Dissecting genetic variance structure and evaluating genomic prediction models for single-cross hybrids derived from Stiff Stalk and Non-Stiff Stalk maize heterotic groups

이 연구는 GBLUP 기반의 다중 커널 모델을 활용하여 스티프 스톨과 논-스티프 스톨 옥수수 이종집단 간 잡종의 유전적 분산 구조를 규명하고, 부모 정보 유무에 따른 유전체 예측 모델의 성능을 평가하여 옥수수 품종 개량 효율성을 증진하는 방안을 제시했습니다.

핵심

🌽 핵심 이야기: "완벽한 옥수수 레시피 찾기"

옥수수 농부들은 매년 두 가지 큰 고민을 합니다.

1. 유전적 다양성 부족: "우리가 쓰는 옥수수 종자 (유전자) 가 너무 비슷해져서 더 이상 개량이 안 될까?"
2. 시간과 비용: "모든 가능한 조합 (A 와 B, A 와 C, B 와 C...) 을 땅에 심어보고 맛을 볼 수는 없잖아? 너무 비싸고 시간이 걸려."

이 연구는 이 두 가지 문제를 해결하기 위해 **컴퓨터 시뮬레이션 (유전체 예측)**을 사용했습니다. 마치 요리사들이 실제 요리를 하기 전에 컴퓨터로 레시피를 시뮬레이션해 보는 것과 같습니다.

---

1. 두 가지 주요 '옥수수 학교' (SS 와 NSS)

미국 옥수수 농부들은 옥수수 품종을 크게 두 가지 '학교'로 나눕니다.

• SS (Stiff Stalk): 단단한 줄기를 가진 학교 (예: B73 품종).
• NSS (Non-Stiff Stalk): 단단하지 않은 줄기를 가진 학교 (예: Mo17 품종).

비유: 이 두 학교는 서로 다른 스타일의 요리사들입니다. SS 학교는 '단단한 반죽'을 잘 만들고, NSS 학교는 '부드러운 소스'를 잘 만듭니다. 이 두 학교의 요리사들을 짝지어 (교배) 새로운 요리를 만들면, 각각의 실력을 합쳐서 훨씬 더 맛있는 요리 (잡종 강세, Heterosis) 가 나옵니다.

2. 연구의 발견 1: "학교의 실력이 점점 떨어지고 있나?"

연구진은 이 두 학교의 요리사들이 여전히 새로운 요리를 만들 수 있는 **잠재력 (유전적 변이)**이 있는지 확인했습니다.

• 결과: 대부분의 경우, 두 학교 모두 여전히 훌륭한 재료를 가지고 있었습니다.
• 하지만, 치명적인 문제 발견: SS 학교의 '중간 성숙기' 요리사들은 **수확량 (Grain Yield)**을 늘릴 수 있는 새로운 재료가 거의 없다는 것을 발견했습니다.
  • 비유: SS 학교의 중간 성숙기 요리사들은 "우리는 이미 최고의 반죽을 만들었어. 더 이상 발전할 여지가 없어!"라고 말하는 것과 같습니다. 이는 미래에 더 많은 옥수수를 수확하기 위해 새로운 종자를 도입하거나 유전자를 넓혀야 함을 의미합니다.

3. 연구의 발견 2: "컴퓨터로 실험실 없이도 예측할 수 있을까?"

실제 땅에 심어보지 않고, 부모 옥수수의 DNA 정보만으로 자손의 성능을 예측하는 **GBLUP(유전체 예측 모델)**이라는 기술을 사용했습니다.

• 상황 A (부모 정보 있음): "자, 부모가 A 와 B 야."라고 알려주면 컴퓨터는 **"아, 이 조합은 훌륭할 거야!"**라고 아주 정확하게 예측했습니다.
  • 비유: 부모의 요리 실력을 알고 있으면, 그들이 만든 새로운 요리의 맛을 90% 이상 정확히 맞출 수 있습니다.
• 상황 B (부모 정보 없음): "부모가 누구인지 전혀 몰라."라고 하면 컴퓨터는 **"음... 모르겠어, 오히려 엉뚱한 답을 낼 수도 있어."**라고 했습니다.
  • 비유: 부모를 전혀 모르는 상태에서 요리를 예측하는 것은, 아무런 정보 없이 요리를 시식하는 것과 비슷합니다. 이때는 다른 통계적 방법 (공분산 기반) 이 더 나았습니다.

4. 중요한 교훈: "유전적 다양성 (Additive) 이 왕이다"

이 연구에서 가장 흥미로운 점은 **비유전적 효과 (특정 조합에서만 나오는 마법 같은 효과, SCA)**보다 **부모의 기본 실력 (일반적 조합 능력, GCA)**이 훨씬 중요했다는 것입니다.

