자 구동력으로 움직인다는 점은 전기적 퍼텐셜의 존재 여부에 따른 run과 twiddle 변화를 측정한 1977년 논문에서 알려짐
    • 여러 조건에서 회전 세기를 관찰한 결과, 회전은 양성자 흐름과 강하게 결합되어 있음
    • 한 바퀴 회전에 약 500개의 양성자가 쓰임

컴퓨터 모델은 가정을 검증 가능한 형태로 바꿈

  • E. coli 화학주성은 “in silico” 생물학의 초기 주요 사례 중 하나임
  • 컴퓨터 모델은 가정을 명시적으로 정리하게 만듦
    • 모델을 만들려면 각 구성 요소와 상호작용을 구체적으로 적어야 함
    • 모델이 작동하면 가정 변형을 시험할 수 있음
  • Dennis Bray의 모델은 화학주성 경로 구성 요소가 삭제되거나 과발현된 60개 이상의 돌연변이에 대해 올바른 표현형을 냄
  • 모델을 맞추는 과정에서 새로운 실험 방향도 생길 수 있음
    • 짧은 자극에 대한 반응을 맞추기 위해 CheR과 CheB 적응 효소 활성을 기존 문헌 값보다 최소 한 자릿수 높여야 했음
  • 화학주성 연구에는 실용적 응용 가능성도 있음
    • 세균의 화학주성 신호 경로를 이해하면 이를 교란하는 방식의 항생제 연구로 이어질 수 있음
    • 화학주성 경로를 이용해 암세포나 환경 폐기물을 찾아가는 “지능형 탐지기”를 만들 가능성도 있음
  • 더 넓게는 세균의 2성분 조절 경로가 세포분열, 병원성, 항생제 내성, 대사물 고정과 이용, 환경 스트레스 반응, 포자 형성, taxis 같은 다양한 기능을 제어함

함께 보면 좋은 글 β

GN⁺   [-]
Hacker News 의견들

  • John Holland의 "Hidden Order"를 책이 아니라 복잡적응계를 만드는 방법으로 읽으면 핵심은 몇 가지로 줄어듦: 환경, 여러 개체, 개체들이 상호작용할 수 있는 읽기/쓰기 메시지 버스, 그리고 각 개체의 규칙과 센서
    이걸 합치면 사고 또는 지능이 됨. RIP 라우팅 프로토콜도 복잡적응계인지 물어볼 수 있음
    문제의 일부는 사고방식에 있음. 나는 한 사람이지 복잡적응계가 아니라고 생각하지만, 실제로는 개체들로 이루어져 있고 메시지 버스가 있으며 개체들이 감지·행동·상호작용함
    개미 더미와 개미 군집의 차이는 무엇인지, 똑똑한 것은 개미인지 군집인지 같은 질문은 언어가 사고를 제한하는 Sapir-Whorf식 문제일 수도 있음

    • 인간 뇌의 좌우 반구 특화에서도 비슷한 점이 보임. 두 반구 사이에 버스가 있지만 그 통신이 끊기면, 하나의 사고 과정처럼 느끼는 많은 것이 사실은 독립적인 계산 개체들의 묶음이고, 그 위에 실제로는 존재하지 않는 통일성을 만드는 운영체제 계층이 얹혀 있음을 볼 수 있음
    • 인간의 적응계는 환경에 대한 매우 복잡한 모델을 갖고 있음. 자신을 환경 속 행위자로 모델링하고 그 행위자의 일부를 자기 자신으로 동일시함
      “일부”라고 하는 이유는, 적응계가 수행하는 사고와 행동 중에는 자신이라고 동일시하지 않는 것이 엄청나게 많기 때문임
    • 인간은 보통 외부 자극과 환경, 특히 다른 사람들과의 상호작용이 갖는 중요성을 낮게 평가함
      도시에 살고 많이 이동하지 않을수록 더 그렇고, 아주 먼 장소와 문화로 이동해 자기 문화가 최고라고 가정하지 않으면 뇌에서 더 많은 것이 작동하기 시작함
    • “자아”가 이해되는 척도를 말하는 것이라면, 의식 이론을 모으는 입장에서 이 이론이 흥미로울 수 있음: Information Closure Theory of Consciousness (2020) https://www.researchgate.net/publication/342956066_Informati...
      이 Reddit 댓글이 논문보다 더 잘 요약해 줌: https://www.reddit.com/r/MachineLearning/comments/dco3t1/com...
      의식은 특정 척도에서 일어나는 것처럼 보이며, 개별 세포의 잡음 많은 확률적 활동보다는 뉴런 집단에서 나오는 거시적 패턴과 활동에 공변하는 듯함. 얼굴 인식이나 발화 인식, 정밀한 운동 제어를 어떻게 처리하는지는 의식하지 못하고 훨씬 높은 척도에서만 의식하지만, 미국 같은 너무 거시적인 척도에 의식이 있다고 보지는 않음
    • 약간 비껴서 보면, 자아감도 주변에 서사가 형성되며 구성되는 것이고, 동시에 분리된 자아감 없이 세계를 경험하는 방식도 있음
      복잡적응계는 중첩될 수 있음. 인간 가족, 공동체, 사회, 정부는 모두 더 큰 게슈탈트를 이루고, 인간 자신도 그 안에 포함된 복잡적응계임

