- GBS·RAD-seq 활용, SNP 데이터와 유전다양성 분석부터 디지털육종까지
-
- 등록일 2026-10-14
GBS·RAD-seq 활용, SNP 데이터와 유전다양성 분석부터 디지털육종까지

유전다양성과 집단구조에서 GWAS·QTL, 선발용 마커까지
GBS·RAD-seq로 확보한 SNP 데이터는 유전자원의 관계를 파악하고, 목표 형질과 연관된 유전체 구간을 탐색하며, 선발용 마커를 개발하는데 활용됩니다.
PCA·집단구조 분석은 “어떤 자원들이 유전적으로 비슷한가”에, GWAS·QTL 분석은 “어느 구간이 형질 차이와 연결되는가”에 답합니다
앞선 글이 DNA를 읽는 방법을 비교했다면, 이번에는 SNP 결과를 자원 평가, 형질 연구, 마커 검정으로 연결하는 흐름을 살펴봅니다.
SNP 데이터, 왜 유전자원 분석의 출발점일까?
개체별 SNP를 같은 위치에서 비교하면 자원 사이의 차이를 수치로 정리할 수 있습니다.
시료·마커 위치·유전형을 정돈한 데이터는 유전다양성 분석의 기초이며, 형질 측정값과 연결하면 연관 분석으로 확장됩니다.
PCA·집단구조 분석은 어떤 질문에 답할까?
PCA는 SNP 정보를 주요 변이 축으로 요약하고, 집단구조 분석은 자원별 유전적 배경과 소속 양상을 추정합니다.
두 분석은 자원 구성과 다양성을 이해하고 교배 후보의 배경을 검토하는 데 활용됩니다.
오차드그래스 GBS 연구는 SNP로 유전적 관계와 집단구조를 분석했습니다. 아래 Figure 4의 PCoA(주좌표분석)는 자원 간 유전거리와 그룹 분포를 보여줍니다.

GWAS는 형질과 관련된 구간을 어떻게 찾을까?
GWAS(전장유전체 연관분석)는 여러 유전자원의 SNP와 형질 측정값을 함께 분석합니다.
특정 유전형과 형질 차이가 통계적으로 연결되는 위치를 찾아 후속 연구 후보를 좁혀갑니다.
자원들이 공유하는 유전적 배경이 결과에 영향을 줄 수 있어 집단구조와 혈연관계를 함께 고려합니다.
같은 오차드그래스 연구에서는 집단구조와 유전적 관계를 반영한 혼합모형으로 건물중과 연관된 마커를 탐색했습니다.
아래 Figure 6은 마커의 연관 신호를 배열한 pseudo Manhattan plot입니다.
자원의 관계를 이해한 뒤 형질을 더해, 어떤 마커를 후속 연구에서 검토할지 좁혀가는 과정을 보여줍니다.

QTL 분석은 교배집단에서 무엇을 추적할까?
연관지도 기반 QTL 분석은 부모를 교배해 만든 집단에서 마커가 함께 유전되는 양상과 형질의 차이를 연결합니다.
다양한 자원을 활용하는 GWAS와 달리, 교배 후대의 재조합을 따라 목표 형질에 관련된 구간을 찾는 접근입니다.
Han 연구진은 2024년 조의 부모와 127개 RIL 계통에 RAD-seq를 적용하고, SNP를 기반으로 4,360개 bin 마커의 유전연관지도를 구축했습니다.
여러 환경과 생육단계에서 키를 측정해 QTL을 탐색한 이 연구는, DNA 정보에 재배·형질 데이터를 더하면 육종에 필요한 구간을 추적할 수 있음을 보여줍니다.

발굴한 SNP는 어떻게 선발용 마커가 될까?
형질과 연관된 후보를 찾은 다음에는 다른 자원과 재배조건에서 활용성을 확인하고, 해당 SNP를 반복해서 검정할 수 있는 마커로 연결합니다.
이 과정에서 연구용 분석 결과가 실제 개체 선발에 쓸 수 있는 도구로 발전합니다.
콩 재시퀀싱 연구에서는 GWAS로 찾은 백립중 관련 SNP를 KASP 마커로 개발·검정했습니다.
이 사례는 SNP 탐색에서 형질연관 분석을 거쳐 반복 검정에 활용할 마커를 만드는 과정을 보여줍니다.
SNP 데이터를 디지털육종의 판단 근거로 읽는 방법
유전다양성과 집단구조 분석은 자원 간 관계를 읽고, GWAS와 연관지도 기반 QTL 분석은 형질 관련 구간을 탐색합니다.
각각이 답하는 질문을 구분하면 SNP 데이터를 연구 목적에 맞게 활용할 수 있습니다.
후보 SNP를 검정 가능한 마커로 전환하면 분석 결과는 실제 개체 선발에 활용할 수 있는 도구가 됩니다.
많은 변이를 확보하는 데서 나아가, 형질의 단서를 찾고 다음 연구와 선발의 근거로 연결하는 것이 SNP 분석의 활용 가치입니다.
DATA IS REAL
씨더스는 데이터와 AI로 더 건강한 먹거리를 제안하는 기업입니다.