선발 표지 등으로 '수발아 강한 고품질 벼' 개발 기반 확보

다음은 농촌진흥청이 발표한 보도자료 '선발 표지 등으로 '수발아 강한 고품질 벼' 개발 기반 확보'에 대한 상세하고 포괄적인 요약입니다.

1. 핵심 요약

농촌진흥청은 2025년 10월 13일, 기후변화에 따른 벼 수발아(이삭싹나기) 피해에 효과적으로 대응하기 위해 새로운 유전자 선발 표지(마커)와 인공지능(AI) 기반 수발아율 자동 측정 딥러닝 모델 개발에 성공했다고 발표했습니다. 연구진은 벼의 6번 염색체에서 기존에 보고되지 않은 수발아 저항성 유전자 위치 'qPHS6'을 발견하고 이를 활용한 선발 표지를 개발했으며, 2만 3천 개의 종자 이미지를 학습시킨 AI 모델로 수발아율 측정의 정확성과 효율성을 획기적으로 높였습니다. 이러한 연구 성과는 국제학술지 'The Plant Genome (IF 3.8)'에 게재되어 학술적 가치를 인정받았으며, 수발아에 강한 고품질 벼 품종 개발을 가속화하여 쌀 생산 안정화와 농가 소득 증대에 크게 기여할 것으로 기대됩니다.

2. 주요 내용

1. 신규 수발아 저항성 유전자 위치 및 선발 표지 개발:
   농촌진흥청 연구진은 수발아에 취약한 '주남벼'와 상대적으로 강한 '남평벼'를 교배하여 후대 계통을 육성한 후, 이들의 유전변이와 수발아율을 종합적으로 분석했습니다. 그 결과, 벼의 12개 염색체 중 6번 염색체에서 지금까지 보고되지 않은 새로운 수발아 저항성 유전자 위치인 'qPHS6'을 발견했습니다. 이 유전자 위치에서 나타나는 염기서열 차이를 활용하여 수발아 저항성 품종 육종에 직접 활용할 수 있는 선발 표지(마커)를 개발함으로써, 원하는 형질을 가진 벼를 효율적으로 선별할 수 있는 기반을 마련했습니다.

2. 인공지능(AI) 기반 수발아율 자동 측정 딥러닝 모델 개발:
   연구진은 벼 수발아 또는 발아를 유발하는 조건에서 촬영한 2만 3천 개의 종자 이미지를 인공지능에 학습시켜 발아 종자와 미발아 종자를 자동으로 구분하는 딥러닝 모델을 개발했습니다. 이 모델은 YOLOv8 알고리즘을 활용했으며, 기존에 종자를 하나씩 눈으로 확인하며 수발아율을 측정하던 방식과 달리 약 100개의 종자를 한 번에 자동 분석할 수 있어 노동력과 시간을 크게 절감하고 작업 효율성을 획기적으로 높였습니다. 개발된 모델은 육안 측정값과 0.9567이라는 매우 높은 상관관계를 보여 정확성 또한 입증되었습니다.

3. 연구 결과의 국제 학술지 게재:
   이번 농촌진흥청의 연구 성과는 식물 유전체 분야의 권위 있는 국제학술지인 'The Plant Genome (IF 3.8)'에 게재되었습니다. 이는 개발된 수발아 저항성 선발 표지와 인공지능 기반 수발아율 측정 모델의 과학적 타당성과 혁신성을 국제적으로 인정받았음을 의미하며, 향후 관련 연구 분야에 중요한 기여를 할 것으로 평가됩니다.

4. 수발아 피해의 심각성 및 품종 개발의 필요성:
   벼 수발아(이삭싹나기)는 벼 이삭을 수확하기 전에 알곡에서 싹이 트는 현상으로, 수확기 집중호우, 고온, 태풍 등으로 벼가 쓰러졌을 때 자주 발생합니다. 이러한 수발아는 쌀의 품질을 크게 떨어뜨리고 수량 감소를 야기하여 농가에 막대한 피해를 입힙니다. 과거 피해 사례를 보면, 수확기 강우로 2016년 15,000ha, 2021년 184ha의 피해가 발생했으며, 태풍으로 인한 쓰러짐과 수발아 피해는 2005년 123,000ha, 2019년 30,000ha, 2020년 20,895ha에 달했습니다. 이러한 피해는 기후변화로 인해 더욱 심화될 것으로 예상되어, 수발아 저항성 품종 개발의 시급성이 강조됩니다.