  • 이런 주제가 좋다면 Siddhartha Mukherjee의 “The Song of the Cell”을 강력 추천함. 생물학이라는 주제를 접근 가능하게 만들어 준 최고의 책 중 하나였음
    https://www.amazon.com/Song-Cell-Exploration-Medicine-Human/...

    • 그는 훌륭한 이야기꾼이고, 다른 성공적이고 흥미로운 책도 두 권 있음: 암 연구를 다룬 “The Emperor of All Maladies”는 Pulitzer를 받았고, “The Gene”은 유전학 분야의 진화와 발견, 최신 사고를 다룸
    • 이 책은 이전 책 “The Gene”에서 다루지 않은 어떤 내용을 이야기하는지 궁금함

  • 고등학교 생물학이 사물의 이름을 외우는 데 치우쳐 있었다는 데 전적으로 동의함. 이렇게 방대한 과목을 교과서가 끝없는 지식 목록을 가리키는 방식으로 망쳐 놓을 수 있음
    흥미로운 예시 한두 개에 집중하면 초등학교에서도 꽤 정교한 생물학을 가르칠 수 있었을 텐데, 지루해하는 사람보다 영감을 받는 사람이 훨씬 많아졌을 것 같음

    • Richard Feynman의 “Surely You're Joking, Mr. Feynman!”에도 이와 관련된 좋은 논의가 있음
      같은 주제와 거의 같은 질문을 해도 학생들이 한 번은 즉시 답하고 다음에는 전혀 답하지 못하는 이상한 현상을 발견했다는 대목임
      그는 “내 강연의 주된 목적은 브라질에서 과학이 전혀 가르쳐지지 않고 있음을 보여 주는 것”이라고 말함
      https://v.cx/2010/04/feynman-brazil-education
    • 여기에는 전혀 동의할 수 없음. 생물학, 특히 미생물학은 놀라울 정도로 복잡함
      예를 들어 생물학의 중심 원리는 DNA가 RNA로 해독되고 RNA가 단백질로 해독된다는 정보 전달의 아이디어임. DNA 구조와 기능, RNA의 여러 하위 유형, 해독 단백질, Slicer와 Dicer, 세 글자 코돈과 아미노산, mRNA의 핵 밖 이동 등을 단계별로 다룰 수 있음
      하지만 방금 말한 중심 원리의 상당 부분은 이제 그대로 참이라고 보기 어려움. 현대 미생물학의 거의 전부가 중심 원리의 “예외”를 다루며, RNA와 단백질 사이에 실질적인 차이를 말하기 어려운 지점까지 왔음. 매주 세포의 흔한 부분을 이해하는 데 중요한 RNA-단백질 하이브리드 관련 논문이 새로 나오는 수준이라, 중심 원리는 거짓말이라기보다 유용한 허구에 가까움
      “for 루프”가 인터넷의 작동 방식이라고 말하는 것과 비슷함. 인터넷에 for 루프가 있고 중요하며 배워야 하는 건 맞지만, for 루프에 대한 흥미로운 예시 한두 개로 인터넷을 가르칠 수는 없음
      생물학을 이해하는 것은 어렵고, 40억 년 넘는 생사의 결과물임. 몇 가지 예시로 끝낼 수 없고, 12학년 수준의 이해도 1년 과정이 필요하며 그래도 넓은 분야로 들어가는 최소한의 출발점일 뿐임. 이름과 사실을 배우고, 방대한 정보를 연결하는 힘든 작업이 필요함. 오락형 교육이 아니라 노력이 필요함
    • 교육과정은 예전 방식으로 배운 교사들이 만들었고, 연공서열과 고착화 때문에 기존 믿음에서 벗어나자고 나설 사람이 없었던 셈임

