Genomic prediction models based on a large-scale recombinant population allow rapid breeding of desired genotypes

수 세기 동안 농부들은 작물을 개량하기 위해 느리고 인내심이 필요한 기술인 교배에 의존해 왔습니다. 서로 다른 강점을 가진 두 식물을 교배함으로써, 그들은 그 형질들이 자손에게 결합되기를 희망합니다. 하지만 자연은 예측 불가능하며, 전통적인 육종의 유전적 복권은 진정으로 우수한 품종이 나타나기까지 수 세대에 걸친 파종, 기다림, 그리고 선별 과정을 필요로 합니다. 기후 변화와 인구 증가가 더 빠른 해결책을 요구하는 시대에, 이러한 느린 속도는 병목 현상이 되고 있습니다. 과학자들은 오랫동안 단 하나의 씨앗을 심기도 전에 어떤 조합이 가장 잘 작동할지 예측하기 위해 식물의 유전 암호를 들여다볼 방법을 모색해 왔습니다. 게놈 예측(genomic prediction)이라고 알려진 이 접근 방식은 컴퓨터 모델을 사용하여 특정 DNA 조각이 식물의 성장, 수확량 또는 회복력에 어떻게 영향을 미칠지 추정합니다. 과제는 특히 고수확과 가뭄 저항성이라는 여러 목표를 동시에 달성하려고 할 때, 이러한 예측을 실제 농업에 적용할 수 있을 만큼 충분히 정확하게 만드는 방법을 찾는 것이었습니다.

연구팀은 이제 복잡한 유전 데이터와 실질적인 농업 사이의 간극을 메우는 강력하고 새로운 전략을 입증했습니다. 그들은 먼저 방대한 유전적 다양성 라이브러리를 구축하는 것으로 시작했는데, 이는 최고 성능의 벼 품종인 '히토메보레(Hitomebore)'를 19개의 다양한 벼 공여자(donor)와 교배하여 얻은 2,787개의 독특한 식물 계통 컬렉션입니다. 중첩 연관 매핑 집단(nested association mapping population)이라 불리는 이 대규모 그룹은 서로 다른 유전적 조각들이 어떻게 상호작용하는지에 대한 상세한 지도로서 역할을 했습니다. 이 광범한 데이터 세트를 사용하여, 과학자들은 이 계통들의 유전 코드를 읽고 성능을 예측할 수 있는 매우 정확한 컴퓨터 모델을 구축했습니다. 결과를 추측할 수도 있는 이전 방식들과 달리, 이 모델들은 연구에 포함된 특정 유전 조합을 바탕으로 훈련되었기에 특정 DNA 세그먼트의 효과를 놀라운 정밀도로 추정할 수 있었습니다.

이 전략의 진정한 시험대는 연구진이 처음부터 육종 계획을 설계하기 위해 모델을 사용했을 때 찾아왔습니다. 연구진은 운에 맡기는 대신, 컴퓨터에게 서로 다른 형질 간의 자연스러운 절충 관계를 관리하면서 수확량을 극대화할 수 있는 특정 유전 조합을 찾아내라고 요청했습니다. 모델은 그들에게 최적의 계통들과 그것들을 교배할 구체적인 경로를 제시했습니다. 이 디지털 청사진을 따라 연구팀은 선택된 식물들을 교배하여 새로운 세대의 벼를 만드는 실제 육종 작업을 수행했습니다. 결과는 이 접근 방식의 위력을 확인시켜 주었습니다. 새로 만들어진 벼 계통들은 모델이 예측했던 바로 그 표적 유전자형을 보유하고 있었으며, 여러 수확 관련 형질에서 원하는 개선 사항을 동시에 구현해 냈습니다. 이 연구는 규모가 크고 다양한 시작 집단과 해석 가능한 예측 모델을 결합함으로써, 육종가들이 변화하는 세상의 도전 과제들을 충족시키는 데 필요한 정밀한 유전적 구성을 갖춘 신품종을 빠르게 구축할 수 있음을 보여줍니다.