▲비강 내에 있는 후각 상피는 냄새를 감지하는 기능을 한다(사진=ⓒ123RF)
후각상피에서 면역체계에 경고를 전달하는 '미세융모세포'가 새롭게 발견됐다. 이를 통해 기존 머신러닝 알고리즘 성능도 개선돼 인공지능(AI) 기술도 진일보할 것으로 기대되고 있다.
미국 모넬화학감각연구소의 마르코 티자노 박사 연구팀은 미세융포세포가 후각상피를 감염으로부터 보호하는 기능이 있다는 것을 밝혀냈다.
비강 내에 위치한 후각상피는 부분적으로 후각 기능에 관여하고 있다. 비강 상단에 위치한 후각상피는 9㎠ 정도의 크기며 비공 뒤로 약 7cm 길이로 늘어져 있다. 이러한 후각상피는 냄새 감지에 직접적으로 관여하는 후각 체계의 일부다.
후각 신경은 양극성을 띠고 있으며 한쪽 끝은 냄새 수용체로 기능한다. 이러한 수용체는 후각샘의 분비물에서 용해되는 후각 자극제와 결합한다.
후각상피에는 중추신경계의 소교세포와 유사한 지지세포가 들어있다. 그리고 이 지지세포는 두 가지 유형, 지지세포와 미세융포세포로 나뉜다. 지지세포는 상피에서 물질대사 및 구조적 지지 기능을 제공하는 반면, 미세융모세포는 지금까지도 알려진 바가 거의 없었다.
미세융모세포, 감염으로부터 후각상피 보호
바이러스와 박테리아 같은 병원균에 감염되면 후각 신경이 파괴돼 고통스러운 축농증이 유발되거나 심지어 후각을 잃을 수도 있다.
단독 화학감각적 세포는 기도에 있는 자극성 물질과 박테리아를 감지하지만 후각상피에는 존재하지 않는다. 이에 티자노 박사는 후각상피의 미확인 세포가 화학감각적 세포와 유사한 기능을 가지고 있을 것이라고 추측했다.
그리고 연구팀은 가설을 테스트하기 위해 실험쥐의 후각 조직에서 채취한 RNA 염기서열 데이터를 분석했다. 그리고 단독 화학감각적 세포의 지표 6가지를 발견했다.
그 후 면역조직화학법을 사용해 미세융모세포에 존재하고 있는 이러한 지표를 확인했다. 연구 결과에 따르면, 호흡계의 단독 화학감각적 세포와 후각상피의 미세융모세포는 기능적으로 밀접한 관련성이 있었다.
미세융모세포가 단독 화학감각적 세포와 유사한 작동 방식을 따르는 경우, 병원균을 감지하게 되면 면역 작용을 시작하기 위해 인접한 세포에 신호를 보내는 것이다.
그리고 미세융모세포는 건강한 후각기관을 유지하거나 손상된 후각 상피의 재생을 촉진하는 잠재적 치료 표적을 나타낼 수 있다.
▲미세융모세포는 감염으로부터 후각상피를 보하한다(사진=ⓒ위키미디어)
머신러닝 통해 사이보그 곤충 후각 회로 개선
최근, 한 연구팀이 곤충의 후각기관을 사용해 새로운 유형의 머신러닝을 개발했으며 이를 사이보그 곤충이라고 지칭하고 있다.
워싱턴대학의 응용수학과 네이선 쿠츠 박사가 이끄는 연구팀은 이전에 이미 냄새를 감지하기 위해 곤충을 토대로 만든 후각 모델로 손글씨를 인식할 수 있다는 것을 밝혀낸 바 있다. 이는 고전적인 머신러닝 테스트였다. 앞서 두뇌의 노화를 모방하는 모델에서 대부분의 뉴런을 제거하자 기능이 상당히 줄어든 것을 확인할 수 있었다.
이는 고전적인 기계학습 알고리즘이 강력하진 않더라도 매우 견고하고 손상에 내성이 있다는 것을 의미하며 우주처럼 매우 척박한 상황에서도 장시간 유지할 수 있는 시스템이 매우 중요하다는 것을 나타낸다.
연구팀은 나방의 후각기관을 사용해 시각기관을 토대로 만든 고전적인 머신러닝 방법보다 후각기관을 사용한 머신러닝 모델이 보다 우수하다는 사실을 입증했다. 그러나 보다 많은 사례에서 모델을 평가하자 나방 후각기관 모델의 성능은 뒤처졌다.
후각 학습은 고전적인 머신러닝보다 빠르게 작용하는 것처럼 보이지만 머신러닝은 완벽성을 추구하도록 조작한 반면 후각 학습은 가능한 한 일을 빠르게 끝마칠 수 있도록 조작해 그 방향성이 다르다.
실험 생물학의 사례에서, 이 방법을 수동으로 조사해야 하는 데이터세트의 관련 변인을 확인하는 데 매우 유용하게 사용할 수 있다. 예를 들어, 2만여 개의 유전자 데이터세트에서 내일까지 파킨슨병과 관련된 10가지 유전자를 찾아내야 한다고 가정해보자.
연구자들은 나방 후각 시스템을 사용해 신속하지만 불완전한 데이터 결과를 얻을 수 있다. 하지만 이 데이터 결과를 보다 정교한 고전적인 머신러닝 알고리즘으로 다시 분류할 수 있다. 즉, 나방의 후각기관은 불완전한 데이터를 제거하는 사전 필터로 사용할 수 있는 것이다.
후각 회로는 두뇌의 해마와 소뇌의 가장 복잡한 알고리즘을 이해할 수 있는 하나의 방법이다. 이후, 기계학습 알고리즘을 토대로 재적용해 사람의 두뇌와 보다 가까운 성능을 달성할 수 있는 것이다.
이렇게 시각과 후각이 기계 학습에 상당 부분 기여하고 있다면, 청각 인식은 어떤 특별한 기능을 제공할 수 있는지 의문을 제기할 수 있을 것이다.