게놈 선발 육종 (Genomic Selection in Breeding)

한 줄 정의: 게놈 전체에 분포한 다수의 분자표지 정보를 이용해 개체의 육종가를 통계적으로 예측함으로써 복합 형질을 선발하는 육종 기법입니다.

쉽게 풀면

수확량처럼 여러 유전자가 함께 관여하는 형질은 소수의 표지만으로는 정확히 예측하기 어렵습니다. 게놈 선발은 게놈 전체에 촘촘히 퍼진 수많은 표지 정보를 한꺼번에 활용해, 마치 여러 조각의 퍼즐을 모아 전체 그림을 추정하듯 개체의 유전적 잠재력을 점수로 계산합니다. 이렇게 계산된 예측값을 이용하면 실제로 자라서 형질이 나타나기 전에도 우수한 개체를 미리 골라낼 수 있습니다.

왜 중요한가

가축 육종이나 나무처럼 세대 간격이 길어 형질 평가에 오랜 시간이 걸리는 대상에서 게놈 선발은 육종 주기를 크게 단축시킬 수 있습니다. 특히 여러 유전자가 소량씩 관여하는 복합 형질에 대해 기존 소수 표지 기반 선발보다 예측력이 높다고 알려져 있어, 축산·작물 육종 논문에서 널리 활용됩니다.

논문에서는 이렇게 쓰입니다

"Genomic estimated breeding values were calculated using a genomic selection model trained on the reference population."

참조 집단으로 학습한 게놈 선발 모델을 이용해 유전체 추정 육종가를 계산했다는 내용입니다.

"The accuracy of genomic selection breeding for yield-related traits varied depending on the size of the training population."

수확량 관련 형질에 대한 게놈 선발 육종의 예측 정확도가 학습 집단의 크기에 따라 달라졌다는 결과를 보여줍니다.

조금 더 깊게 보면

게놈 선발은 형질과 표현형 정보를 모두 가진 참조(학습) 집단에서 표지 효과를 추정한 뒤, 이 모델을 표현형이 없는 후보 집단에 적용해 육종가를 예측하는 방식으로 이루어집니다. GBLUP, 베이지안 방법 등 다양한 통계 모델이 사용되며, 예측 정확도는 학습 집단의 크기와 대상 집단과의 유전적 유연관계에 크게 좌우됩니다. 게놈 선발은 표현형 측정 없이도 유전체 전역에 분포한 다수의 마커 정보로 육종가를 예측할 수 있어, 개체가 성체로 자라기 전 어린 단계에서부터 선발을 진행할 수 있다는 시간적 이점이 있습니다.

주의할 점

게놈 선발 모델은 학습에 사용된 집단과 유전적 배경이 크게 다른 집단에 적용하면 예측 정확도가 떨어질 수 있어, 정기적인 모델 재학습이 필요합니다.