Comparative Evaluation of AMMI, GGE, GYT, and Bayesian Models for Risk-Based Selection of Forage Sorghum in multi-environmental trials

당신이 새로운 종류의 수프를 위한 완벽한 레시피를 만들려는 셰프라고 상상해 보세요. 당신은 다양한 재료(유전자형)가 가득한 팬트리를 가지고 있지만, 수프를 어디에서 요리하느냐에 따라 맛이 달라질 것이라는 점도 알고 있습니다. 아마도 당신의 주방에 있는 물은 경수가 섞여 있을 수도 있고, 가스레인지가 너무 뜨겁게 돌아갈 수도 있으며, 습도가 공기 중의 채소가 익는 방식에 영향을 줄 수도 있습니다. 농업의 세계에서는 이를 **유전자형 × 환경 상호작용(Genotype × Environment Interaction)**이라고 부릅니다. 이는 어떤 식물이 한 곳에서는 챔피언처럼 자라더라도, 날씨, 토양 또는 계절이 달라지면 고전할 수도 있다는 것을 의미하는 멋진 표현입니다.

농부와 육종가들은 단순히 수확량이 높은(많은 식량을 주는) 것뿐만 아니라 안정적인 "슈퍼 재료"—즉, 식물—를 찾고자 합니다. 안정적인 식물은 햇빛이 내리쬐든, 비가 오든, 바람이 불든 상관없이 나타나서 제 역할을 다하는 믿음직한 친구와 같습니다. 오랫동안 과학자들은 어떤 식물이 가장 신뢰할 만한지 알아내기 위해 수학을 사용해 왔습니다. 그들은 평균 성능을 계산하는 것과 같은 도구들을 사용하는데, 이는 마치 학생의 성적 평균(GPA)을 계산하는 것과 비슷합니다. 하지만 평균은 까다로울 수 있습니다. 한 주에는 A를 받고 다음 주에는 F를 받은 학생은 매일 B를 받는 학생과 평균 점수는 같을 수 있습니다. 두 번째 학생이 더 안정적이지만, "평균"의 수학은 이를 항상 알려주지는 않습니다.

최근에는 **베이지안 통계학(Bayesian statistics)**이라는 새로운 종류의 수학이 주방에 들어왔습니다. 이 방식은 단 하나의 숫자(예: 성적)를 주는 대신, 확률을 제공합니다. 이것은 "이 식물이 어떤 무작위 미래 시즌에서도 스타 플레이어가 될 확률은 얼마인가?"라고 묻는 것과 같습니다. 이 접근 방식은 단순히 평균적으로 누가 최고인지를 알려주는 것이 아니라, 누가 완전한 실패를 피하기 위한 가장 안전한 선택인지 알려줍니다. 이는 사료용 수수(forage sorghum)와 같은 작물에 매우 중요합니다. 수수는 소와 같은 가축에게 먹일 녹색 사료를 기르는 풀입니다. 만약 농부가 잘못된 식물에 도박을 걸었다가 실패한다면, 동물들은 굶주리게 됩니다. 따라서 높은 수확량과 신뢰성을 모두 갖춘 식물을 찾는 것은 아주 중요한 게임입니다.

---

위대한 식물 대결: 누가 "가장 신뢰할 수 있는" 트로피를 차지할 것인가?

이 연구에서 과학자 팀은 어떤 사료용 수수 식물들이 열기를 견뎌낼 수 있는지 알아보기 위해 거대한 토너먼트를 개최하기로 결정했습니다. 그들은 30가지 서로 다른 유형의 수수(생각해 보세요, 30개의 서로 다른 운동선수 팀입니다)를 모아 혹독한 테스트를 거치게 했습니다. 그들은 단 한 곳에서만 테스트하지 않았습니다. 그들은 습하고 비가 많은 아삼(Assam)의 계절부터 건조하고 더운 하이데라바드(Hyderabad)의 조건에 이르기까지 인도 전역의 다섯 가지 서로 다른 환경에서 테스트를 진행했습니다. 이 테스트는 2020년과 2021년 동안의 다른 시즌(겨울, 여름, 몬순)에 걸쳐 수행되었습니다.