  • 이런 단세포 복잡성과 지능은 AGI 논쟁에서 오래전부터 내 단골 주제였음. 현재의 LLM 열풍 훨씬 전에도 사람들은 뇌의 뉴런 수를 세며 “몇 년 안에 뇌의 계산 능력을 가진 기계가 나온다”는 식의 대담한 주장을 했음
    하지만 뇌의 각 뉴런은 당황스러울 만큼 복잡하고, 그 복잡성이 사고와 지능으로 어떻게 나타나는지 아직 잘 모름. 물리와 사물 간 상호작용을 생각하면 뇌의 모든 세포는 오늘날 쓰는 LLM보다 더 복잡함. 물론 각 세포가 LLM과 같은 출력을 낼 수 있다는 뜻은 아니고, 전체 시스템에 기여하는 행동의 복잡도가 그만큼 크다는 뜻임

    • 단일 뉴런이 가진 계산 기능의 범위를 설명하는 책 “Biophysics of Computation: Information Processing in Single Neurons”가 이런 관념에 도전함
      개별 신경세포가 시냅스 입력을 곱하고, 통합하고, 지연시킬 수 있으며 정보가 막 전압, 세포 내 칼슘 농도, 개별 스파이크의 타이밍에 인코딩될 수 있음을 세포 생물물리학의 실험·이론 결과로 보여 줌
      https://www.amazon.com/Biophysics-Computation-Information-Co...
    • 인공신경망의 뉴런 수는 어떤 면에서는 과소평가된다고 느낌
      예를 들어 합성곱 신경망에서 커널의 총 가중치는 입력 채널 수 × 커널 크기 × 필터 수라서 3×3 커널, 3채널, 128필터라면 3,456개 매개변수에 불과함. 하지만 같은 필터가 전체 2D 입력 특징 맵에 스트라이드되므로, 1280×720 HD 이미지에 양방향 스트라이드 2를 쓰면 230,400번 적용되고 유효 매개변수 활성화 수는 796,262,400이 됨
      합성곱 신경망은 인간 시각 피질에서 일부 영감을 받았다는 점이 오래전부터 알려져 있음 [0]. 빠르게 동작해야 하는 인간 시각 피질에서는 단일 커널의 매개변수 공유가 불가능하고, 가중치가 어느 정도 병렬화되어 뇌 안에 복제되어야 할 가능성이 큼. 이 점에서는 인공신경망이 유리함
      인간 뇌의 뉴런은 지속적인 세포 복구 때문에 어느 정도 중복성을 가져야 하고, 컴퓨터 메모리의 직접 갱신과 달리 Hebbian 학습으로만 갱신되는 듯함. 또한 인간 뇌의 큰 부분은 운동·촉각·공포·질투·욕망 같은 환경적·비논리적 이유를 위한 것이며, 인공신경망은 편도체의 투쟁-도피 반응 같은 부분을 같은 방식으로 가질 필요가 없음
      [0] https://msail.github.io/post/cnn_human_visual/
    • 반대로, AI가 위험하기 위해 지능적일 필요는 없음. 바이러스를 생각해 보면 됨
    • 사실 특정 세포 내부의 메커니즘에 대해서도 아는 것이 매우 적음. 많은 과정의 결과는 설명할 수 있지만, 목숨이 걸려 있어도 그 과정을 복제하지는 못함
    • 뇌는 기본적으로 중심 인물이 들어 있는 Matrix 같은 시뮬레이션을 돌리는 셈이고, AGI에는 사고하는 부분만 시뮬레이션하면 되니 더 단순한 문제임. 다만 얼마나 더 단순한지는 알 수 없음

  • John Bonner의 훌륭한 책 “The Evolution of Culture in Animals”를 통해 단일 세포도 “학습”과 “문화”를 보일 수 있다는 아이디어를 접했음
    Bonner는 동물 사이의 단절이나 인간을 범주적으로 별개로 두는 대신, 문화와 학습 모두를 연속체로 보는 관점을 세움. 물론 차이는 있음
    https://press.princeton.edu/books/paperback/9780691023731/th...
    이 글은 말하자면 그 토끼굴을 깊이 파고 들어감

  • 이런 내용이 좋다면 뇌의 단일 뉴런 복잡성을 다룬 “Information Processing in Single Neurons”라는 책도 있음
    https://www.amazon.com/Biophysics-Computation-Information-Co...

