유전체 선발(Genomic Selection) 개념 #

분자유전학적 표지인자(Molecular Genetic Marker)의 개발에 따라 육종에 있어 개체의 선발 정확도를 향상하게 시키고 개량 목표 달성의 세대간격을 줄이기 위하여, 양적형질유전자좌(QTL, Quantitative Trait Loci)와 연관된 유전마커 정보를 개체의 표현형 정보와 함께 분석하는 마커도움선발(Marker Assisted Selection, MAS) 방법이 고안되었다.

그러나 마커도움선발법은 유전력이 낮고, 표현형 자료의 수집이 어려우며, 생시 에 측정이 불가능한 형질과 같이 선발의 정확도가 낮은 형질에서만 그 효용성이 있었다. 이를 위해 마커로 사용 가능한 QTL의 확보가 필수적이어서 QTL mapping이 광범위하게 수행되었지만 탐색 된 양적형질 유전자좌위는 개체 능력 편차를 극히 일부만 설명할 수 있었고 효과 역시 너무 과대 추정되었으며, 마커 인자를 포함한 육종가를 계산하기가 복잡한 단점을 가지고 있어 가축 선발에 크게 이용되지 못하였다.

유전체 선발은 MAS의 단점을 극복하고 QTL을 찾기 위해 소요되는 막대한 비용을 줄이기 위해 고안되었으나, SNP 유전자형 분석방법의 급속한 발달에 힘입어 처음의 목적보다 광범위하게 쓰이게 되었다. 유전체 선발의 방법론은 Meuwissen(2001)이 처음 발표하지만, 그 용어와 개념을 정립하여 소개한 것은 호주에서 열린 1998년 WCGALP에서 Haley와 Visscher가 처음이었다(Meuwissen, 2007).

유전체 선발을 위한 통계적 방법의 대표적인 방법으로는, 유전자가 유전체 전체에 넓게 퍼져 있고 각각은 아주 작은 효과를 가진다는 무한소 모형(Infinitesimal Model)에 기반한 GBLUP(Genomic Best Linear Unbiased Prediction) 방법과 큰 효과를 가진 몇 개의 유전자와 작은 효과를 가진 많은 유전자가 같이 작용한다는 가정을 따르는 Bayesian 방법, 이 두 가지가 있다.

유전체 선발 정의 #

• 고밀도 유전체 정보를 활용하는 선발 방법

유전체 선발 기법 #

• 유전체 전체에 걸쳐서 높은 밀도로 분포된 수십만 개의 마커 중 일부가 몇몇 유전자와 연관 불평형(LD, linkage disequilibrium) 상태에 있다는 가정하에 동시적인 선발을 가하는 것

유전체 선발을 위한 통계적 방법 #

GBLUP(Genomic Best Linear Unbiased Prediction) #

• 유전자가 유전체 전체에 넓게 퍼져 있고 각각은 아주 작은 효과를 가진다는 무한소 모형(Infinitesimal Model)에 기반한 GBLUP 방법
  • 혼합모형방정식을 이용한 선형모형으로 먼저 각각의 마커 인자의 효과를 추정하고, 추정된 마커 효과의 합으로 개체의 유전체 육종가를 예측하는 방법
  • 기존의 가계 기록을 기반으로 개체 간의 연관 계수를 계산한 혈연행렬(NRM, Numerator Relationship Matrix)을 유전체 정보를 이용하여 계산한 혈연 행렬(GRM, Genomic Relationship Matrix)로 대치하는 방법

Bayesian method #

• 큰 효과를 가진 몇 개의 유전자와 작은 효과를 가진 많은 유전자가 같이 작용한다는 가정을 따르는 Bayesian 방법
  • 마커나 양적형질좌위의 효과가 정규분포가 아닌 경험적으로 얻어진 다른 사전 분포에 따른다는 가정 하에 추정하는 비선형 예측 방법으로 각각 다른 통계적 분포와 마커의 수에 따라Bayesian - A, B, C, Cpi, SSVS 등으로 세분됨