전체 대뇌 피질 in situ sequencing으로 밝혀낸 입력 의존적 영역 정체성
![[EzV] Whole-cortex in situ sequencing reveals input-dependent area identity](https://scienceeasyview.com/wp-content/uploads/2024/05/EzV-Whole-cortex-in-situ-sequencing-reveals-input-dependent-area-identity.png)
Abstract
대뇌 피질은 다양한 유전자 발현을 가진 뉴런 유형으로 이루어져 있으며, 이들은 각기 다른 특징을 가진 피질 영역에 조직되어 있습니다. 이 영역들은 각각의 특징적인 세포구조, 연결성 및 뉴런 활동을 가지고 *모듈식 네트워크로 연결되어 있습니다. 하지만 이러한 공간적 조직이 뉴런의 전사체 발현 특징에 어떻게 반영되는지, 그리고 이러한 특징이 두뇌 발달 과정에서 어떻게 형성되는지는 아직 명확하지 않습니다.
이 연구에서는 BARseq이라는 high-throughput in situ sequencing 기술을 사용하여, 9마리의 mouse 전뇌 반구에 걸쳐 약 420만 개의 피질 뉴런을 포함한 1300만 개의 세포에서 104가지의 cell-type marker gene의 발현을 조사했습니다. 단일 뉴런의 유전자 발현 클러스터링을 통해 이전 single-cell RNA sequencing 연구와 일관된 전사체 유형이 밝혀졌습니다. 전사체 유형의 구성은 피질 영역의 정체성을 예측하는 데 매우 유용했습니다. 또한, 연구진들이 ‘피질 모듈(cortical module)’로 정의한 전사체 유형 구성이 유사한 영역들은 서로 연결이 잘 되어 있어, 모듈식 조직이 *전사체 시그니쳐와 연결성 모두에 반영되는 것으로 나타났습니다. 피질 뉴런의 전사체 구성이 발달 과정에서 어떻게 달라지는지 알아보기 위해, 신생아 시기에 양안을 제거한 후 세포 유형 분포를 평가했습니다. 여겨볼 만한 점은, 이 시술은 시각 영역의 세포 유형 구성 프로파일을 같은 모듈 내의 인접 피질 영역으로 변화시켰으며, 이는 주변 입력이 피질 모듈 내 영역의 독특한 전사체 정체성을 명확하게 하는 데 중요한 역할을 한다는 것을 시사합니다.
BARseq의 high-throughput한 특징, 저비용 및 재현성을 바탕으로, 이들의 연구는 뇌 전체의 분자 구조를 밝히고 그 발달을 이해하기 위한 대규모 in situ sequencing 사용의 원리를 증명합니다.
* 모듈식 네트워크(modular network): 특정 기능을 수행하는 뉴런 그룹이 서로 긴밀하게 연결된 뇌의 구조적 단위
* 전사체 시그니쳐(Transcriptomic signature): 특정 세포나 조직에서 발현되는 유전자들의 집합
Figures
BARseq maps brain-wide gene expression
– 대뇌의 뉴런 분포를 확인하기 위해 104가지의 cell-type marker gene의 발현을 측정한 결과를 보여줍니다.
![[Fig.1] Whole-cortex in situ sequencing reveals input-dependent area identity](https://scienceeasyview.com/wp-content/uploads/2024/05/Fig.1-Whole-cortex-in-situ-sequencing-reveals-input-dependent-area-identity.png)
[Figure 1] BARseq를 통해 두뇌 전반의 유전자 발현을 밝히다
(A) 40개로 나눈 두뇌 슬라이드의 mRNA 발현을 확인한 이미지 결과(아래) 및 3가지 대표적인 슬라이스의 확대 이미지(위).
(B) (A)에 검정색으로 표시된 부분의 확대 부분으로, 각자 (좌) ‘decoded genes’, (중) ‘cell segmentations’를 나타냄. (우) 클로즈업 이미지를 통해 나타낸 부분의 ‘last sequencing cycle’, ‘hybridization cycle’, ‘decoded genes’ 및 ‘cell segmentation’을 세부화하여 보이는 그림.
(C) 사용한 데이터에 따른 Single-cell 클러스터 배정의 성능.
[Fig. 1A] 해당 figure를 제작하기 위한 cell-type marker gene 104종은 Supplementary table 1을 참고해 주세요.
