드론을 이용한 표현형 분석: 희소한 감자 품종 검정에서 드론 기반 환경 커널이 유전체 데이터보다 우수한 성능을 보인다

기후 변화로 인해 연간 날씨 변동성이 심화됨에 따라 식물 육종가들은 표현형 분석 비용을 관리 가능한 수준으로 유지하면서 다양한 환경에서 더 많은 유전자형을 평가해야 한다는 압박을 받고 있습니다. 일부 유전자형만 평가하는 희소 검사는 실용적인 해결책을 제시하지만, 누락된 데이터를 보완할 수 있는 강력한 예측 모델이 필요합니다. 최근 발표된 한 연구는 이러한 문제를 해결하고자 합니다. 과학 보고서 드론 이미지를 이용한 고처리량 표현형 분석(HTP)이 이러한 시나리오에서 유전체 정보를 대체할 수 있는 강력한 대안이 될 수 있음을 보여줍니다. 스웨덴의 세 가지 환경(2020~2021년에 걸쳐 두 곳)에서 256개의 감자 클론을 대상으로 연구를 진행한 연구진은 드론 기반 RGB 이미지에서 시간 통합 식생 지수, 캐노피 피복률, 식물 높이를 추출했습니다. 이러한 이미지 기반 형질에 주성분 분석(PCA)을 적용하여 시험 지역 간의 유사성을 정량화하는 "환경 커널"(E-kernel)을 구축하고, 데이터 희소성 수준이 10%에서 66%까지 변화하는 조건에서 표준 유전체 관계 행렬(G-kernel)과의 예측 성능을 비교했습니다.

결과는 매우 고무적입니다. 데이터 완전성 50%인 두 가지 환경 시나리오에서 E-커널은 모든 형질에서 G-커널과 이 둘의 조합보다 훨씬 뛰어난 성능을 보였으며, 총 괴경 수확량 예측 정확도를 60%, 50~60mm 크기 분포 예측 정확도를 62% 향상시켰습니다. 데이터 완전성 33%에서는 전분 함량만이 r² 값이 0.5를 넘는 유일한 형질이었으며, E-커널만이 이 수준의 정확도를 달성했습니다. 게놈 커널은 극도로 데이터 밀도가 낮은 환경(10~20%)에서만 더 견고한 성능을 보였으며, 기존의 기상학적 공변량은 인접한 지역을 구분하는 데 제한적인 능력을 보였습니다. 특히, G 커널과 E 커널을 결합해도 예측 정확도가 향상되지 않았는데, 이는 정보가 중복됨을 시사합니다. 저자들은 표본 크기가 작고 환경적 누출이 발생한다는 한계를 인정하면서도, 이미지 기반 환경 커널이 비용 효율적이고 확장성이 뛰어나며, 특히 사배체 감자와 같이 생육 주기가 느린 작물에 매우 유용하다고 강조합니다. 이 접근 방식은 특히 수확량 관련 형질에 있어 자원이 제한된 육종 프로그램에서 유전적 이득을 가속화하는 실용적인 방법을 제공하는 동시에 재사용 가능한 HTP 데이터를 통해 표현형 분석 부담을 줄입니다.