5. 새로운 유전자 위치 'qPHS6'의 중요성:
   연구 과정에서 3, 6, 7번 염색체에서 수발아 저항성 유전자 위치(QTL, Quantitative Trait Loci)인 'qPHS3', 'qPHS6', 'qPHS7'이 발견되었습니다. 이 중 3번 염색체의 'qPHS3'은 이미 보고된 유전자였으나, 6번과 7번 염색체에서 발견된 QTL들은 새로운 유전자 위치로 밝혀지지 않은 것이었습니다. 특히 6번 염색체의 'qPHS6'은 수발아 저항성 효과가 큰 '주동(主動) QTL'로 확인되어, 이 유전자에 대한 분리와 표지 개발이 수발아 저항성 품종 육성에 결정적인 역할을 할 것으로 평가됩니다.

6. 선발 마커 'qPHS6_dCAPS'의 구체적 정보:
   'qPHS6' QTL 영역에서 주남벼와 남평벼 간 유전체 염기서열 차이를 분석하여 후보유전자로 'Os06g0317200'을 선발했습니다. 이 유전자에는 아미노산 차이를 유발하는 단일염기서열변이(SNP, Single Nucleotide Polymorphism) 2개가 존재함을 확인했습니다. 연구진은 이 중 SNP1을 활용하여 선발 마커 'qPHS6_dCAPS'를 개발했으며, 이 마커의 구체적인 프라이머 염기서열(forwad: AGGGGAAGAATGTGAAGCCAACAGCT, reverse: CACCATAGCCACCACCATAC)과 제한효소(PvuII) 정보까지 명시하여 육종 현장에서의 활용도를 높였습니다.

3. 배경 및 목적

이번 연구는 전 세계적으로 심화되고 있는 기후변화가 농업 생산에 미치는 부정적인 영향에 대응하기 위해 추진되었습니다. 최근 수확기에 잦은 강우, 고온 현상, 그리고 예측 불가능한 태풍의 빈번한 발생은 벼 수발아(이삭싹나기) 피해를 급증시키는 주요 원인이 되고 있습니다. 수발아는 벼 이삭이 수확되기 전에 알곡에서 싹이 트는 현상으로, 이는 쌀의 외관 품질을 저하시킬 뿐만 아니라 밥맛을 떨어뜨리고 저장성을 약화시켜 상품 가치를 크게 하락시킵니다. 실제 과거 사례를 보면, 2016년에는 수확기 강우로 15,000ha, 2021년에는 184ha의 벼 재배 면적이 수발아 피해를 입었으며, 태풍으로 인한 쓰러짐과 연계된 수발아 피해는 2005년 123,000ha, 2019년 30,000ha, 2020년 20,895ha에 달해 농가 경제에 막대한 손실을 입히고 쌀 산업 전반에 부정적인 영향을 미쳤습니다.

이러한 배경 속에서 본 연구의 궁극적인 목적은 기후변화에 강하고 안정적인 고품질 쌀 생산 기반을 확보하는 것입니다. 이를 위해 구체적으로 두 가지 핵심 목표를 설정했습니다. 첫째, 벼의 수발아 저항성을 높이는 새로운 유전자를 발굴하고, 이를 육종 과정에서 효율적으로 활용할 수 있는 선발 표지(마커)를 개발하는 것입니다. 선발 표지는 특정 유전자의 존재 여부를 확인할 수 있는 유전적 지표로, 이를 활용하면 벼 육종가들이 원하는 형질을 가진 개체를 빠르고 정확하게 선별할 수 있어 육종 기간과 비용을 크게 절감할 수 있습니다. 둘째, 벼 수발아율을 빠르고 정확하게 측정할 수 있는 인공지능 기반의 영상 분석 기술을 개발하는 것입니다. 기존의 육안 측정 방식은 많은 시간과 노동력이 소요될 뿐만 아니라 주관적인 판단이 개입될 여지가 있어 효율성과 정확성에 한계가 있었습니다. 따라서 자동화된 측정 시스템을 구축하여 육종 효율성을 극대화하고, 궁극적으로 이상기후에 강한 고품질 벼 품종을 신속하게 개발하여 농업 생산성을 향상하고 농가 소득 증대에 기여하고자 합니다.

4. 세부 추진 내용

이번 연구는 농촌진흥청 국립농업과학원 디지털육종지원과(책임자 권수진 과장, 담당자 지현소 연구관) 주도로 진행되었습니다. 연구진은 수발아 저항성 유전자 위치를 탐색하기 위해 수발아에 취약한 '주남벼'와 상대적으로 강한 '남평벼'를 교배하여 후대 계통 집단을 육성했습니다. 이 후대 계통들이 가지는 다양한 유전변이(유전지도) 정보와 실제 수발아율 데이터를 종합적으로 분석하여, 특정 형질의 발현에 영향을 미치는 유전자들이 모여 있는 염색체 상의 특정 위치인 수발아 저항성 유전자 위치(QTL, Quantitative Trait Loci)를 탐색했습니다. 이 과정은 2023년 하계 포장재배와 2023~2024년 동계 온실재배를 통해 안정적인 효과를 보이는 QTL을 발견하는 데 집중되었습니다.

