GBS와 RAD-seq 차이점, 식물 SNP 분석에서 무엇을 비교해야 할까?

GBS와 RAD-seq 차이점, 식물 SNP 분석에서 무엇을 비교해야 할까?

 

 

 

DNA 절단·절편 선정·라이브러리 제작으로 이해하는 식물 유전체 분석

GBS와 RAD-seq는 제한효소를 이용해 유전체의 일부 구간을 읽고, 개체 간 SNP를 찾는 유전형 분석 기술입니다.

 

대표적인 차이는 DNA를 자른 뒤 분석할 절편을 구성하고 시퀀싱 라이브러리를 만드는 과정에 있습니다.

 

SNP(단일염기다형성)는 개체 사이에서 DNA의 한 염기가 달라지는 유전변이입니다.

 

식물 유전체 분석에서는 여러 개체에서 비교할 수 있는 SNP를 확보해 유전자원 간 차이를 파악하고 육종에 활용합니다.

 

GBS와 RAD-seq는 유전체 전체가 아니라 선택된 구간을 읽어 이러한 데이터를 만드는 접근입니다.

 

이번 글에서는 GBS의 기본형과 원형 RAD-seq를 중심으로 DNA 절단, 절편 선정, 라이브러리 제작의 차이를 살펴봅니다.

 

이후 발전한 이중효소 GBS와 ddRAD-seq도 함께 짚어보겠습니다.

 

 

 

 

GBS 분석이란? 제한효소로 유전체를 줄여 읽는 방법

GBS는 Genotyping-by-Sequencing의 약자로, 2011년 Elshire 연구진이 제시한 대표적인 GBS 방식은 특정 DNA 서열을 인식해 자르는 ApeKI 제한효소를 사용합니다.

 

절단한 DNA에 바코드가 포함된 어댑터를 연결해 여러 시료를 함께 읽는 구조입니다. 바코드는 함께 분석한 DNA가 어느 시료에서 왔는지 구분하는 표지입니다.

 

라이브러리는 시퀀싱 장비가 읽을 수 있도록 준비한 DNA 절편의 모음입니다.

어댑터는 그 절편을 증폭하고 읽을 수 있도록 연결하는 짧은 DNA 서열입니다.

 

기본형 GBS는 무작위 물리적 파쇄와 별도의 정밀한 크기 선별 단계를 생략해 제작 과정을 단순화했습니다.

해당 작물에 적합한 메틸화 민감성 효소를 선택하면 반복서열이 많은 구간의 분석 비중을 줄이는 데도 도움이 됩니다.

 

기본형 GBS의 흐름은 DNA 제한효소 처리 → 바코드·공통 어댑터 연결 → 시료 혼합·정제 → PCR → 시퀀싱으로 이해할 수 있습니다. 핵심은 개체들이 공유하는 유전체 위치의 변이를 비교할 수 있도록 데이터를 만드는 것입니다.

 

 

 

RAD-seq란? 제한효소 절단 부근을 표지해 읽는 방법

RAD-seq는 Restriction-site Associated DNA Sequencing을 뜻합니다.

 

2008년 Baird 연구진의 원형 방식은 제한효소로 DNA를 자른 뒤 절단 부위에 바코드가 포함된 P1 어댑터를 먼저 연결합니다. 이후 DNA를 무작위로 잘게 나누고 크기를 선별한 다음, 두 번째 P2 어댑터를 연결합니다.

 

이 과정에서 P1이 붙은 절단 부근의 DNA가 선택적으로 증폭됩니다. 흐름은 제한효소 처리 → P1 연결·시료 혼합 → 무작위 파쇄·크기 선별 → 말단 처리·P2 연결 → PCR·시퀀싱입니다. GBS와 출발점은 비슷하지만, 읽을 DNA 절편을 만드는 과정이 다릅니다.

 

 

 

GBS와 RAD-seq 차이, 무엇을 비교해야 할까?

 첫째는 DNA를 자르는 방식입니다. 비교하는 프로토콜에 어떤 효소가 사용되는지, 효소 처리 이후 물리적 파쇄가 더해지는지를 봐야 합니다.

