시냅스(Synapse)는 한 신경세포(뉴런)의 축삭종말이 다른 신경세포, 근육세포, 또는 선세포와 기능적으로 연결되는 특수한 접합부입니다. 인간의 뇌에는 약 100조 개가 넘는 시냅스가 형성되어 있으며, 단순한 전기적 전도체를 넘어 신경전달물질과 수용체의 화학적 상호작용을 통해 신호를 연산·조절하고, 경험에 따라 연결 강도를 변화시키는 시냅스 가소성(Synaptic Plasticity)을 통해 학습과 기억을 구현합니다.
시냅스(Synapse, 연접 連接)는 하나의 신경세포(Neuron)에서 발생한 활동전위가 다음 신경세포, 근육세포(골격근·평활근·심근), 또는 선세포(Glandular cell)로 전달되는 미세한 기능적 접합 부위입니다.
인간의 뇌에는 약 860억 개의 신경세포가 존재하며, 개별 뉴런은 평균 수천 개에서 많게는 수만 개(소뇌 푸르키니예 세포의 경우 약 10만~20만 개)의 시냅스를 형성합니다. 이로 인해 대뇌 전체에는 약 100조~1,000조 개에 달하는 시냅스가 존재하며, 이는 인류가 지금까지 구축한 그 어떤 슈퍼컴퓨터의 트랜지스터 수보다도 압도적으로 많은 우주적 규모의 정보 처리 네트워크를 형성합니다.
"축삭 (axon) 과 그 측지는 그 신경세포 (Neuron)와 다른 신경세포, 근육세포 또는 선세포를 연결하는 작용을 한다. 축삭종말부와 다른 세포의 접합부를 연접(synapse) 이라고 한다. 축삭과 그 측지가 다른 신경세포의 세포체에 끝나는 경우, 이것을 축삭세포체사이연접 (axo-somatic synapse) 이라고 한다. 똑같이 축삭과 수상돌기 사이의 연접을 축삭수상돌기사이연접 (axo-dendritic synapse), 2 개의 축삭 사이의 연접을 축삭축삭사이연접 (axo-axonal synapse) 이라고 한다. 축삭이 골격근섬유에 끝나는 경우 그 연접을 신경근종판 (neuromuscular end plate) 또는 신경근연접 (neuromuscular junction) 이라고 한다. 내장의 근섬유 (평활근) 에 대한 연접 및 선세포에 대한 연접에는 특별한 명칭이 없다." — 함기선 (1997)
| 연접 형태 | 해부학적 연결 부위 | 주요 신경생리학적 기능 및 특성 |
|---|---|---|
| 축삭-수상돌기 연접 (Axo-dendritic synapse) |
축삭종말 → 후시냅스 뉴런의 수상돌기(Dendrite) 또는 수상돌기 가시(Dendritic spine) | 뇌에서 가장 흔한 형태. 주로 글루탐산(Glutamate)에 의해 매개되는 흥분성 후시냅스 전위(EPSP)를 유도하며 학습과 기억의 시냅스 가소성이 가장 활발히 일어남. |
| 축삭-세포체 연접 (Axo-somatic synapse) |
축삭종말 → 후시냅스 뉴런의 세포체(Soma) 막 | 주로 GABA에 의한 억제성 후시냅스 전위(IPSP)를 형성. 축삭둔덕(Axon hillock) 바로 근처에 위치하여 뉴런 전체의 활동전위 발화를 즉각적이고 강력하게 통제. |
| 축삭-축삭 연접 (Axo-axonic synapse) |
축삭종말 → 다른 뉴런의 축삭종말(Axon terminal) | 전시냅스 억제(Presynaptic inhibition) 또는 전시냅스 촉진을 유발. 표적 시냅스로 방출되는 신경전달물질의 양을 국소적으로 미세 조절. |
| 신경근연접 / 신경근종판 (Neuromuscular Junction, NMJ) |
운동신경 축삭 → 골격근 섬유 막(운동종판) | 아세틸콜린(ACh)을 통해 신호를 1:1로 정확하게 전달하여 근육의 즉각적인 수축을 일으키는 거대 특수화 시냅스. |
화학적 시냅스는 약 20~40nm(나노미터)의 극미세 시냅스 틈(Synaptic Cleft)을 사이에 두고 전기 신호를 화학 신호로 변환하여 전달합니다.