[Fig. 1B] 해당 논문에서는 ‘last sequencing cycle’, ‘hybridization cycle’, ‘decoded genes’ 등을 기반으로 대뇌 이미지를 생성했습니다. 논문에서는 세포 분류를 계층에 따라 진행했는데, H1(흥분성, 진정성 뉴런), H2(H1 type 내의 ‘subclass’ 분류), H3(각 H2 type 내의 ‘cluster’ 혹은 ‘type’)으로 분류하여 세분화하였다고 되어 있으나, 해당 figure 내 제시된 명칭에 대한 구체적인 설명은 제공되지 않습니다. 일반적으로는 각각 다음을 의미합니다.
- Last sequencing cycle: sequencing 과정에서 transcriptome이 읽히는 cycle의 횟수
- Hybridization cycle: 특정 RNA 시퀀스에 결합하는 형광 표지된 뉴클레오티드가 RNA 또는 DNA template에 결합하는 과정
- Decoded genes: sequencing과 hybridization으로 얻은 데이터를 분석하여 어떤 유전자가 발현되었는지를 결정하는 과정
- Cell segmentation: 표현된 유전자 프로파일을 기반으로 세포를 유형별로 분류하는 분석 단계
[Fig. 1C] Single-cell clustering을 진행할 때 H2 및 H3 분류에 대해 각각 4가지 input으로 진행하여 성능을 비교한 것입니다. (전체 trancriptome, 상위 principle components(PCs), 104-gene panel + subsampling 정보, 무작위 레이블)
BARseq distinguishes neuronal types
– 해당 파트에서는 뉴런들의 transcriptomic type을 구분하기 위해 single-cell 유전자 발현데이터를 기반으로 de novo 및 계층적 클러스터링을 진행했습니다.
![[Fig.2] Whole-cortex in situ sequencing reveals input-dependent area identity](https://scienceeasyview.com/wp-content/uploads/2024/05/Fig.2-Whole-cortex-in-situ-sequencing-reveals-input-dependent-area-identity.png)
[Figure 2] BARseq을 통해 대뇌 피질의 흥분성 뉴런에 대한 유전자 발현 및 공간 분포를 포착하다
(A) 계층적 클러스터링의 모식도.
(B) 대표 슬라이스에서의 유전자 발현(좌) 및 H1 cluster(우)에 대한 이미지.
(C) 흥분성 뉴런의 유전자 발현에 따라 UMAP clustering을 진행한 결과이며, 색칠은 H2 clustering으로 진행함.
(D) 대뇌 피질 중 흥분성 H3 세포에서 관측된 marker gene 발현.
(E) BARseq H3 type 및 scRNA cell type간의 교차 시각화(Jaccard index 활용).
[Fig. 2A] 단일 세포 전사체 데이터를 바탕으로 뉴런을 H1, H2, H3 유형으로 계층적으로 분류하는 과정을 나타냅니다.
[Fig. 2B] 여러 뉴런 클러스터가 특정 해부학적 구조와 연관되어 있음을 보여줍니다. 예를 들어, 특정 클러스터가 시상의 측면 그룹과 복부 그룹, 내층 핵, 내측 및 외측 편도체, 선조체, 외측 팔리듐 등에서 풍부하게 발견됩니다.
[Fig. 2C] 각기 다른 H2 유형의 뉴런이 어떻게 분포하는지 보여주는 UMAP 플롯입니다. 뉴런 유형 간의 유전적 유사성과 분리를 시각적으로 나타냅니다.
[Fig. 2D] 각 H2 및 H3 유형에서 발현되는 주요 마커 유전자를 보여줍니다. 예를 들어, Cux2는 표면층 IT 및 Car3 뉴런에서 주로 발현되며, Fezf2는 NP 및 L5 ET 뉴런에서 발현됩니다.
[Fig. 2E] 각 H2 및 H3 유형이 이전 단일 세포 RNA 시퀀싱 연구에서 식별된 참조 전사체 유형과 얼마나 일치하는지 보여줍니다. 예를 들어, H3 유형 PT AUD가 청각 피질과 외측 피질 영역에서 발견되고, 이와 일치하는 scRNA-seq 클러스터와의 연관성을 보여줍니다.
