2세대 다중형질 Gene panel로 육종 현장 문제를 해결하다

2세대 다중형질 Gene panel로 육종 현장 문제를 해결하다

 

씨더스 GENE PANEL, 무엇이 다른가

최근 종자 산업은 기후 변화, 병해충 증가, 그리고 생산성 한계라는 큰 도전에 직면해 있습니다.

이러한 환경 속에서 단순히 ‘좋은 품종을 찾는 것’을 넘어, 여러 기능을 동시에 갖춘 품종을 빠르게 개발하는 것이 핵심 과제로 떠오르고 있습니다.

 

이 흐름 속에서 디지털 육종은 빠르게 확산되고 있으며, 그 중심에는 2세대 다중 마커 기반 유전자 분석 기술이 자리하고 있습니다.

 

 

 

왜 기존 육종 방식은 한계가 있었을까

기존의 육종은 반복적인 재배와 선발을 통해 우연히 좋은 개체를 찾는 방식에 가까웠습니다.

 

이 과정은 시간이 오래 걸릴 뿐 아니라, 환경에 따라 결과가 달라지는 불확실성도 큽니다.

 

이러한 한계를 해결하기 위해 등장한 것이 유전체 정보를 기반으로 개체를 선별하는 ‘분자 육종(Molecular breeding)’입니다.

 

하지만 초기 기술은 단일 형질 중심 분석에 머물렀고, 복합 형질을 동시에 다루기에는 비용과 효율 측면에서 한계가 있었습니다.

 

 

 

 

1세대 GT-seq 기술의 한계 : 마커 다중화의 벽에 부딪히다

GT-seq은 이러한 문제를 해결하기 위해 등장한 차세대 유전자 분석 기술입니다.

여러 개의 SNP 마커를 동시에 분석하고, 수천 개 샘플을 한 번에 처리할 수 있다는 점에서 비용 효율성을 크게 개선했습니다.

 

하지만 실제 육종 현장에서 사용하기에는 몇 가지 구조적인 한계가 존재합니다.

 

대표적으로마커 수가 증가할수록 분석 정확도가 떨어지고, 프라이머 간 간섭으로 인해 데이터 품질이 불안정해지며, 앰플리콘 크기를 일정하게 맞춰야 하는 제약이 발생합니다.

 

결국, 실험실 수준에서는 유용하지만 대규모 상업 육종에서는 한계가 분명한 기술입니다.

 

 

씨더스 GENE PANEL, 무엇이 다를까

씨더스는 이러한 구조적인 문제를 해결하기 위해 완전히 다른 접근 방식의 다중형질 유전자 패널(Multiplex Gene Panel)을 개발했습니다.

 

핵심은 단순한 분석 기술이 아니라, AI와 생물정보학 알고리즘을 결합한 ‘설계형 분석 시스템’이라는 점입니다.

 

① '그리디 트리밍(Greedy Trimming)' AI 알고리즘
수백 개의 프라이머가 서로 충돌하여 발생하는 간섭 현상을 AI가 사전에 예측하고 차단합니다.
덕분에 마커 간 길이 차이가 나더라도 단일 튜브에서 충돌 없이 동시에 증폭할 수 있는 탁월한 유연성을 확보했습니다.

② 통계적 정규화로 찾아내는 '인과관계 마커(Causal Variant Marker)'

단순히 통계 수치만 높은 마커가 아니라, 재배 환경의 노이즈를 수학적으로 상쇄하고, 실제 형질 발현에 기여하는 진성 마커를 99% 이상의 정확도로 선별합니다. 이는 신품종 개발 주기를 30~50% 이상 단축하는 원동력이 됩니다.

 

 

 

300개 마커를 한 번에, 단일 튜브에서

씨더스 기술의 가장 큰 차별점은300개 이상의 마커를 단일 반응에서 동시에 분석할 수 있다는 점입니다.

GT-seq 패널이 192개의 타깃에서 72.2%의 유전자 판별률로 하락하는 한계를 보였던 반면, 씨더스 기술은 가지과 작물(토마토 등)을 대상으로 수행된 상용화 검증 연구에서 300-plex(300개의 마커를 단일 튜브에서 동시 증폭)라는 초고도 다중화 패널을 성공적으로 구동하였습니다.

기존 GT-seq이 제한적인 환경 최적화를 거친 90여 개 패널에서조차 40%대에서 80%대까지 널뛰는 불안정성을 보인 것과 달리, 씨더스는 300-plex 환경에서도 평균 표적 적중률(On-target Rate) 78.57%라는 극히 안정적인 증폭 성과를 달성하였습니다.

나아가 시퀀싱된 데이터가 참조 유전체의 정확한 위치에 정렬되는 비율을 나타내는 유효 매핑 리드 비율(Mapping Read Ratio)은 무려 99.1%를 기록하였습니다.

이는 생성된 데이터 대부분이 실제 분석에 활용된다는 의미이며, 비용 효율성과 데이터 신뢰도를 동시에 확보한 결과입니다.

 

디지털 육종, 이제 ‘설계’의 단계로

이러한 기술은 단순히 분석 효율을 높이는 것을 넘어, 육종의 방식 자체를 바꾸고 있습니다.

이제는 가능성을 탐색하는 것이 아니라, 데이터를 기반으로 결과를 예측하고 설계하는 단계로 이동하고 있습니다.

 

씨더스의 GENE PANEL은 이 변화의 중심에서 육종가의 의사결정을 더 빠르고 정확하게 만드는 도구로 작동합니다.