"컴퓨터의 운동방식은 한 가지, 즉 반도체 내에서 일어나는 전하의 움직임으로 설명할 수 있다. 아무리 환상적으로 디자인됐든, 아무리 복잡한 메커니즘을 갖추었든지 간에 모든 컴퓨터는 똑같다. 다른 말로 표현하면 컴퓨터는 전기적인 시스템이다. 반면, 두뇌는 모든 생명체와 마찬가지로 화학적인 반응을 기본으로 하여 동작한다. 실제로 두뇌의 화학적 성질을 분명히 드러내는 예는 많이 있다. 한 가지만 들자면, 전기적인 신호 (신경신호) 는 특정한 신경전달물질 (Neurotransmitter)과 수용체에 의해, 즉 화학반응을 통해 한 뉴런에서 다음 뉴런으로 전송된다 .... 뉴런 사이의 간격을 이어주는 매개체로 신경전달 물질이 이용된다는 것은, 시냅스 전신경 세포에 의해 수신된 신호는 그 신호를 받을 뉴런 속에 있는 특정한 수용체의 수용성에 따라 전달되거나 전달되지 못한다는 뜻이다. .... 실제로 정해진 신경전달 물질은 접속되는 수용체의 성질에 따라 자극성을 띨 수도 있고 반대로 신경작용을 억제할 수도 있다. 컴퓨터에는 이것에 비유할 만한 시스템이 없다." — James Trefil (1999)
| 비교 항목 | 인간의 두뇌 (시냅스 기반 화학 시스템) | 디지털 컴퓨터 (반도체 기반 전기 시스템) |
|---|---|---|
| 기본 신호 전송 매체 | 화학물질(신경전달물질 분자) + 이온의 유출입 | 전자(Electron)의 전기적 전하 이동 |
| 신호 해석의 가변성 | 극도로 높음: 동일한 전달물질(예: 도파민)이라도 결합하는 수용체(D1 vs D2)에 따라 흥분 또는 억제로 정반대 작용 수행. | 단순 이진법: 전압 고저(High/Low)에 따른 0과 1의 고정된 불리언(Boolean) 논리 연산. |
| 하드웨어와 소프트웨어 | 일체형(Inseparability): 학습하면 시냅스 구조(하드웨어) 자체가 물리적으로 변형되는 신경가소성(Neuroplasticity). | 철저한 분리 (폰 노이만 구조): 물리적 하드웨어(CPU/RAM)는 고정되어 있고 소프트웨어 프로그램만 변경. |
| 연산 방식 | 대규모 초병렬 아날로그 연산: 100조 개의 시냅스가 동시다발적으로 확률적 신호 통합 및 아날로그 연산 수행. | 초고속 직렬 디지털 연산: GHz 클록 주파수 기반의 순차적 클록 동기화 계산. |
| 소비 전력 | 초저전력 (약 20W): 전구 하나 수준의 에너지로 시각 인식, 추론, 감정, 신체 제어를 모두 완수. | 고전력 (수백 W ~ 수 메가와트): 유사 규모의 거대 딥러닝 AI 모델 구동 시 막대한 전력 소모. |
1949년 도널드 헵(Donald Hebb)은 "두 뉴런이 동시에 반복해서 발화하면 두 세포 간의 시냅스 연결 효율이 강화된다(Neurons that fire together, wire together)"는 가설을 제시했습니다. 현대 신경과학은 이 가설이 시냅스 가소성(Synaptic Plasticity)이라는 물리적 실체임을 증명했습니다.
기억이 형성되고 강화되는 핵심 분자 메커니즘:
불필요한 기억을 지우고 시냅스 포화를 방지하는 메커니즘:
하나의 뉴런은 수천 개의 다른 뉴런들로부터 동시에 수많은 흥분성(EPSP)과 억제성(IPSP) 신호를 수신합니다. 단 하나의 시냅스에서 발생하는 EPSP(약 0.5~1mV)는 활동전위 문턱값(-55mV)에 도달하기에 턱없이 부족하므로, 신경세포는 이 신호들을 대수적으로 합산하는 '시냅스 통합(Synaptic Integration)'을 수행합니다:
서로 다른 여러 시냅스 부위에서 동시에 입력된 EPSP들이 세포체를 거쳐 축삭둔덕(Axon hillock)으로 흘러오면서 하나로 합산되어 문턱전위를 넘어서는 현상.
단 하나의 시냅스에서 매우 빠른 간격으로 연속해서 신호가 도착하여, 앞선 EPSP가 사라지기 전에 다음 EPSP가 겹쳐져 전위가 계단식으로 누적되는 현상.
시냅스는 뇌의 모든 기능이 실제로 일어나는 접점이기 때문에, 대다수의 신경정신과적 질환(시냅스병증, Synaptopathy)과 중추신경계 약물의 타깃이 됩니다:
시냅스의 구조와 가소성, 기억의 분자적 메커니즘을 심도 있게 탐구할 수 있는 전문 학술 논문과 서울대학교 강의입니다: