인공지능과 유전학은 농부들이 적은 비료로 옥수수를 재배하는 데 도움이 될 수 있다

뉴욕 대학의 과학자들은 인공지능을 사용하여 옥수수와 같은 식물의 질소 이용 효율성을 총괄적으로 제어하는 ​​유전자가 무엇인지 알아내고 있습니다. 그 목표는 농부들이 작물 수확량을 늘리고 질소 비료 비용을 최소화하도록 돕는 것입니다.

"질소 이용에 중요한 유전자를 식별함으로써, 옥수수와 같은 주요 미국 작물에서 질소 이용 효율성을 높이기 위해 특정 유전자를 선택하거나 심지어 수정할 수도 있습니다."라고 뉴욕대 생물학과 및 유전체학 및 시스템 생물학 센터의 캐럴 & 밀턴 페트리 교수이자 The Plant Cell 저널에 게재된 이 연구의 수석 저자인 글로리아 코루치가 말했습니다.

지난 50년 동안 식물 육종과 비료 분야의 획기적인 발전 덕분에 농부들은 작물 수확량을 늘릴 수 있었습니다. 특히 작물이 비료의 핵심 성분인 질소를 얼마나 효율적으로 흡수하고 사용하는지가 향상되었습니다.

그럼에도 불구하고, 대부분의 작물은 농부들이 밭에 뿌리는 비료의 질소 중 약 55%만 사용하고 나머지는 주변 토양으로 흘러갑니다. 질소가 지하수로 스며들면 식수를 오염시키고 호수, 강, 저수지, 그리고 따뜻한 바닷물에 유해한 조류(藻類)를 발생시킬 수 있습니다.

더욱이 토양에 남아 사용되지 않은 질소는 박테리아에 의해 아산화질소로 전환되는데, 이 아산화질소는 100년 동안 이산화탄소보다 열을 가두는 효과가 265배 더 강력한 강력한 온실가스입니다.

미국은 세계 최대 옥수수 생산국입니다. 이 주요 환금 작물은 재배에 많은 양의 질소가 필요하지만, 옥수수에 시용되는 비료의 상당 부분은 흡수되거나 사용되지 않습니다. 옥수수의 낮은 질소 이용 효율은 비료 가격 상승(대부분 수입)을 고려할 때 농부들에게 재정적 어려움을 야기할 뿐만 아니라 토양, 물, 공기, 그리고 기후에 악영향을 미칠 위험도 있습니다.

옥수수와 다른 작물의 이러한 과제를 해결하기 위해 NYU 연구진은 식물 유전학과 기계 학습을 통합하여 질소 사용 효율성을 개선하는 새로운 프로세스를 개발했습니다. 기계 학습은 데이터의 패턴을 감지하는 인공 지능의 한 종류로, 이 경우 유전자를 특성(질소 사용 효율성)과 연관시킵니다.

뉴욕대 연구진은 모델-작물 접근법을 사용하여 아라비돕시스와 공유되는 옥수수 유전자의 진화적 역사를 추적했습니다. 아라비돕시스는 식물 생물학에서 모델 생물로 자주 사용되는 작은 꽃잡초로, 분자유전학적 접근법을 활용하여 실험실에서 연구하기 쉽다는 장점 때문에 식물 생물학에서 모델 생물로 자주 사용됩니다.

코루치 연구팀은 Nature Communications 에 발표한 이전 연구에서 옥수수와 아라비돕시스 간에 질소 반응성이 보존되는 유전자를 확인하고 식물에서 이 유전자들의 역할을 검증했습니다.

이 주제에 대한 가장 최근의 식물 세포 연구 에서 , NYU 연구진은 옥수수와 아라비도프시스에서의 연구를 바탕으로 질소 사용 효율성이 동일한 전사 인자(조절 단백질)에 의해 활성화되거나 억제되는 유전자 그룹(레귤론이라고도 함)에 의해 어떻게 조절되는지 식별했습니다.

