중국 과학자들은 포도 재배의 새로운 방법을 촉진하기 위해 인공 지능을 제안합니다.
저자：Eve Cole
업데이트 시간：2024-11-14 19:30:01
인공지능과 결합된 육종 기술이 기존 포도 육종 시간을 획기적으로 단축하고 있다. 기자는 중국 농업과학원 유전체학 연구소로부터 이 연구소의 Zhou Yongfeng 팀이 인공 지능을 활용한 새로운 포도 육종 방법을 제안했다는 사실을 알게 되었습니다. 이 방법은 육종 주기를 크게 단축할 것이며 예측 정확도는 85에 달합니다. %. 전통적인 방법과 비교하여 육종 효율을 400% 높일 수 있습니다. 본 연구는 정밀한 포도 육종 설계를 달성하고, 포도 품종 혁신을 가속화하며, 기타 다년생 작물 육종에 대한 방법론적 참고 자료를 제공할 것으로 기대됩니다. 관련 연구 결과가 Nature Genetics에 게재되었습니다. 포도 육종 기술 의 여러 도약 포도는 인류가 가장 좋아하는 과일로 다양한 영양소가 풍부하고 용도도 다양합니다. 그러나 포도씨가 싹이 트고 열매를 맺는 데는 3년이 걸린다. 그리고 "만족스러운" 포도 품종을 개발하는 데는 훨씬 더 오랜 시간이 걸립니다. 연구에 따르면 약 10,000년 전에 사람들은 포도를 "변형"시키려고 시도하기 시작했습니다. 소위 "변형"은 특정 수단을 통해 원래 포도 특성을 선택적으로 개선하는 것입니다.
인간이 포도를 재배한 역사는 1만년 전으로 거슬러 올라간다. 사진 제공: 중국 농업과학원 게놈 연구소 초기에는 사람들이 야생 포도를 발견한 후 고품질의 포도 묘목을 보존하고 대대로 번식시켜 요구 사항을 충족하는 자손만 남겼습니다. 방법은 유용하지만 의존도가 매우 높기 때문에 천연 생식질 자원을 제한적으로 개선할 수 있으므로 Breeding 1.0 기술이라고 합니다. 나중에 사람들은 포도의 "높은 수확량"과 "높은 단맛"을 모두 원한다면 "높은 수확량" 포도 품종과 "높은 단맛" 포도 품종을 교배하여 두 부모의 잡종을 만들 수 있다는 것을 발견했습니다. 우수한 특성을 지닌 자손을 대상으로 하는 이 방법은 목표 대상의 요구를 충족시킵니다. 유성 선택 포도 품종에 대한 수요가 있지만 번식 주기가 매우 길고 종종 수십 년의 선별이 필요하며 작업량이 엄청납니다. 또한 포도는 이형 접합성이 높기 때문에 교배 후 자손은 분리된 특성을 가지게 됩니다. 교배 효과는 이상적이지 않습니다. 이러한 접근 방식을 Breeding 2.0 기술이라고 합니다. 21세기 초부터 분자생물학, 정량유전학, 생물정보학 및 기타 학문 분야의 등장과 함께 육종가들은 브리딩 3.0(Breeding 3.0) 기술, 즉 분자 표지를 사용하여 형질을 "설계"하는 분자 육종을 제안해 왔으며, 이를 기반으로 에서 제안한 Breeding 4.0, 즉 대규모 게놈과 유전자 데이터를 기반으로 분석하고 예측하여 육종 효율성과 정확성을 높이는 지능형 설계 육종이 가장 대표적이다.
지능형 설계 육종은 육종 효율성과 정확성을 크게 향상시킵니다. 사진 제공: 중국 농업과학원 게놈 연구소. 최초의 포도 팬 게놈이 공개되었습니다. 현재 포도 육종은 2.0 단계에 있습니다. 2.0에서 4.0으로 도약하려면 먼저 충분히 포괄적이고 정확한 게놈 데이터가 필요합니다. 이를 위해 Zhou Yongfeng 팀은 2015년부터 포도의 설계 육종에 주력해 왔으며, 2023년에 최초의 완전한 포도의 텔로미어-텔로미어 참조 게놈 지도를 공개할 예정입니다. 관련 연구는 Horticulture Research의 표지 기사로 게재되었습니다. "우수한. 그러나 정확한 "설계"를 달성하기 위해서는 하나의 게놈 데이터만으로는 충분하지 않습니다. 이를 기반으로 Zhou Yongfeng 팀은 야생 및 재배 품종을 포함하여 9개의 이배체 포도 품종을 연속적으로 배열하고 조립하여 18개의 텔로미어 간 일배체형 게놈을 얻었으며 통합된 기존 게놈 데이터를 사용하여 최초의 가장 포괄적이고 정확한 포도를 구성했습니다. 범게놈(pan-genome)은 단일 참조 게놈 크기의 거의 3배입니다.