Gene expression patterns across the cortex
– 유전자 발현은 대뇌피질의 영역에 따라 매우 다르지만, 흥분성 뉴런 기준 H2 types(세포 유형)를 본다면 그 유사성이 짙어 영역 별 gene expression의 차이를 확인하기 어렵습니다. 해당 파트에서는 gene expression을 영역 별로 포착하기 위한 실험을 보입니다.
![[Fig. 3a] Whole-cortex in situ sequencing reveals input-dependent area identity](https://scienceeasyview.com/wp-content/uploads/2024/05/Fig.-3a-Whole-cortex-in-situ-sequencing-reveals-input-dependent-area-identity.png)
[Figure 3] 대뇌 피질을 걸친 유전자 발현의 공간적인 차이
(A) 세 가지 모델을 통해 설명되는 대뇌 피질 영역 간의 차별적인 유전자 발현을 도형으로 표현.
(B) 공간적으로 변이하는 NMF module의 발현을 대뇌 피질 평면지도에 표시한 그림.
(C) 각 NMF 모듈에서 선택된 표지 유전자의 발현.
[Fig. 3A] 대뇌 피질 영역 간 유전자 발현 차이는 총 3가지 방향으로 설명됩니다.
- Model 1(세포 유형 구성 모델(Cell-Type Composition Model)): H2 type의 구성 차이, 즉 특정 유형의 세포 비율의 차이가 영역 간 차이를 가져올 수 있습니다. 예를 들어, 시각 피질에서는 H2 유형 X 세포가 많고, 운동 피질에서는 H2 유형 Y 세포가 많다면, X 세포에서 많이 발현되는 유전자는 시각 피질에서 더 많이 발현될 것입니다.
- Model 2(공간적 경사 모델(Spatial Gradient Model)): H2 type자체(세포 유형)의 차이가 아닌, 특정 유전자의 발현 차이로 뇌의 영역을 설명합니다. 즉, 유전자 A가 시각 피질에서는 높게 발현되고 운동 피질에서는 낮게 발현된다면, 이는 그 유전자가 뇌의 위치에 따라 다르게 조절된다는 것을 의미합니다.
- Model 3(영역 특화 세포 유형 모델(Area-Specialized Cell-Type Model)): 특정 유전자가 특정 H2 type(세포 유형)에서만 영역에 따라 다르게 발현됩니다. 예를 들어, 유전자 A는 H2 유형 X에서는 시각 피질에서 많이 발현되고, 운동 피질에서는 적게 발현된다고 볼 수 있습니다. 이는 유전자 A가 특정 세포 유형에서만 영역별로 조절되는 특성을 갖는다는 것을 의미합니다. 반면, 영역에 상관 없이 일정한 유전자 발현을 보이는 세포도 있습니다.
[Fig. 3B, 3C] 유전자 발현 패턴 및 특정 유전자가 특정 되영역의 세포 유형과 어떻게 연결되는 지를 보이며, 주로 유전자 발현의 다양성을 설명하는 데 기여합니다.
[Fig. 3B] NMF(Non-Negative Matrix Factorization)를 사용하여 유전자 발현의 공간적 패턴을 분석한 결과를 보여줍니다. NMF 분석을 통해 발견된 주요 구성 요소들은 대부분 기능적으로 연관되어 있고 서로 매우 밀접하게 연결된 영역들에 집중되어 있습니다. 예를 들어, NMF5는 주로 시각 영역에, NMF8은 주로 체감각 영역에 위치합니다.
[Fig. 3C] NMF module과 관련된 유전자의 발현 패턴을 보여줍니다. 특정 NMF 모듈과 강하게 연관된 유전자들은 이러한 모듈이 발견되는 영역에서 주로 발현됩니다. 예를 들어, Tenm3는 시각, 청각 및 체감각 피질의 후방 영역에서 주로 발현되며, NMF5와 강하게 연관되어 있습니다.
Cell-type-defined cortical modules
– 앞서 확인한 NMF module에서는 H2 type의 구성을 보정하여 영역 별 유전자 발현 차이를 봤다면, 해당 부분에서는 H3 type의 차이로 인해 대뇌 피질 영역의 차이를 확인하고자 했습니다.
![[Fig. 3b] Whole-cortex in situ sequencing reveals input-dependent area identity](https://scienceeasyview.com/wp-content/uploads/2024/05/Fig.-3b-Whole-cortex-in-situ-sequencing-reveals-input-dependent-area-identity.png)
[Figure 3] 대뇌 피질을 걸친 유전자 발현의 공간적인 차이
(D) 37개 영역 중 H3 type의 영역 수를 히스토그램으로 표현.