"질소 이용 효율이나 광합성 같은 형질은 결코 단일 유전자에 의해 제어되지 않습니다. 머신러닝 과정의 장점은 형질을 총괄적으로 담당하는 유전자 집합을 학습하고, 이러한 유전자 집합을 제어하는 ​​전사 인자(들)를 식별할 수 있다는 것입니다."라고 코루치는 말했습니다.

연구진은 먼저 RNA 시퀀싱을 사용하여 옥수수와 애기장대의 유전자가 질소 처리에 어떻게 반응하는지 측정했습니다. 이 데이터를 사용하여 머신러닝 모델을 학습시켜 옥수수와 애기장대 품종 전반에 걸쳐 보존된 질소 반응 유전자와 질소 이용 효율(NUE)에 중요한 유전자를 조절하는 전사 인자를 식별했습니다.

각 "NUE 레귤론(NUE Regulon)", 즉 전사 인자와 이에 상응하는 조절 NUE 유전자 세트에 대해 연구진은 집단 머신러닝 점수를 계산한 후, 조합된 발현 수준이 포장 재배 옥수수 품종의 질소 이용 효율을 얼마나 정확하게 예측하는지를 기준으로 상위 성적을 기록한 유전자들의 순위를 매겼습니다.

최고 순위의 NUE 레귤론을 개발하기 위해, 연구진은 옥수수와 애기장대 모두에서 세포 기반 연구를 수행하여 각 전사 인자에 의해 조절되는 유전체 내 유전자 세트에 대한 머신 러닝 예측을 검증했습니다.

이 실험을 통해 질소 사용을 제어하는 ​​24개 유전자를 조절하는 두 가지 옥수수 전사 인자(ZmMYB34/R3)와, 옥수수와 유전적 이력을 공유하며 질소 사용을 제어하는 ​​23개 표적 유전자를 조절하는 애기장대의 밀접하게 연관된 전사 인자(AtDIV1)에 대한 NUE 레귤론이 확인되었습니다.

머신 러닝 모델에 입력된 결과, 모델에서 작물로 보존된 이러한 NUE 레귤론은 AI가 포장에서 재배된 옥수수 품종 전반에 걸쳐 질소 사용 효율을 예측하는 능력을 크게 향상시켰습니다.

질소 사용을 조절하는 집합 유전자와 관련 전사 인자의 NUE 레귤런을 식별하면 작물 과학자들은 비료가 덜 필요한 옥수수를 개량하거나 조작할 수 있습니다.

"옥수수 교잡종을 묘목 단계에서 살펴보고 질소 이용 효율에 중요한 유전자의 발현이 높은지 확인하는 것은, 밭에 직접 심고 질소 이용량을 측정하는 것보다 훨씬 효과적입니다. 분자 마커를 사용하여 질소 이용 효율이 가장 높은 묘목 단계의 교잡종을 선별하고 그 품종을 재배할 수 있습니다."라고 코루치는 말했습니다.

"이는 농부들의 비용 절감으로 이어질 뿐만 아니라 지하수의 질소 오염과 아산화질소 온실가스 배출로 인한 유해한 영향을 줄이는 데에도 도움이 될 것입니다."

뉴욕대학교는 본 논문에 기술된 연구 및 결과에 대한 특허를 출원했습니다. 추가 연구 저자로는 뉴욕대학교의 지 황(Ji Huang), 팀 제퍼스(Tim Jeffers), 네이선 도너(Nathan Doner), 헝주이 시(Hung-Jui Shih), 사만다 프랑고스(Samantha Frangos), 만프리트 싱 카타리(Manpreet Singh Katari), 뉴욕대학교와 국립대만대학교의 치아이 청(Chia-Yi Cheng), 그리고 미국 농무부 농업연구청(Agricultural Research Service)의 매튜 브룩스(Matthew Brooks)가 있습니다. 본 연구는 미국 국립과학재단(NSF) 식물 유전체 연구 프로그램(IOS-1339362)과 미국 국립보건원(NIH)(R01-GM121753, F32GM116347)의 지원을 받았습니다.

출처: https://www.sciencedaily.com/releases/2025/05/250514164325.htm