목표는 간단했습니다. 각 식물이 얼마나 많은 녹색 사료(동물을 위한 잎 부분의 먹이)를 생산하는지 측정하는 것이었습니다. 하지만 진짜 도전 과제는 다섯 가지 환경 중 어떤 곳에서도 무너지지 않고 잘 버텨내는 "챔피언" 식물이 무엇인지 찾아내는 것이었습니다.

구식 탐정단 vs 신식 탐정단

이 퍼즐을 풀기 위해 연구원들은 두 팀의 서로 다른 탐정단을 사용했습니다.

팀 1: 클래식 탐정단 (AMMI, GGE, GYT)
이들은 수십 년 동안 과학자들이 사용해 온 전통적인 방법들입니다. 이들은 데이터를 살펴보고 **바이플롯(biplots)**이라 불리는 화려한 지도를 그립니다. 이 지도들을 레이더 화면이라고 상상해 보세요. 식물은 점이고 환경은 화살표입니다.

• AMMI는 날씨가 변할 때 식물의 성능이 얼마나 흔들리는지를 살펴봅니다.
• GGE는 "이상적인" 환경을 찾아내고 어떤 식물이 그 이상형에 가장 가깝게 붙어 있는지를 봅니다.
• GYT는 조금 더 복잡합니다. 식물이 얼마나 많은 먹이를 만드는지만 보는 것이 아니라, 굵은 줄기나 많은 잎과 같은 다른 좋은 특성들을 가지고 있는지 확인하여 그 특성들이 수확량에 도움이 되는지를 체크합니다.

팀 2: 확률의 마법사들 (Bayesian Models)
이 팀은 다른 접근 방식을 사용합니다. "식물 A가 식물 B보다 낫다"라고 말하는 대신, 그들은 "식물 A가 식물 B를 이길 확률은 얼마인가?"라고 묻습니다. 그들은 컴퓨터를 사용하여 수천 번의 시뮬레이션을 실행하며, 모든 식물에 대한 가능한 결과의 "구름"을 만듭니다. 이것은 그들에게 **리스크 점수(risk score)**를 제공합니다. 이는 그들에게 누가 최고인지뿐만 아니라, 누가 가장 안전하게 베팅할 수 있는지를 알려줍니다.

결과: 슈퍼스타는 누구인가?

숫자를 분석한 후, 두 팀의 탐정단은 모두 동일한 몇몇 식물을 지목했습니다. 이는 결과가 견고하다는 아주 좋은 신호입니다.

가장 안정적이면서 수확량이 높은 명확한 승자는 바로 **G24 (348B)**였습니다.

• 클래식 탐정단은 다음과 같이 말했습니다: "G24는 가장 안정적이고 수확량이 높습니다. 거의 모든 환경에서 훌륭한 성과를 보였습니다."
• 확률의 마법사들은 다음과 같이 말했습니다: "우리는 G24가 톱 퍼포머가 될 것이라는 점에 매우 확신하며(약 96% 확률), 또한 안정적일 확률도 높습니다."

다른 식물들도 "엘리트 리스트"에 포함되었습니다. G30 (SSG-59-3), G26 (314B), 그리고 **G19 (327B)**가 그 주인공입니다. 이 식물들은 전반적으로 일관되게 우수했습니다.

하지만 연구진은 **G21 (CSV32F)**이라는 식물에 대해 매우 흥-미로운 사실을 발견했습니다.

• 만약 평균 수확량만 본다면, G21은 G24와 어깨를 나란히 하는 슈퍼스타처럼 보였을 것입니다.
• 그러나 확률의 마법사들은 비밀을 밝혀냈습니다. G21은 "고위험(high-risk)" 플레이어였습니다. 높은 성과를 낼 가능성도 있었지만, 시즌에 따라 형편없어질 가능성도 컸습니다. G21의 "안정성 확률"은 매우 낮았습니다 (약 0.08에 불근함).
• 교훈: 단순히 평균 점수가 높다고 해서 반드시 안전한 선택인 것은 아닙니다. G21은 열심히 공부한 시험에서는 A를 받지만, 공부하지 않은 시험에서는 낙제하는 학생과 같습니다. 반면 G24는 매번 꾸준히 A-를 받는 학생입니다.