(E) L4/5 IT 및 L5 ET H3 type의 대뇌 피질 전역에 걸친 공간 분포를 평면지도에 색상으로 표시.
(F) L4/5 IT H3 type의 관상 단면 상 분포.
(G) CCF에서 정의된 대뇌 영역과 H3 type 및 *cublet gene expression에 의해 예측된 영역을 비교.
(H) H3 유형 구성, 큐블릿 유전자 발현, 무작위 대조를 사용하여 정확하게 예측된 큐블릿의 비율을 박스 플롯으로 나타냄.
(I) 대뇌 영역 간의 쌍별 분류에 대한 AUROC를 매트릭스로 표시.
(J) 세포 유형 기반 모듈과 Harris 등이 식별한 연결성 기반 모듈에 의해 색칠된 대뇌 피질 평면지도를 보여줌.
[Fig. 3D] 각 H3 type이 대뇌 피질의 여러 영역에서 발견될 수 있으며, 특정 영역에만 한정되지 않는다는 것을 보여줍니다. 이는 H3 유형이 특정 영역에 특화되어 있지 않고, 여러 영역에 걸쳐 공통적으로 존재한다는 것을 의미합니다.
[Fig. 3E] 특정 H3 type들의 대뇌 피질 전역에 걸친 분포를 보여주어, 이러한 유형들이 어떻게 여러 영역에 걸쳐 나타나는지를 시각적으로 표현합니다.
[Fig. 3F] H3 유형의 구성이 대뇌 영역의 경계 부근에서 갑작스럽게 변화하는 경향이 있음을 설명합니다. 이는 H3 유형의 비율이 영역 경계에서 변할 수 있으며, 이러한 변화가 영역의 구별에 중요할 수 있음을 시사합니다.
[Fig. 3G, 3H] *Cublet gene expression 또는 H3 type 구성을 사용하여 큐블릿의 위치와 대뇌 영역 레이블을 정확하게 예측할 수 있음을 보여줍니다. 유전자 발현을 통해서는 약 75%, H3 유형 구성을 통해서는 약 69%의 정확도로 위치와 영역을 예측할 수 있습니다.
[Fig. 3I] H3 type 구성에 따른 대뇌 영역 간의 유사성과 모듈성을 평가합니다. Louvain clustering을 사용하여, 서로 유사한 H3 유형 구성을 가진 영역들을 그룹화하여 여섯 개의 클러스터를 식별합니다. 이 클러스터들은 시각-청각 영역, 연합 영역, 체감각 피질, 운동 피질 및 측면 영역 등을 포함합니다.
[Fig. 3J] 세포 유형 기반 모듈이 연결성 기반 모듈과 일치함을 보여줍니다. 이는 높은 연결성을 가진 영역들이 비슷한 그룹의 H3 유형을 공유하며, 따라서 유사한 transcriptomic signature를 가짐을 나타냅니다.
* Cublet: 대뇌 피질의 미세한 부분을 나타내는 분할 단위이며, 이 단위를 통해 뇌의 영역을 세부적으로 표현할 수 있음.
Cell types are robust to enucleation
– 쥐의 시각 제거(enucleation)가 대뇌의 전사체 유형 및 세포 유형 구성 프로필에 어떤 영향을 미치는지 조사합니다.
![[Fig.4] Whole-cortex in situ sequencing reveals input-dependent area identity](https://scienceeasyview.com/wp-content/uploads/2024/05/Fig.4-Whole-cortex-in-situ-sequencing-reveals-input-dependent-area-identity.png)
[Figure 4] 시각 제거 시 대뇌의 세포 종류에 대한 분석
(A) 말초 감각 입력 제거가 세포 유형 생성 및 변화에 미치는 영향의 가능성을 모델로 설명.
(B) 한 쌍의 쥐 중 한 마리는 눈을 제거하고 다른 한 마리는 가짜 수술을 받았으며, 이들의 뇌 전체 전사체 데이터를 수집함.
(C) Pilot dataset과 비교하여 눈을 제거한 쥐와 대조군 쥐의 세포당 유전자 및 read count 제시.
