2026 한국육종학회 - 딥데이터와 AI로 콩 신소재를 예측하다 




 

씨더스가 제시한 인실리코 육종의 새로운 가능성

2026 한국육종학회에서 씨더스 조성환 대표는 '딥데이터를 활용한 인실리코 콩 유용 신소재 예측모델 개발'을 주제로 연구 성과를 발표했습니다.

이번 연구는 씨더스를 비롯해 국립농업과학원, 충북대학교 등 여러 연구기관이 함께 수행한 과제로, 방대한 콩 유전체와 대사체 데이터를 활용해 기능성 콩 소재를 예측하고 실제 육종에 적용할 수 있는 시스템을 구축하는 것이 핵심입니다.

이번 발표는 AI 모델의 성능을 소개하는 데 그치지 않았습니다.

데이터를 어떻게 실제 육종 현장에 연결할 것인지, 그리고 AI가 육종의 효율을 어떻게 높일 수 있는지를 보여준 의미 있는 자리였습니다.



 

콩 육종도 이제는 데이터를 보고 시작합니다

기존의 육종은 우수한 부모를 선발해 교배한 뒤, 여러 세대를 거치며 원하는 형질을 가진 개체를 선발하는 방식으로 진행됩니다.

하지만 콩의 기능성 성분이나 수량성처럼 여러 유전자가 함께 영향을 미치는 형질은 하나의 유전자만으로 예측하기 어렵고, 서로 다른 형질 간 상충 관계도 자주 발생합니다.

씨더스는 이러한 한계를 해결하기 위해 육종 시뮬레이션, 유전체선발, Gene Panel을 하나의 시스템으로 연결했습니다.

교배 전에 최적의 부모 조합을 예측하고, 어린 개체의 DNA만으로 미래 형질을 예측해 우수한 개체를 빠르게 선발하는 것이 핵심입니다.

1.6TB 유전체 데이터에서 AI가 답을 찾다

이번 연구에는 농촌진흥청 슈퍼컴퓨터센터가 제공한 약 1.6TB 규모의 콩 전장유전체 데이터가 활용되었습니다.

연구진은 438개 계통 가운데 최종 424개 핵심집단을 선정하고, 약 1,750만 개의 유전변이를 목적에 맞게 정제했습니다.

단순히 많은 데이터를 사용하는 것이 아니라, 분석 목적에 맞는 고품질 데이터를 선별하는 과정이 예측 정확도를 높이는 중요한 단계였습니다.

또한 여러 해에 걸쳐 수집된 소야사포닌과 이소플라본 등 기능성 성분 데이터를 통합하고, 연도별 환경 차이를 보정하는 전처리 과정을 구축해 AI 학습에 활용할 수 있는 기반도 마련했습니다.

다양한 AI 모델을 비교해 최적의 예측 모델을 찾다

씨더스 연구진은 20개 형질을 대상으로 14개의 머신러닝 모델과 다양한 데이터 구성을 비교하며 최적의 예측 모델을 찾았습니다.

그 결과, 소야사포닌 Aa 형질에서 XGBoost 모델이 예측 상관계수 0.92라는 높은 성능을 기록했습니다.

이는 콩이 충분히 자라 기능성 성분을 직접 분석하기 전에도 DNA 정보만으로 형질을 예측할 수 있다는 의미입니다.

육종 현장에서는 분석 시간과 재배 비용을 줄이고 초기 세대부터 우수한 개체를 선발하는 데 활용될 것으로 기대됩니다.


 

머신러닝을 넘어 딥러닝으로

이번 발표에서는 씨더스가 자체 개발 중인 신규 딥러닝 모델 SQM-GS_001도 함께 소개되었습니다.

이 모델은 개별 유전자뿐 아니라 멀리 떨어진 유전자 간의 관계와 복잡한 상호작용까지 학습하도록 설계되었습니다.

초기 분석 결과, 전체 20개 형질 가운데 14개 형질에서 기존 머신러닝 모델보다 높은 예측 성능을 보이며 복잡한 대사물질과 다유전자 형질 예측의 새로운 가능성을 제시했습니다.



 

AI 예측을 실제 육종으로 연결하는 Gene Panel

AI가 아무리 정확하게 예측하더라도, 육종가가 현장에서 쉽게 활용할 수 있는 기술로 이어지지 않으면 의미가 없습니다.

씨더스는 GWAS 후속 분석과 자체 후보 유전자 탐색 시스템 GeneCrawler를 활용해 콩 육종에 필요한 유전자와 마커를 발굴했습니다.

이를 바탕으로 개발된 63개 마커의 Gene Panel은 기능성 성분뿐 아니라 수량성, 생육, 재배 특성까지 동시에 분석할 수 있도록 설계되었습니다.

앞으로는 실제 콩 NAM 집단을 활용한 현장 검증을 통해 Gene Panel의 성능을 더욱 고도화할 계획입니다.



 

공공데이터와 산학연 협력이 만든 디지털육종

이번 연구는 씨더스만의 연구가 아니라 공공기관과 대학, 기업이 함께 만든 협력의 결과였습니다.

농촌진흥청 슈퍼컴퓨터센터의 유전체 데이터, 국립식량과학원의 대사체 데이터, 대학 연구진의 초분광 데이터와 분자마커 정보가 함께 활용되었으며, 이를 AI 분석 기술과 연결해 실제 육종 현장에서 활용할 수 있는 시스템을 구축했습니다.

이는 씨더스가 한국육종학회에서 소개한 SEEDERS ALLIANCE의 방향과도 맞닿아 있습니다. 연구기관과 기업이 함께 데이터를 연결할 때 더 큰 혁신이 가능하다는 것을 보여주는 사례입니다.



 

데이터를 품종으로, 품종을 시장으로

이번 발표의 핵심은 AI의 정확도를 높이는 데 있지 않았습니다.

유전체 데이터로 부모를 선택하고, 자손의 형질을 예측하며, 여러 형질을 동시에 검정하는 현장형 정밀육종 시스템을 만드는 것이 이번 연구의 목표였습니다.

씨더스는 딥데이터와 AI를 활용해 기능성이 우수한 콩 신소재를 더욱 빠르게 발굴하고, 이를 육종가가 실제 현장에서 활용할 수 있는 기술로 발전시키고 있습니다.

앞으로도 씨더스는 AI와 데이터 기술을 바탕으로 디지털육종을 더욱 고도화하고, 연구 성과가 실제 품종 개발과 산업 경쟁력으로 이어질 수 있도록 노력하겠습니다.

Data to Breeding, Breeding to Market.

데이터를 육종으로, 그리고 육종의 성과를 새로운 시장 가치로 연결하는 것.

씨더스는 앞으로도 데이터 기반 디지털육종의 미래를 만들어가겠습니다.

 

DATA IS REAL

씨더스는 데이터와 AI로 더 건강한 먹거리를 제안하는 기업입니다.