Eco-Evolutionary Optimal Carbon Allocation in a MechanisticCrop Growth Model: Theory and Application to Wheat

식물은 끊임없이 어려운 선택을 내리고 있습니다. 식물은 태양으로부터 에너지를 포착하여 당분으로 전환하지만, 그 모든 것을 자신만을 위해 가질 수는 없습니다. 그들은 이 에너지를 어떻게 사용할지 결정해야 합니다. 더 많은 빛을 받기 위해 잎을 더 만들 것인가, 아니면 물을 찾기 위해 더 깊은 뿌리를 내릴 것인가? '탄소 배분'이라고 알려진 이 결정은 식물이 얼마나 크게 자랄지, 가뭄에서 얼마나 잘 살아남을지, 그리고 인간에게 얼마나 많은 먹이를 제공할지를 결정합니다. 수십 년 동안 과학자들은 컴퓨터 모델을 사용하여 이러한 선택을 예측하려고 노력해 왔지만, 이러한 모델 중 다수는 고정된 규칙에 의존합니다. 그들은 날씨나 토양에 관계없이 식물이 항상 정해진 비율의 에너지를 뿌리에 보내고 또 다른 정해진 비율을 잎에 보낸다고 가정합니다. 이러한 방식은 단순한 예측에는 충분히 효과적이지만, 조건이 변할 때는 실패합니다. 토양이 마르거나 캐노피(수관)가 너무 두꺼워졌을 때 식물이 왜 갑자기 전략을 바꾸는지 설명하지 못합니다. 변화하는 세상 속에서 작물이 어떻게 행동할지 진정으로 이해하려면, 연구자들은 식물이 주변에서 일어나는 일에 따라 스스로 결정을 내릴 수 있게 해주는 모델이 필요합니다.

새로운 한 연구는 '생태 진화적 최적성(eco-evolutionary optimality)'이라는 개념을 적용함으로써 이 문제에 대한 신선한 사고방식을 소개합니다. 식물에게 경직된 대본을 따르도록 강요하는 대신, 이 이론은 식물이 매 순간 에너지의 가장 효율적인 사용을 하도록 진화해 왔음을 시사합니다. 이는 여행자가 더 좋은 지도에 돈을 쓸지 아니면 더 튼튼한 텐트에 돈을 쓸지 결정하는 것과 비슷합니다. 그 선택은 전적으로 지형과 날씨에 달려 있습니다. 이 작업을 수행한 연구진은 DAESIM2-Plant라는 모델을 개발하며, 이 이론이 핵심 작물인 밀이 어떻게 자원을 관리하는지 설명할 수 있는지 알고 싶어 했습니다. 이 아이디어는 이전에 나무에 대해서는 테스트된 적이 있지만, 매우 다른 성장 패턴과 생애 주기를 가진 밀과 같은 초본 식물에는 적용된 적이 없었습니다. 연구팀은 물이 식물을 통해 이동하는 물리 법칙, 빛이 잎에 닿는 방식, 그리고 식물이 숨을 쉬는 방식을 이 새로운 스마트 에너지 소비 이론과 결합한 정교한 컴퓨터 시뮬레이션을 구축했습니다.

시뮬레이션에서 연구진은 가상의 밀 식물들이 다양한 환경에 어떻게 반응하는지 관찰했습니다. 그들은 이 모델이 실제 자연에서 식물이 보여주는 유연한 행동들을 성공적으로 재현한다는 것을 발견했습니다. 식물들이 잎들이 서로를 가리는 조밀한 캐노피를 형성하며 자랄 때, 모델은 추가적인 비용이 더 이상의 이득을 가져다주지 않는다는 것을 인식하고 새로운 잎을 만드는 데 대한 투자를 늦추는 모습을 보여주었습니다. 토양이 건조해지자, 식물들은 전략을 바꾸어 잎을 더 만들기보다 수분을 찾기 위해 뿌리로 더 많은 에너지를 보냈습니다. 모델 또한 미묘한 균형을 포착했습니다. 뿌리를 키우기로 하는 결정은 단순히 토양이 얼마나 건조한가에 의해서만 결정되는 것이 아니라, 식물이 이미 가지고 있는 뿌리의 양을 잎과 비교했을 때의 비율에 따라서도 결정되었습니다. 이는 식물이 현재의 재고와 미래의 필요를 끊임없이 저울질하고 있음을 시사합니다.

이어 연구진은 토양 수분 수치의 넓은 범위를 가로지르는 전체 생육 시즌을 시뮬레이션하여, 이러한 작은 일일 결정들이 시간이 흐름에 따라 어떻게 축적되는지 살펴보았습니다. 결과는 식물의 발달 과정에서 급격한 전환점을 보여주었습니다. 토양 수분이 특정 수준 아래로 떨어지면 식물은 캐노피를 형성하거나 알곡을 생산하는 데 어려움을 겪었지만, 수분 공급이 특정 임계값을 넘어서자 성장과 수확량이 급증했습니다. 모델은 잎과 줄치의 성장을 제한하는 것과 동일한 에너지 공급이 곡립의 결실 또한 제한한다는 것을 밝혀냈습니다. 즉, 식물은 충분한 영양 성장을 뒷받침할 에너지를 먼저 확보하지 못하면 큰 수확물을 만들어낼 수 없다는 것입니다. 이러한 발견은 생태 진화적 최적성 이론이 단순한 추측을 넘어 식물의 행동이 환경으로부터 자연스럽게 도출되는 시스템으로서, 스트레스 상황에서 작물이 어떻게 수행될지를 예측하는 강력한 방법을 제공한다는 것을 시사합니다.

저자들은 이 결과가 컴퓨터 시뮬레이션과 이상적인 실험에서 나온 것임을 주의 깊게 언급하고 있습니다. 이 모델을 실제 현장 데이터와 대조하여 검증하는 단계는 아직 이루어지지 않았으며, 이는 여전히 중요한 다음 단계로 남아 있습니다. 그러나 모델이 명시적으로 프로그래밍되지 않았음에도 불구하고 식물의 가소성(plasticity) 패턴을 모방할 수 있다는 능력은 유망한 징후입니다. 이는 이론의 근저에 있는 논리가 타당하며, 궁극적으로 과학자들이 더 나은 작물을 설계하거나 현재의 품종들이 미래의 기후에서 어떻게 살아남을지 예측하는 데 도움을 줄 수 있음을 나타냅니다. 식물에게 에너지를 어디에 쓸지 결정하게 함으로써, 틀 안에 가두는 대신 선택권을 주는 이 접근 방식은 식물 생명의 조용하고 복잡한 지능을 이해하는 데 우리를 더 가깝게 데려다줍니다.