"리스크 맵 (Risk Map)"

연구진은 이를 시각화하기 위해 특별한 지도(4분면 리스크 맵)를 만들었습니다.

• 우측 상단 (엘리트): 수확량이 높으면서 동시에 안정적인 식물들입니다. G24가 바로 여기에 위치했습니다.
• 좌측 상단 (위험한 도박): 엄청난 승자가 될 수도 있지만, 완전히 망할 수도 있는 식물들입니다. G21이 여기에 있었습니다.
• 우측 하단 (안정적이지만 소규모): 안전하지만 생산량이 많지는 않은 식물들입니다.
• 좌측 하단 (패배자): 안전하지도 않고 생산적이지도 않은 식물들입니다.

환경에 대하여는 어떠했는가?

연구진은 어떤 테스트 장소가 가장 좋은 심판인지도 파악했습니다.

• E1, E2, E3가 "이상적인" 테스트 환경으로 밝혀졌습니다. 이 환경들은 최고의 식물을 찾아내는 데 탁월했으며, 실제 세계를 잘 대변했습니다.
• 또한 연구는 이 지역을 **두 개의 "메가 환경(mega-environments)"**으로 나눌 수 있다는 것을 발견했습니다. 이는 어떤 식물은 어디서나 훌륭하지만, 어떤 식물은 전문가(specialist)라는 것을 의미합니다. 예를 들어, G3는 특정 두 환경에서는 최고였지만 다른 환경에서는 그렇지 않았습니다. 이는 농부들에게 특정 유형의 기후에 있다면 일반론적인 식물보다는 전문가형 식물을 선택해야 할 수도 있다는 점을 시사합니다.

"비밀 소스" 특성들

연구진은 또한 무엇이 승리하는 식물들을 그렇게 좋게 만들었는지 살펴보았습니다. 그들은 굵은 줄기(SGT), 넓은 잎(LFW), 그리고 높은 엽면적 지수(LAI)(기본적으로 햇빛을 더 많이 받기 위한 더 많은 잎 표면을 의미함)를 가진 식물들이 더 많은 먹이를 생산하는 경향이 있다는 것을 발견했습니다. 결국, 많은 양의 녹색 사료를 원한다면, 크고 탄탄한 "태양광 패널" 시스템을 구축하는 식물이 필요하다는 것입니다.

결론

이 연구는 단순히 몇 개의 좋은 식물을 찾아낸 것이 아닙니다. 이 연구는 구식 수학과 신식 확률 수학을 모두 사용하는 것이 최선의 결과를 준다는 것을 증명했습니다. 구식 방법은 누가 좋은지에 대한 명확한 그림을 주었고, 새로운 방법은 그 식물을 선택하는 것이 얼마나 위험한지에 대한 명확한 그림을 주었습니다.

최종 판결은? **G24 (348B)**는 주목해야 할 식물입니다. 그것은 다양한 기후, 특히 아삼과 같은 비전통적인 재배 지역에서도 농부들이 믿을 수 있는, 신뢰할 수 있고 수확량이 높은 챔피언입니다. G30, G26, G19 또한 강력한 후보들입니다. 하지만 만약 G21을 선택한다면, 당신은 도박을 할 준비가 되어 있어야 할 것입니다.

두 가지 방식으로 데이터를 바라봄으로써, 과학자들은 날씨가 점점 더 예측 불가능해지는 미래에 적합한 식물을 선택할 수 있는 강력한 도구를 육종가들에게 제공했습니다. 이는 단순히 가장 큰 식물을 찾는 것이 아니라, 폭풍이 몰아칠 때 당신을 실망시키지 않을 식물을 찾는 것입니다.