• 비유:
  • GCA (부모의 기본 실력): 요리사 A 는 소금 간을 잘하고, 요리사 B 는 향신료를 잘 다룹니다. 이 두 사람이 만나면 기본적으로 좋은 요리가 나옵니다.
  • SCA (특정 조합의 마법): A 와 B 가 만나면 '마법'이 일어나서 갑자기 천재 요리사가 되는 경우입니다.
  • 연구 결과: 옥수수에서는 '마법 (SCA)'보다는 '기본 실력 (GCA)'이 훨씬 더 중요했습니다. 부모가 기본적으로 잘하면 자식도 잘합니다. 그래서 부모의 DNA 정보를 잘 분석하는 것이 가장 효율적인 방법입니다.

5. 환경의 영향 (GEI)

옥수수는 날씨와 땅에 따라 결과가 달라집니다.

• 비유: 같은 요리사라도 여름에 요리를 하면 시원한 요리가 되고, 겨울에 하면 따뜻한 요리가 됩니다.
• 연구는 이 **'날씨와 땅의 영향 (환경 상호작용)'**을 모델에 포함시켰더니 예측이 훨씬 정확해졌다고 말합니다. 특히 늦게 익는 옥수수 품종들은 다양한 환경에서 테스트되었기 때문에 이 영향이 더 컸습니다.

---

📝 결론: 이 연구가 우리에게 주는 메시지

1. 유전적 다양성 확보가 시급합니다: 특히 'SS 학교'의 중간 성숙기 품종들은 더 이상 발전할 여지가 부족합니다. 새로운 종자를 도입하지 않으면 미래의 수확량이 정체될 수 있습니다.
2. 부모 정보를 활용하세요: 옥수수 농부들은 부모의 DNA 정보를 알 때만 가장 정확한 예측을 할 수 있습니다. 부모를 모르는 상태에서는 예측이 어렵습니다.
3. 기본기가 중요합니다: 특별한 '마법'을 기대하기보다, 부모 품종의 기본 실력 (GCA) 을 높이는 것이 장기적으로 더 큰 수확량을 보장합니다.

한 줄 요약:

"옥수수 농부들은 두 가지 다른 '학교'의 종자를 섞어 더 좋은 옥수수를 만드는데, 부모의 기본 실력 (GCA) 이 가장 중요하고, 부모 정보가 없으면 예측이 어렵다는 것을 과학적으로 증명했습니다. 특히 SS 학교의 일부 품종은 더 이상 발전할 여지가 부족하니 새로운 종자를 도입해야 한다는 경고도 함께했습니다."

기술 요약

1. 문제 제기 (Problem)

현대 옥수수 육종은 이종성 (Heterosis) 을 극대화하기 위해 SS 와 NSS 와 같은 이종 집단을 유지하며 진행됩니다. 그러나 현재 육종 프로그램은 두 가지 주요 도전에 직면해 있습니다.

1. **일반 조합 능력 **(GCA) 장기간의 강력한 선택 압력으로 인해 이종 집단 내의 가산적 유전 변이 (Additive genetic variance) 가 점차 감소하고 있습니다. 특히 SS 집단은 제한된 조상 계통에서 유래하여 유전적 다양성이 좁아 GCA 변이 소실의 위험이 큽니다.
2. 미검정 교배 조합의 예측 어려움: 육종 초기 단계에서 모든 가능한 단일 교배 조합을 현장 시험하는 것은 비현실적입니다. 따라서 부모 계통의 유전체 정보만을 기반으로 미검정 잡종의 성능을 예측할 수 있는 효율적인 방법이 필요합니다.

2. 방법론 (Methodology)

연구진은 13 개의 SS 계통과 28 개의 NSS 계통 (총 41 계통) 을 사용하여 162 개의 단일 교배 잡종을 생성하고, 이를 37 개 환경에서 평가했습니다. 주요 분석 방법은 다음과 같습니다.

• 데이터 구성:

  • 형질: 종자 수확량 (GY), 식물 높이 (PH), 이삭 높이 (EH), 출수기 (SI), 개화기 (AN).
  • 유전체 데이터: 112,199 개의 SNP 마커를 필터링하여 사용했습니다.
  • 교배 설계: North Carolina Design II (NCII) 방식을 사용하여 SS(수정자) 와 NSS(꽃가루 제공자) 를 교배했습니다.

• **통계 모델링 **(GBLUP 기반 멀티 커널 모델)

  • **일반 조합 능력 **(GCA) SS 와 NSS 계통의 가산적 효과를 모델링하기 위해 **가산적 유전체 관계 행렬 **(A)을 사용했습니다.
  • **특정 조합 능력 **(SCA) 잡종의 비가산적 효과 (우세성, 상위성) 를 모델링하기 위해 두 가지 대안적 행렬을 비교했습니다.
    1. D 행렬: Vitezica et al. (2013) 의 방법을 기반으로 유전체 정보에서 직접 추론한 비가산적 관계 행렬.
    2. S 행렬: Stuber and Cockerham (1966) 의 방법을 기반으로 부모 계통 간의 가산적 관계로부터 유도된 공분산 행렬.
  • **환경 상호작용 **(GEI) 다양한 환경에서의 유전자 - 환경 상호작용을 명시적으로 모델링하기 위해 환경별 분산 구조를 포함한 선형 혼합 모델을 적용했습니다.

