← 최신 논문
🧬 유전학

Mutation breeding for quantitative traits in the era of genomic selection

본 연구는 게놈 선발이 개별 돌연변이 계통의 사적 돌연변이를 직접적으로 예측할 수는 없지만, 이러한 돌연변이가 교배를 통해 친척들 사이에서 공유되면 유도된 다유전자 변이를 효과적으로 포착할 수 있음을 입증하며, 이를 통해 돌연변이 육종을 전육종 프로그램에 통합하기 위한 실행 가능한 전략을 제공한다.

원저자: Yang, C. J., Sharma, R., Mackay, I., Powell, W.

게시일 2026-10-28
📖 4 분 읽기☕ 가벼운 읽기

원저자: Yang, C. J., Sharma, R., Mackay, I., Powell, W.

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ⚕️ 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

농부와 과학자들은 작물을 개량하기 위해 오랫동안 두 가지 뚜렷한 경로에 의존해 왔습니다. 첫 번째는 수 세기 동안 이어져 온 관행인 선택적 육종으로, 들판에서 가장 우수한 식물을 골라 이들을 교배함으로써 바람직한 형질을 결합하는 방식입니다. 이 방법은 이미 집단 내에 존재하는 기존의 유전적 카드들을 섞는 방식으로 작동합니다. 두 번째 경로는 돌연변이 육종으로, 이는 화학 물질이나 방사선을 사용하여 종자의 DNA를 의도적으로 뒤섞음으로써 자연이 스스로 만들어내지 못한 완전히 새로운 유전적 카드를 만들어내기를 기대하는 더 현대적인 기술입니다. 선택적 육종이 수 세대 동안 인류를 먹여 살려온 반면, 돌연변이 육종은 연구자들이 수천 개의 손상된 식물 사이에서 희귀하고 유익한 변화를 수동으로 찾아내야 했기에 종종 별개의, 더 느린 과정이었습니다. 현대 농업이 직면한 과제는 이 두 세계가 마침내 하나로 합쳐질 수 있는지 하는 것입니다. 즉, 선택적 육종의 성공을 예측하는 데 사용되는 강력한 컴퓨터 모델이 돌연변이 육종의 혼돈스러운 잠재력을 활용하는 데에도 도움을 줄 수 있을까요?

스코틀랜드 농촌 대학(SRRC)의 연구팀은 두 그룹의 진보된 돌연변이 식물, 즉 190개의 밀 계통과 74개의 토마토 계통을 대상으로 게놈 선택(genomic selection)이라는 방법을 테스트하여 이 질문에 답하고자 했습니다. 게놈 선택은 식물의 유전 코드를 사용하여 식물이 완전히 자랄 때까지 기다리지 않고도 곡물의 생산량이나 과일의 당도와 같은 미래의 성과를 예측하는 도구입니다. 연구진은 이 도구가 서로 교배된 적이 없는 돌연변이 계통에도 작동할 수 있는지, 그리고 여러 개의 작은 유익한 돌연변이를 하나의 우수한 작물로 결합하는 데 도움이 될 수 있는지를 확인하고자 했습니다. 또한 그들은 컴퓨터 시뮬레이션을 실행하여 이 돌연변이 계통들이 여러 세대에 걸쳐 야생 식물과 교배될 때 어떻게 행동할지 테스트하며, 컴퓨터 모델이 이러한 새로운 돌연변이들을 성공적으로 추적하고 축적할 수 있는지 확인했습니다.

실제 식물 패널을 통한 결과는 놀라운 한계를 드러냈습니다. 연구진이 각 계통이 보유한 돌연변이에만 기반하여 돌연변이 밀과 토마토 계통의 가치를 예측하기 위해 게놈 선택을 시도했을 때, 모델은 실패했습니다. 컴퓨터는 각 계통에만 독점적으로 존재하는 고유한 유도 돌연변이를 "볼" 수 없었는데, 이는 어떤 두 식물도 동일한 새로운 유전적 변화를 공유하지 않았기 때문입니다. 대신, 모델의 예측은 식물들이 원래의 부모 품종과 공유하는 배경 유전적 유사성으로부터 전적으로 기인했습니다. 예를 들어, 밀 그룹의 경우 예측 신호는 새로운 돌연변이가 아니라 부모 식물로부터 섞여 들어온 거대한 염색체 조각들로부터 나왔습니다. 돌연변이가 훨씬 더 독특했던 토마토 그룹의 경우, 모델은 고유한 돌연변이에서 아무런 예측력을 찾지 못했습니다. 이 발견은 단순히 독립적인 돌연변이 계통들을 모으는 것만으로는 이러한 고급 예측 도구를 사용하는 데 충분하지 않다는 것을 시사합니다. 즉, 돌연변이는 먼저 교배를 통해 친척 관계들 사이에 공유되어야 합니다.