둘째는 절편 크기를 선정하는 방식, 셋째는 어댑터와 증폭 설계로 어떤 절편을 실제 읽게 하는지입니다. 이 세 가지가 함께 분석할 유전체 구간을 결정합니다.

 

GBS를 항상 “효소 1개”, RAD-seq를 항상 “효소 2개”로 나누는 것은 정확하지 않습니다. 2012년 Poland 연구진은 PstI와 MspI를 사용하는 이중효소 GBS를 제시했고, 같은 해 Peterson 연구진의 ddRAD-seq는 두 제한효소와 절편 크기 선별을 결합해 원형 RAD의 무작위 파쇄를 없앴습니다.

 

따라서 기술명과 함께 어떤 GBS인지, 원형 RAD인지 ddRAD인지 살피는 것이 중요합니다. 씨더스 제공 자료에는 3-RADseq와 그 활용 분야도 소개돼 있습니다. 아래 그림은 원형 RAD의 제작도가 아니라 확장 사례이며, ddRAD·3RAD의 구체적인 설계는 다음 편에서 다룹니다.

 

 

 

SNP가 많을수록 좋은 분석일까? 

SNP 개수는 중요한 정보지만, 그것만으로 분석의 활용도가 결정되지는 않습니다.

여러 개체에서 공통으로 읽힌 위치, 각 위치의 읽기 깊이, 결측 정도와 마커의 분포를 함께 봐야 합니다.

 

많은 변이를 찾는 것과, 연구에 쓸 수 있는 유전형 데이터를 만드는 것은 서로 연결되지만 같은 일은 아닙니다.

 

2026년 The Plant Genome에 발표된 밀 연구는 GBS·타깃 SNP 패널·저심도 전장유전체 분석을 비교했습니다.

모든 형질에서 한 방식이 일관되게 가장 우수하지는 않았고, GBS도 높은 유전체 예측 성능을 보였습니다.

최근 연구에서도 핵심은 기술의 이름보다 목표 형질과 육종집단에 맞는 데이터 설계에 있습니다.

 

 

 

 

씨더스는 SNP 데이터를 어떻게 육종으로 연결할까?

그린바이오 데이터기업 씨더스는 식물 유전체 분석, 집단 유전체 분석, 분자마커 개발과 표현체 분석을 수행하며 연구와 실제 육종을 연결하는 데 집중하고 있습니다.

 

이러한 접근에서 중요한 것은 시퀀싱 결과를 제공하는 것에 그치지 않고, 연구자가 데이터를 이용해 어떤 질문에 답할 수 있는지를 함께 살피는 것입니다.

 

유전자원의 차이를 비교하려는 연구와 형질 관련 유전변이를 찾으려는 연구는 활용할 정보가 다릅니다. GBS·RAD-seq로 확보한 SNP는 집단과 유전자원을 이해하는 자료가 되고, 후속 형질 분석과 검증을 거쳐 선발 연구로 연결될 수 있습니다.

 

 

 

GBS와 RAD-seq 차이를 이해하는 것은,
내 연구에서 어떤 DNA를 읽고 어떤 정보를 얻을지 설계하는 출발점입니다.

 

결국 GBS와 RAD-seq의 차이를 이해하는 것은 단순히 두 분석법을 구분하는 데 그치지 않습니다.

 

내 연구에서는 어떤 DNA 영역을 읽어야 하는지, 그 데이터로 무엇을 확인하고 싶은지에 따라 적합한 분석 방법도 달라집니다.

 

그리고 그렇게 확보한 SNP 데이터는 유전자원의 차이를 이해하고, 형질과 관련된 유전변이를 찾고, 다시 실제 선발에 활용하는 연구로 이어질 수 있습니다.

 

 

데이터를 얻는 것에서 끝나지 않고, 그 데이터가 다음 연구와 육종의 판단으로 이어지도록 하는 것.

 

씨더스는 앞으로도 유전체 분석부터 형질 탐색과 검증, 분자마커 개발까지 연결하며 연구에서 얻은 데이터가 실제 육종에 활용될 수 있도록 그 다음 단계를 함께 만들어가겠습니다.

 

 

---

 

 

DATA IS REAL

씨더스는 데이터와 AI로 더 건강한 먹거리를 제안하는 기업입니다.