 

 

 

씨더스가 만들어가는 다음 단계

씨더스는 이 기술을 바탕으로 단순한 분석 서비스를 넘어 글로벌 종자 기업과의 협력, 유전자 기반 품질 검증, 그리고 농산물 시장 보호까지 확장하고 있습니다.

 

앞으로 디지털 육종은 속도와 정확성, 그리고 확장성이 핵심 경쟁력이 될 것입니다.

 

씨더스는 복잡한 유전체 데이터를 이해하고, 이를 실제 산업에 적용 가능한 기술로 연결하며, 농업이 ‘경험’에서 ‘설계’로 전환되는 흐름을 가장 앞에서 만들어가는 기업이 되겠습니다.

 

 

 

---

 

[학술 기고] 차세대 디지털 육종을 위한 타깃 시퀀싱 플랫폼의 비교 분석:
1세대 GT-seq의 생물물리학적 한계와 2세대 지능형 Gene Panel의 알고리즘적 혁신

디지털 육종의 핵심은 수만 개의 유전체 데이터 중 목적 형질과 직결된 핵심 마커를 얼마나 정밀하고 경제적으로 검출하느냐에 있습니다. 본 고에서는 기존의 1세대 타깃 시퀀싱 기술인 GT-seq의 구조적 한계를 분석하고, 이를 알고리즘적으로 극복한 씨더스(Seeders) 지능형 Gene Panel의 기술적 우위성을 규명하고자 합니다.

 

구분	GT-seq (1세대)	Seeders Gene Panel (2세대)
마커 선별 알고리즘 단순 빈도 필터링 vs 통계적 정규화	기존 유전체 데이터에서 소수 대립유전자 빈도(MAF) 기반의 단순 필터링을 거친 SNP를 채택합니다. 이는 환경적 노이즈에 의한 위양성(False-positive) 마커를 포함할 가능성이 높습니다.	독자적인 통계적 정규화(Statistical Normalization) 알고리즘을 적용합니다. 유전형 분산(Genotype variance)에 차별적 가중치를 부여하여 환경 노이즈를 상쇄하고, 목표 형질에 대한 유전적 기여도가 높은 진성 마커(True Marker)만을 99% 이상의 정확도로 추출합니다.
증폭 메커니즘 경쟁적 억제 vs 지능형 농도 보정	다중 PCR 시 앰플리콘 크기가 다르면 작은 단편이 자원을 독식하는 경쟁적 억제 (Competitive inhibition)가 발생합니다. 이로 인해 모든 마커의 길이를 약 78bp 내외로 유사하게 설계해야 하는 제약이 큽니다.	타깃별 증폭 효율을 능동적으로 제어하는 개방형 구조를 갖추고 있습니다. 증폭 효율이 낮은 열성 타깃 프라이머 농도를 부스팅하는 초정밀 보정 로직을 통해, 크기가 상이한 구조적 변이(InDel, SV 등)를 하나의 튜브에서 동시에 진단할 수 있는 뛰어난 유연성을 확보했습니다.
간섭 제어 기술 경험적 필터링 vs 그리디 트리밍 (Greedy Trimming)	범용 소프트웨어를 활용하여 프라이머 간 간섭을 수동적으로 회피하는 단계에 머물러 있습니다. 이는 마커 수가 증가할수록 표적 적중률이 하락하는 주요 원인이 됩니다.	AI 기반의 그리디 트리밍(Greedy Trimming) 기술을 도입했습니다. 모든 프라이머 조합의 열역학적 결합 에너지(ΔG)를 계산하여 다이머 형성 확률이 높은 서열에 페널티 점수를 부여하고 최적의 앙상블을 자동으로 도출합니다.
성능 및 확장성 100-plex의 벽 vs 300-plex의 안정성	단일 튜브 내 최적화 한계가 약 101개이며, 192개로 확장 시 유전자형 판별률이 72.2%로 급락하여 물리적으로 튜브를 나누어 증폭하는 과정이 요구됩니다.	300-plex 이상의 초고도 다중화 환경에서도 평균 표적 적중률 78.57%, 유효 매핑 리드 비율 99.1%라는 압도적 성능을 유지합니다. 이는 시퀀싱 데이터의 낭비를 최소화하여 기존 대비 50% 이상의 분석 비용 절감을 실현합니다.

 

분석 지표	1세대 타깃 시퀀싱 (GT-seq)	2세대 지능형 패널 (Seeders Gene Panel)	과학적 차별점 및 시사점
마커 유효성	MAF 기반 단순 빈도 필터링	통계적 정규화 및 분산 가중치 적용	위양성 마커 제거를 통한 표현형 예측 정확도 극대화
다중화 확장성	192-plex 시 판별률 72.2%로 하락	300-plex 이상 단일 튜브 반응 성공	튜브 분할 없는 단일 반응으로 분석 효율성 및 경제성 확보
간섭 억제	범용 툴 기반의 수동적 간섭 회피	그리디 트리밍 및 열역학 페널티 로직	시퀀싱 리드 손실 최소화 및 데이터 생산성 극대화
설계 유연성	앰플리콘 크기 제한 (약 78bp)	초정밀 농도 보정으로 크기 편차 수용	InDel, SV 등 구조적 변이의 동시 진단 가능성 부여
데이터 정밀도	표적 적중률 변동 (54.6%~62.3%)	유효 매핑 비율 99.1% 달성	노이즈 리드 1% 미만 통제를 통한 분석 단가 혁신

 

 

 

---

DATA IS REAL

씨더스는 데이터와 AI로 더 건강한 먹거리를 제안하는 기업입니다.