(D-F) 8마리의 실험 대상으로부터 얻은 데이터를 UMAP plot으로 제시. 색상 구분 기준은 다음과 같음: (D) 개별 개체 (E) H2 type (F) 안구 제거군 & 대조군
[Fig. 4A] 쥐의 말초 감각을 제거 시 대뇌 세포 유형에 어떤 영향을 미칠 수 있는지에 대한 모델을 제시합니다. 두 가지 경우를 소개하는데, 첫 번째는 새로운 세포 유형이 생성되는 것이고, 두 번째는 기존 세포 유형으로 채워지는 것입니다.
[Fig. 4B] 실험 설계를 보여주고 있습니다. 생후 1일에 눈을 제거한 쥐와 대조군 쥐의 뇌를 생후 28일에 수집하여, 전체 뇌의 전사체 데이터를 수집합니다. 이 과정은 두 그룹 간의 차이를 비교 분석하기 위한 기초 데이터를 제공합니다.
[Fig. 4C] 개선된 현미경을 사용하여 기존 파일럿 데이터셋보다 더 빠르고 품질이 높은 데이터를 수집합니다. 이 데이터는 전체 뇌에서 수집된 수백만 개의 세포를 포함하며, 각 세포에서는 평균적으로 87개의 read와 37개의 유전자가 검출됩니다.
[Fig. 4D] 수집된 세포들의 유전자 발현 데이터를 UMAP 공간에 표시하여, 실험군과 대조군 간의 차이를 시각적으로 분석합니다. 개별 뇌의 세포들이 모두 섞여 있는 결과를 보이므로, batch effect를 통한 차이가 없음을 확인할 수 있습니다.
[Fig. 4E] 세포들의 유전자 발현 패턴을 기반으로 세분화된 H2 type 단계에서는 유전자 차이가 어느 정도 발생하여, 눈을 제거한 조건이 특정 유형의 흥분성 뉴런에는 영향을 미쳤음을 알 수 있습니다.
[Fig. 4F] H3 type의 큰 차이는 관찰되지 않았으며, 이는 눈 제거와 같은 말초 감각 입력의 변화가 세부 세포 유형의 전반적 구성에는 큰 영향을 끼치지 않는다는 것을 의미합니다. 즉 새로운 세포 유형의 구조적 & 기능적 정체성은 외부 변화에도 불구하고 일정 수준 유지된다는 점을 강조합니다.
Enucleation alters cell-type make-up
– 안구 적출을 통해 H3 type이 새로이 생성되지 않았음을 확인한 후, 연구진들은 특정 영역에서 H3 유형의 구성 변화를 포착하고자 했습니다.
![[Fig.5] Whole-cortex in situ sequencing reveals input-dependent area identity](https://scienceeasyview.com/wp-content/uploads/2024/05/Fig.5-Whole-cortex-in-situ-sequencing-reveals-input-dependent-area-identity.png)
[Figure 5] 안구 적출은 시청각 모듈 내 시각 영역의 정체성을 바꾼다
(A-C) 8개의 뇌로부터 분석한 H3 type cublet 구성의 UMAP plot. 색상 기준 구분은 다음과 같음: (A) 개체, (B) 적출 vs 대조군, (C) 대뇌 영역.
(D) 실험 조건에 따른 대뇌 영역의 차이를 AUROC score로 보여주는 플랫맵.
(E) 눈을 제거한 후 VISp 영역에서 변화된 H3 유형을 보여주는 대표 슬라이스 이미지.
(F) 각 영역에서 증가하거나 감소한 H3 type의 비율.
(G) 눈 제거 후 VISp 영역의 H3 유형 변화를 로그 배율로 나타낸 그래프.
(H) VISp, VISl, VISpm 영역에서 H3 유형의 이웃 비율 변화를 비교 분석한 그래프.
(I) 말초 입력의 제거가 대뇌 영역 내 세포 유형 구성 프로필의 변화에 미치는 영향을 설명하는 모델.
[Fig. 5A] 모든 동물의 대뇌 피질 cublet에서 H3 type 구성을 동물별로 색상 별로 보여주는 UMAP 분석을 제공하여 세포 유형의 분포와 통합을 시각적으로 파악할 수 있게 합니다.
[Fig. 5B] 실험 조건별(눈을 제거한 상태와 대조군)로 색상 구분된 큐블릿의 UMAP 분석을 보여주며, 특정 영역에서 실험군과 대조군 사이의 명확한 구분을 드러냅니다.