하지만 연구진이 해당 돌연변이들이 교배된 이후에 어떤 일이 일어나는지를 살펴보았을 때 이야기는 바뀌었습니다. 컴퓨터 시뮬레이션에서 연구진은 돌연변이 계통들을 야생 식물과 교배시켜 새로운 돌연변이들이 자손을 통해 섞이고 퍼지도록 하는 집단을 만들었습니다. 이러한 시나리오에서 게놈 선택은 특정 조건 하에서 매우 강력한 개선 엔진임이 입증되었습니다. 돌연변이가 많고 유익한 변화와 해로운 변화가 균형 있게 섞여 있을 때, 컴퓨터 가이드 선택은 단 하나의 가장 큰 유익한 돌연변이를 찾는 데 집중하는 전통적인 방식보다 훨씬 더 뛰어난 성과를 보였습니다. 단 두 번의 선택 주기 만에, 게놈 방식은 단 하나의 큰 유익한 돌연변이만을 찾는 전통적 방식의 가치가 0.45에 불과했던 것에 비해 2.84의 유전적 가치를 생성했습니다. 컴퓨터 모델이 성공한 이유는 수동 선택으로는 너무 복-잡한 작업인, 수많은 작은 유익한 변화를 동시에 선택하면서 동시에 해로운 변화들을 걸러낼 수 있었기 때문입니다.

또한 시뮬레이션은 이러한 접근 방식의 가치가 시작 집단의 유전적 다양성에 크게 좌우된다는 것을 보여주었습니다. 자연적인 유전적 변이가 낮은 시나리오에서는 돌연변이 창시자들을 도입함으로써 5주기 동안 유전적 이득을 거의 7배 가까이 높였습니다. 이 경우 새로운 돌연변이들이 유일한 개선의 원천이었으며, 컴퓨터 모델은 그 이득의 거의 전부를 포착할 수 있었습니다. 반대로 자연적 변이가 이미 높은 경우에는 돌연변이가 주는 추가적인 이득이 미미하여 이득을 약 5% 정도만 증가시켰습니다. 이는 돌연변이 육종이 작물이 다룰 수 있는 자연적 다양성이 고갈되었을 때 가장 가치 있으며, 이때 새로운 돌연변이가 새로운 형질의 저장고를 제공한다는 것을 나타냅니다.

궁극적으로, 이 연구는 작물 개량을 위한 중요한 경로를 명확히 해줍니다. 게놈 선택은 돌연변이 계통이 고립되어 있을 때는 그 가치를 예측할 수 없는데, 이는 고유한 돌연변이가 너무 희귀하여 다른 계통으로부터 학습될 수 없기 때문임을 입증했습니다. 그러나 일단 이 돌연변이들이 교배되어 새로운 유전적 변화가 친척들 사이에 분리되어 나타나기 시작하면, 컴퓨터 모델은 이러한 변화를 효과적으로 포착하고 축적할 수 있습니다. 이는 돌연변이를 통해 새로운 다양성을 창출하고, 돌연변이들을 교배하여 변화를 공유한 뒤, 게놈 선택을 통해 유익한 형질을 빠르게 쌓아 올리는 방식으로 돌연변이 육종을 현대적 전단계 육종(pre-breeding) 프로그램에 통합할 수 있는 실질적인 경로를 제시합니다. 이러한 접근 방식은 브리더들이 기후 변화에 더 탄력적이고 증가하는 세계 인구를 먹여 살릴 수 있는 작물을 개발하는 데 도움을 줄 수 있으며, 무작위적인 돌연변이의 혼돈스러운 잠재력을 농업을 위한 예측 가능하고 강력한 도구로 탈바꿈시킬 수 있습니다.

연구 분야의 논문에 파묻히고 계신가요?

연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.

Digest 사용해 보기 →