본문내용 바로가기 메인메뉴 바로가기

사회경영

홈 사회경영기업 소식

기업 소식

토마토 형질조사란? 1,000여 자원의 화서, 화방 특성 분석
  • 등록일 2026-10-23

토마토 형질조사란? 1,000여 자원의 화서, 화방 특성 분석

 

 

화서·화방·과형·과색의 기록에서 AIBREEDER·AIFARMER 까지

온실에서 토마토 한 송이를 들어 보면, 과실의 색보다 먼저 줄기가 뻗은 모습이 눈에 들어올 때가 있습니다.

길게 늘어진 송이, 여러 갈래로 퍼진 송이, 둥근 과실과 길쭉한 과실.

나란히 놓고 보면 같은 토마토 안에도 이렇게 많은 차이가 있구나 싶습니다.

씨더스는 품종·계통을 포함한 1,000여 점의 토마토 유전자원을 바탕으로 이런 차이를 조사하고, 자원별 특징을 형질 데이터베이스(DB)로 정리해 가고 있습니다.

이번 사진들은 그 다양성의 일부입니다. 보기좋은 장면을 넘어, 어떤 특성을 다음 육종과 재배에 활용할지 찾아가는 현장의 기록이기도 합니다.

 

 

화서와 화방, 같은 송이에서도 다르게 읽히다

화서는 꽃이 달리는 배열과 분지 구조를 뜻합니다.

현장에서 사용하는 화방은 꽃이 모여 달리는 한 단위를 가리키며, 착과 이후에도 첫째 화방·둘째 화방처럼 위치를 구분할 때 쓰입니다.

구조를 설명하는 관점과 재배 현장에서 묶음을 관찰하는 관점이 함께 필요한 셈입니다.

사진에서는 착과한 송이의 축과 배열을 볼 수 있습니다.

실제 조사에서는 화서의 분지와 함께 꽃 수·착과 수, 화방 위치, 적화·적과 이력을 따로 기록합니다.

UPOV의 토마토 지침도 화서형을 관찰할 때 조사할 화방과 시점을 정합니다.

같은 조건에서 비교해야 품종의 차이를 더 분명하게 읽을 수 있기 때문입니다.

 

 

 

과형, “길쭉하다”를 비교 가능한 기록으로

둥근 과실, 길쭉한 과실, 배 모양에 가까운 노란 과실은 각각 다른 인상을 줍니다.

씨더스가 강조하는 정밀 형질조사에서는 이 인상을 과실의 길이와 폭, 길이·폭 비율, 어깨와 끝 모양처럼 비교 가능한 항목으로 바꾸는 것이 중요합니다.

비슷한 성숙 단계에서 정해진 방향으로 촬영하고, 눈금이나 실측값을 함께 남기면 “지난번보다 길쭉하다”는 관찰이 데이터가 됩니다.

과형은 이렇게 반복해서 기록할 때 자원 비교와 후대 선발의 기준으로 활용할 수 있습니다.

 

 

 

과색 색 이름 옆에 성숙 단계를 남깁니다.

 사진 속 토마토에는 붉은색, 노란색, 주황색, 갈색 계열과 초록빛이 함께 보입니다.

이런 색의 차이를 품종의 특성으로 읽으려면, 과실이 어느 정도 익었는지도 함께 살펴야 합니다.

사진의 초록색이 미숙한 과실의 색인지, 성숙했을 때 남는 특성인지를 구분하는 것입니다.

과색을 기록할 때는 성숙 단계와 촬영 조명, 과피와 과육의 구분을 함께 살핍니다.

같은 기준으로 익힌 과실을 비교하고 색 변화도 이어서 남기면, 품종의 특징과 성숙 과정의 차이를 읽기 좋습니다.

예쁜 색을 연구에 쓰이는 형질로 바꾸는 과정입니다.

 

 

 

정밀한 형질조사 같은 기준으로 다시 볼 수 있어야 합니다.

과실이 많이 달린 송이는 눈길을 끕니다.

육종에서는 여기에 몇 번째 화방인지, 조사한 개체는 몇 개인지, 적과를 했는지, 어떤 환경과 관리 조건에서 자랐는지까지 더해 비교합니다.

정밀성은 소수점 자릿수만의 문제가 아닙니다. 같은 항목을 같은 방법으로 조사하고, 반복 개체와 재배 시기를 함께 비교하는 데서 나옵니다.

씨더스가 현장 사진과 조사 기록을 함께 정리하는 이유도, 눈에 띈 차이를 다시 확인할 수 있는 근거로 남기기 위해서입니다.

 

 

 

사진첩에서 형질 DB 로, 자원의 특징을 연결합니다

씨더스가 구축하는 토마토 형질 DB의 핵심은 사진과 자원 정보를 따로 두지 않는 것입니다.

품종·계통 번호를 중심으로 개체번호, 화방 순서, 촬영일, 성숙 단계, 형질 측정값과 재배 조건을 연결하는 방향으로 기록을 쌓아가고 있습니다.

이렇게 정리된 자료는 “노란 과실”을 찾는 데서 그치지 않습니다.

비슷한 과형의 자원을 비교하고, 원하는 착과 특성을 보이는 후보를 살펴보며, 관찰한 차이를 유전체 정보와 함께 해석할 수 있는 기반이 됩니다.

중요한 것은 사진의 양보다, 서로 연결하고 비교할 수 있는 데이터의 구조입니다.

 
 

AIBREEDER·AIFARMER, 품종을 이해해야 재배도 정교해집니다

어떤 품종을 만들 것인가와, 그 품종을 어떻게 잘 키울 것인가는 이어진 질문입니다.

씨더스는 형질 DB를 AIBREEDER와 AIFARMER의 공통 기반으로 확장하고 있습니다.

AIBREEDER는 유전형·표현형 정보를 바탕으로 목표 형질과 교배·선발 전략을 검토하는 방향이며, AIFARMER는 품종 특성에 환경·생육·관리 이력을 더해 재배 판단을 돕는 방향입니다.

유전적 특징을 알면 재배에서 무엇을 주의 깊게 볼지 정하기 좋아집니다.

여기에 온도·광·수분과 실제 생육 반응을 함께 읽어야 품종에 맞는 관리 방법을 찾을 수 있습니다.

여러 재배환경을 비교한 토마토 연구에서도 품종과 환경의 조합에 따라 수량·품질 반응이 달라졌습니다.

육종 데이터와 재배 데이터를 연결해야 하는 이유입니다.

 

 

 

16 년의 생물정보분석, 다음 토마토를 위한 기반

2010년 설립 이후 16년간 씨더스는 식물의 유전정보를 분석하고 연구 질문을 데이터로 풀어 왔습니다.

그 생물정보분석 경험에 AI 기반 데이터 기술을 더해, 유전자원과 현장 형질, 육종과 재배를 함께 연결하고 있습니다.

온실에서 발견한 작은 차이가 다음 품종의 장점이 되고, 그 품종을 잘 키우는 단서가 되도록,

씨더스는 현장의 정밀한 기록을 데이터 자산으로 쌓으며, 그린바이오 종자 분야를 대표하는 기업으로 성장해 나아가겠습니다.

 


 

DATA IS REAL

씨더스는 데이터와 AI로 더 건강한 먹거리를 제안하는 기업입니다

위로 이동