• 예측 시나리오:

  • 검증 집단의 부모 정보가 훈련 집단에 얼마나 포함되어 있는지에 따라 4 가지 시나리오 (T2: 양쪽 부모 모두 포함, T1F/T1M: 한쪽 부모만 포함, T0: 부모 정보 없음) 를 설정하고 예측 정확도를 비교했습니다.
  • GBLUP 기반 모델 (GCA/SCA 효과 추정) 과 공분산 기반 모델 (Bernardo, 1996) 을 비교 평가했습니다.

3. 주요 기여 (Key Contributions)

• 유전적 분산 구조의 정밀한 분해: SS 와 NSS 집단 내에서 GCA 와 SCA 가 각 형질에 기여하는 분산 비율을 정량화하고, 성숙기 (조기, 중기, 후기) 에 따른 차이를 규명했습니다.
• 비가산적 행렬의 비교 검증: 전통적인 D 행렬과 대안적인 S 행렬이 유전 구조 추정에 있어 유사한 결과를 산출함을 입증하여 모델의 견고성을 확인했습니다.
• 예측 모델의 한계와 조건 규명: 부모 정보의 유무가 예측 정확도에 결정적인 영향을 미친다는 점을 실증적으로 보여주었으며, 특히 부모 정보가 전혀 없는 상황 (T0) 에서 GBLUP 모델의 성능 저하 원인을 분석했습니다.

4. 주요 결과 (Results)

• 유전적 분산 구조:

  • 대부분의 형질에서 SS 와 NSS 집단 모두 유의미한 GCA 변이를 보유하고 있었습니다.
  • NSS 집단이 PH, EH 등 여러 형질에서 SS 집단보다 GCA 변이에 더 크게 기여했습니다.
  • 중요한 예외: **중기 성숙기 **(Intermediate maturity)에서 **종자 수확량 **(GY)의 SS 집단 GCA 변이는 통계적으로 유의하지 않았습니다. 이는 미국 옥수수 생산의 핵심인 중기 SS 계통의 유전적 개선 잠재력이 제한적일 수 있음을 시사합니다.
  • SCA 의 역할: 대부분의 형질에서 SCA 로 설명되는 비가산적 분산은 GCA 분산보다 작았습니다. 이는 가산적 효과가 잡종 성능의 주된 원천임을 의미합니다.

• **환경 상호작용 **(GEI)

  • GEI 효과는 전체 분산의 상당 부분 (약 25% 이상) 을 차지했으며, 특히 후기 성숙기 집단에서 환경 범위가 넓어짐에 따라 GEI 비율이 50% 이상으로 증가했습니다.

• 예측 정확도:

  • 부모 정보의 중요성: 훈련 집단에 부모 계통이 포함될수록 (T2 > T1 > T0) 예측 정확도가 크게 향상되었습니다.
  • 모델 비교:
    • **부모 정보가 있는 경우 **(T2, T1) GBLUP 기반 멀티 커널 모델이 공분산 기반 모델보다 전반적으로 우수한 성능을 보였습니다 (특히 SI, AN 등 높은 유전력을 가진 형질).
    • **부모 정보가 없는 경우 **(T0) GBLUP 모델은 부모가 훈련 데이터에 없으면 효과 추정이 0 으로 수렴 (Shrinkage) 하여 예측 정확도가 음수까지 떨어지는 반면, 공분산 기반 모델은 유전적 유사성을 통해 여전히 양의 정확도를 유지했습니다.
  • SCA 포함의 효과: SCA 효과를 모델에 추가하거나 비가산적 행렬을 사용하는 것이 예측 정확도에 미미한 영향만 미쳤으며, GCA 효과만으로도 높은 예측력을 달성할 수 있었습니다.

5. 의의 및 결론 (Significance)

• 육종 전략의 방향성: SS 집단의 중기 성숙기 그룹에서 종자 수확량 관련 GCA 변이가 부족하다는 발견은, 향후 유전적 개선을 위해 SS 집단의 유전적 기반을 확장 (예: 외부 계통 도입) 하거나 새로운 변이를 확보해야 할 필요성을 강조합니다.
• 예측 모델의 실용성: GBLUP 기반 멀티 커널 모델은 부모 계통의 유전체 정보가 확보된 현대 육종 프로그램의 일반적인 시나리오 (T2, T1) 에서 매우 효과적입니다. 이는 육종가가 현장 시험 없이도 우수한 잡종 조합을 선별하는 데 활용될 수 있음을 의미합니다.
• 유전 구조에 대한 통찰: SS 와 NSS 집단 간의 교배에서 가산적 효과 (GCA) 가 비가산적 효과 (SCA) 보다 지배적이라는 결과는, 장기적인 유전적 개선을 위해서는 집단 내 가산적 변이를 유지하는 것이 중요함을 재확인시켜 줍니다.

이 연구는 미국 상업용 옥수수 계통의 유전적 잠재력을 평가하고, 유전체 선택 (Genomic Selection) 을 통한 잡종 육종 프로그램의 효율성을 높이기 위한 실증적 근거를 제공합니다.