[Fig. 5C] 대뇌 영역별로 색상 코드화된 큐블릿의 UMAP 분석을 통해 특정 대뇌 영역에서의 세포 유형 구성을 보여줍니다.
[Fig. 5D] 실험 조건에 따른 대뇌 영역의 구분 정도를 수치화한 AUROC 스코어를 통해 눈을 제거한 상태가 세포 유형 구성에 미치는 영향을 평가합니다. 특히 VISp 영역에서 높은 예측 정확도를 보입니다.
[Fig. 5E] VISp 영역에서 특정 H3 유형이 어떻게 증가하거나 감소했는지를 보여주는 대표적인 슬라이스 이미지를 제공합니다.
[Fig. 5F] 눈을 제거한 영향을 받은 각 영역에서 증가하거나 감소한 H3 유형의 비율을 보여줍니다.
[Fig. 5G] VISp 영역에서 눈 제거 후 변화된 H3 유형의 비율과 배율 변화를 시각화합니다.
[Fig. 5H] 세 가지 주요 시각 영역(VISp, VISl, VISpm)에서 세포 유형 구성에 따른 영역 정체성의 변화를 나타내며, 인접 영역과의 유사성 증가를 보여줍니다.
[Fig. 5I] 세포 유형 구성에 따른 대뇌 영역 정체성의 변화를 평가하기 위해 메타네이버(MetaNeighbor) 방식을 사용한 분석을 제시하며, 눈을 제거한 상태가 영역 정체성에 어떻게 영향을 미쳤는지를 시각적으로 보여줍니다.
일반적인 상황에서는 대뇌 영역들이 서로 유사한 세포 유형을 공유하며, 이는 영역 간의 강한 연결성을 형성하는 데 기여합니다. 이는 ‘wire-by-similarity’ 원칙에 따라, 유사한 세포 유형을 가진 영역들이 서로 더 많이 연결됨을 의미합니다. 반면 외부 자극의 제거는 특정 영역의 세포 유형 구성 프로필을 변화시켜, 이 영역이 같은 모듈 내의 다른 영역들과 더 유사하게 됩니다. 예를 들어, 시각 영역에서 말초 시각 입력이 차단되면, 그 영역의 세포 유형 프로필이 모듈 내 다른 시각 영역이나 청각 영역과 더 비슷하게 변할 수 있습니다. 이는 해당 영역이 입력 제거의 영향을 받아 내부적으로 다른 영역과의 유사성을 재구성한다는 것을 의미합니다.
Disscussion
해당 연구 결과는 대뇌 피질 영역의 세포 유형 구성이 그 영역들의 모듈화된 조직과 연결성을 반영한다는 것을 보여줍니다. 특히, 서로 강하게 연결된 영역들은 유사한 H3 유형을 공유하며, 이는 단순히 세포 유형에 따른 연결성이 아니라 대뇌 피질의 영역들이 어떻게 서로 연관되어 있는지를 보여주는 ‘유사성에 의한 연결(wire-by-similarity)’ 관계를 나타냅니다. 이러한 발견은 대뇌 피질의 네트워크 수준의 동태성과 세포 유형 간 변화를 보다 깊이 이해할 수 있는 토대를 마련합니다.
또한, 말초 감각 입력 제거가 대뇌 피질 영역의 세포 유형 구성 프로필을 어떻게 세밀하게 조정하는지를 밝혀냈습니다. 특히 눈 제거 실험은 여러 계층의 IT 뉴런과 L6b/CT 뉴런에 영향을 미쳤으며, 이는 어두운 환경에서 자란 경우의 영향보다 더 광범위한 세포 유형에 걸쳐 있었습니다. 이러한 결과는 말초 활동이 대뇌 피질의 주요 및 인접 고등 시각 영역의 세포 유형 구성을 더욱 명확하게 하는 데 중요한 역할을 한다는 것을 제시하며, 이는 기존의 연구들과 일관된 모델을 지지합니다.
이 연구는 대뇌 피질의 세포 유형 구성과 영역 정체성의 변화를 포괄적으로 조사하고, 그 결과를 통해 발달 과정과 질병 모델에 대한 이해를 더욱 심화시킬 수 있는 길을 제시합니다. 이는 뇌의 복잡한 구조와 기능 간의 상호 작용을 이해하는 데 중요한 단서를 제공하며, 미래의 뇌 연구에 광범위하게 적용될 수 있습니다.