그 결과, 벼의 3번, 6번, 7번 염색체에서 수발아 저항성 QTL인 'qPHS3', 'qPHS6', 'qPHS7'을 발견했습니다. 특히, 6번 염색체에서 발견된 'qPHS6'은 수발아 저항성 효과가 큰 '주동(主動) QTL'로 확인되었으며, 이는 기존에 학계에 보고되지 않은 새로운 유전자 위치였습니다. 연구진은 'qPHS6' QTL 영역에서 '주남벼'와 '남평벼' 간의 유전체 염기서열 차이를 정밀하게 분석하여, 후보유전자로 'Os06g0317200'을 선발했습니다. 이 유전자 내에서 아미노산 차이를 유발하는 단일염기서열변이(SNP, Single Nucleotide Polymorphism) 2개를 확인했으며, 이 중 SNP1을 활용하여 수발아 저항성 품종 육종에 직접 적용할 수 있는 선발 마커 'qPHS6_dCAPS'를 성공적으로 개발했습니다. 이 마커는 특정 프라이머 염기서열과 제한효소(PvuII) 정보를 포함하여 육종 현장에서의 활용성을 높였습니다.

동시에, 벼 수발아율을 자동 측정하는 인공지능 딥러닝 모델 개발도 병행되었습니다. 연구진은 벼 수발아 또는 발아를 유도하는 조건에서 총 2만 3천 개의 종자 이미지를 촬영했습니다. 이 이미지들을 발아 종자와 미발아 종자로 구분하여 인공지능에 학습시켰으며, 객체 탐지에 특화된 'YOLOv8' 알고리즘을 활용했습니다. 개발된 딥러닝 모델은 '주남/남평' 교배 후대 집단 계통들의 수발아율을 측정한 결과, 육안을 이용한 관행적인 측정값과 0.9567이라는 매우 높은 상관관계를 보여 모델의 정확성과 신뢰성을 입증했습니다. 이러한 모든 연구 결과는 국제학술지 'The Plant Genome (IF 3.8)'에 게재되어 학술적 가치를 인정받았습니다.

5. 기대 효과

이번 농촌진흥청의 연구 성과는 국내 벼 육종 분야에 혁신적인 변화를 가져올 것으로 기대됩니다. 첫째, 새롭게 개발된 수발아 저항성 선발 표지(마커)와 인공지능 기반 자동 측정 모델은 벼 육종 과정의 효율성을 획기적으로 높일 것입니다. 육종가들은 더 이상 수발아 저항성 개체를 선발하기 위해 오랜 시간과 많은 노동력을 투입하여 육안으로 일일이 확인하는 대신, 유전자 마커를 통해 빠르고 정확하게 원하는 형질의 벼를 선별하고, AI 모델을 통해 대량의 종자 수발아율을 신속하게 측정할 수 있게 됩니다. 이는 품종 개발 기간을 단축하고 개발 비용을 절감하는 효과로 이어질 것입니다. 둘째, 수발아에 강한 고품질 벼 품종의 개발 및 보급이 가속화되어 쌀 생산의 안정성이 크게 향상될 것입니다. 이상기후로 인한 잦은 강우와 태풍에도 쌀 품질 저하와 수량 감소를 최소화할 수 있어, 농가들은 안정적인 수확량과 고품질 쌀을 생산할 수 있게 됩니다. 이는 쌀의 시장 경쟁력을 높이고 농가 소득 증대에 직접적으로 기여할 것입니다. 궁극적으로 이 기술의 수혜 대상은 전국 벼 재배 농가와 쌀 가공업체, 그리고 고품질 쌀을 소비하는 모든 국민이 될 것이며, 안정적인 쌀 공급을 통해 국가 식량 안보에도 긍정적인 영향을 미칠 것으로 예상됩니다.

6. 향후 계획

농촌진흥청은 이번 연구를 통해 확보된 수발아 저항성 선발 표지와 인공지능 기반 자동 측정 모델을 실제 벼 육종 현장에 적극적으로 보급하고 활용할 계획입니다. 이를 통해 수발아에 강한 고품질 벼 품종 개발을 더욱 가속화하고, 육종 과정에서 개체 선발의 정확성과 효율성을 지속적으로 높여나갈 것입니다. 또한, 새롭게 발견된 주동(主動) QTL인 'qPHS6' 유전자에 대한 추가적인 기능 연구를 심화하여, 수발아 저항성 메커니즘을 보다 명확히 규명하고 이를 활용한 육종 전략을 더욱 고도화할 예정입니다. 나아가, 이번 연구 성과를 이상기후에 대비한 다양한 스트레스 저항성(가뭄, 병충해 등) 품종 개발 연구와 연계하여, 기후변화에 더욱 강한 미래 농업 기술을 확보하고 국내 농업 생산성 향상에 지속적으로 기여할 방침입니다.