포도 판게놈. 중국 농업과학원 유전체학 연구소에서 제공한 사진. 포도 유전자와 특성 사이의 관계를 더욱 명확하게 하기 위해 Zhou Yongfeng 팀은 포도의 대사산물 함량을 포함하여 약 29개 포도 품종에서 400개 이상의 대표적인 포도 품종을 선택했습니다. 열매, 열매 크기 및 껍질 색상을 조사하고 포도 유전자형 지도와 특성 지도를 구축했습니다. 이를 바탕으로 Zhou Yongfeng 팀은 정량적 유전자 분석을 사용하여 농업적 형질과 유의미한 관련이 있는 148개 유전자좌를 식별했으며, 그 중 122개 유전자좌가 처음으로 발견되었습니다. 이 연구는 가용성 고형분 함량 및 베리 폭과 관련된 유전자좌의 근접성과 같은 다양한 특성을 조절하는 유전자좌 사이에 상관 관계가 있음을 발견했습니다. 또한 다양한 포도 그룹(와인, 테이블, 아메리칸 테이블 하이브리드) 간에는 상당한 차별화 영역이 있으며 베리 색상, 피부 떫은맛, 베리 모양, 귀 무게, 과육 견고함, 과일 크기 등과 관련된 여러 영역이 있습니다. 관련 유전자좌는 농업적 특성에 대한 다양한 선택이 포도주 양조와 식용 포도의 분화를 촉진한다는 것을 나타냅니다.
29가지 농업적 특성과 다양한 포도 그룹 간의 상관 관계. 중국 농업과학원 유전체학 연구소에서 제공한 이미지 "AI"는 포도 육종을 안내합니다. 포괄적이고 정확한 게놈 데이터는 육종 전략을 최적화하고 육종을 안내하기 위해 이러한 데이터를 어떻게 심층적으로 조사할 수 있습니까? 이것은 지능육종에서 답해야 할 질문이다. Zhou Yongfeng 팀은 번식 전략을 안내하고 최적화하기 위해 점수를 기반으로 초기 개체를 예측하고 선택하는 예측 모델을 구축하기 위해 기계 학습을 도입하기로 결정했습니다.
게놈 선택 육종 전략. 사진 제공: 중국 농업과학원 유전체학 연구소 이 연구에서 연구자들은 특성과 유전형이 포함된 데이터를 훈련 세트, 검증 세트 및 테스트 세트의 세 가지 하위 세트로 나누었습니다. 유전자형과 특성 데이터 사이의 복잡한 네트워크 관계를 분석하기 위해 기계 학습 알고리즘을 사용했으며, 훈련 데이터 세트를 사용하여 최초의 포도 게놈 전체 선택 모델을 구축했습니다. 연구에서는 모델을 최적화하기 위해 검증 세트를 통해 모델 매개변수를 추가로 조정했습니다. 마지막으로 테스트 데이터 세트를 사용하여 최종 모델 성능을 평가했습니다. 그 결과, 구조적 변이 정보와 머신러닝 모델을 결합한 전산 폴리유전자 점수 예측 정확도가 최대 85%에 달하는 것으로 나타났다.
주요 농경학적 특성의 예측 정확도가 크게 향상되었습니다. 사진
제공: 중국농업과학원 유전체학연구소 성숙 후 포도의 표현형을 기준으로 판단해야 하는 교배육종에 비해, 전유전체 선택육종 기술은 묘목 단계에서 성숙 후 포도의 특성을 예측하고 부적격 묘목을 조기에 제거하며 불필요한 묘목을 줄일 수 있다. 인건비와 투자로 인해 포도 육종 응용 분야에서 큰 응용 잠재력을 갖고 있으며, 포도 육종 효율성을 향상시키고, 새로운 포도 생식질 생성을 가속화하며, 포도 육종 전략을 혁신합니다. 현재 관련 연구 결과는 6개의 국내 발명 특허를 신청 및 승인했으며 1개의 국제 특허를 신청했습니다. 이번 연구는 국가핵심연구개발사업, 국가우수청소년과학기금(해외), 국립자연과학재단, 중앙정부의 지역 과학기술 발전 특별기금 등의 지원을 받아 이뤄졌다.