  • 이 과정의 모델을 만드는 데 필요한 수학이 모두 들어 있는 2013년 전체 공개 리뷰가 있음: “Quantitative modeling of bacterial chemotaxis: Signal amplification and accurate adaptation, Yuhai Tu”
    https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3737589/
    핵심은 수용체 협동성과 정확한 적응이 단순한 수학 모델로 정량 설명 가능하고, 신호 증폭과 적응을 함께 포함한 “표준 모델”이 시간에 따라 변하는 임의 자극에 대한 E. coli의 반응을 정량 예측한다는 것임
    지수 램프는 메틸화율 함수 F(a)를 통해 램프율에 의존하는 활동 변화를 만들고, 진동 신호 반응은 저주파 영역에서 E. coli가 시간 미분을 계산함을 보여 줌. 또한 E. coli는 리간드 농도의 로그를 기억하며, E. coli 주화성에서 Weber-Fechner 법칙이 성립함
    신호 증폭 메커니즘으로 수용체 복합체의 협동적 상전이도 다루며, 물리학의 Ising 강자성 스핀-스핀 상호작용과 같은 모델을 사용함

  • 살아 있는 세포 내부의 모든 활동을 관찰할 기술이 아직 없다는 대목에서, 세포 안의 모든 원자 지도를 만드는 데는 얼마나 가까운지 궁금함
    물 1ml에는 1E23개의 원자가 있고, E. coli는 대략 500nm × 500nm × 1µm이므로 세포 전체에는 원자가 약 2E10개뿐임
    세포 전체를 얼린 뒤 전자빔으로 원자를 하나씩 떼어내고 질량으로 식별하는 식이 가능할까?

    • 꽤 가까이 와 있음. TEM 현미경 기술은 시료를 기울여 여러 선을 얻고, 이를 3D 모델로 재구성함
      다만 말도 안 되게 비싸고, 실제로 식별할 수 있는 것은 보통 전체 단백질 수준임. 그래도 맥락 안에서 볼 수 있다는 점은 엄청나게 큼
    • 여기서 핵심 단어는 활동임. 세포를 얼려 원자 단위까지 매핑하더라도, 바로 다음 상태로 어떻게든 얼린 세포를 다시 매핑해야 하고 그 과정을 계속 반복해야 함
      어떤 해상도가 의미 있는지, 어떤 과정의 어떤 분기를 따라가고 싶은지도 문제임

  • 무작위로 회전한 뒤 직진하는 방식은 1세대 Roomba의 논리를 조금 떠올리게 함

  • 끝부분의 “How did we figure all this stuff out?” 섹션이 정말 놀라움
    자연의 척도 불변성도 여기서 분명히 보임. 세포는 인간 척도에 비해 “작지만”, 인간 척도에 존재하는 어떤 기계만큼이나 복잡함. 자연에는 절대적인 작음이나 큼이 없음

    • 마지막 섹션이 글을 “흥미롭다”에서 “와, 훌륭하다”로 끌어올림. 단순히 계시된 지식을 던지는 게 아니라, 지식의 한계까지 보여 주려 함
      in silico 실험은 분야 밖 사람들에게는 과소평가될 수 있음. 계산 능력 향상이 이 분야를 어떻게 바꿔 왔고 앞으로도 바꿀지 분명함. 무작위 분자를 찔러 보거나 페트리 접시에서 위험한 것을 키우는 방식에서, DNA 기반 빠른 컴퓨터 시뮬레이션으로 넘어가는 것은 학습 속도 면에서 큰 도약임
    • 우리가 아는 한 Planck 척도에는 절대적으로 작은 한계가 있을 것임. 우주론에는 은하나 은하단을 훨씬 넘어서는 절대적으로 큰 척도도 있음
    • 확실히 매우 진화한 박테리아임. 아직 다세포 군집을 형성하는 법은 알아내지 못했고, 앞으로도 그러길 바람
      척도에는 물리적 한계도 있음. 뼈가 지탱할 수 있는 무게에는 한계가 있고, 화학 과정도 예를 들어 최대 에너지 소산율 같은 제약을 받음
    • 인간이 만든 어떤 것보다 훨씬 복잡하지만, 엄청난 수의 세포로 이루어진 인간만큼 복잡한 것은 아님
답변달기