축산 유전체학의 발전이 가져온 가축 육종 기술의 혁신적 변화와 그 미래

1. 소 고르는 법의 세 번의 대변혁

가축 육종(breeding)은 쉽게 말하면 "다음 세대의 부모를 누구로 할지 고르는 일"이야. 사람이 개입해서 좋은 형질을 가진 개체끼리 짝을 지어 주면, 세대가 거듭될수록 무리 전체가 조금씩 좋아지지. 이 고르는 방식이 역사적으로 크게 세 번 바뀌었어.

오늘 주인공은 3단계야. 그런데 3단계가 왜 "혁신"인지 제대로 느끼려면 1·2단계가 어떤 벽에 부딪혀 있었는지부터 알아야 해. 그래서 잠깐 기본 공식부터 짚고 가자. 걱정 마, 수식은 딱 하나만 나와.

2. 육종의 심장, '육종가 방정식' 이해하기

모든 동물 육종학 교과서에 나오는, 이 분야의 "E=mc²" 같은 식이 있어. 바로 연간 유전적 개량량을 나타내는 식이야.

이 식을 보면 개량을 빠르게 하는 전략이 딱 보이지? 분자(i, r, σ_A)는 키우고, 분모(L)는 줄이는 것. 문제는 이게 서로 발목을 잡는다는 거야. 예를 들어 정확도(r)를 높이려면 자식들의 성적까지 기다려야 하는데, 그러면 세대 간격(L)이 길어져. 반대로 일찍 고르면 L은 줄지만 r이 떨어지지. 전통 육종은 늘 이 줄다리기 속에 있었어.

육종가(Breeding Value)와 유전력이란?

개체의 표현형(실제로 측정한 값, 예: 우유 1만 kg)은 크게 유전 효과 + 환경 효과로 나눌 수 있어. 유전 효과 중에서도 자식에게 평균적으로 전달되는 부분을 상가적 유전 효과라고 하고, 이걸 수치화한 게 육종가야. 실무에서는 자식에게 전달되는 절반을 따로 '전달능력(PTA, Predicted Transmitting Ability)'이라고 부르기도 해.

그리고 표현형의 변이 중에서 상가적 유전 변이가 차지하는 비율을 유전력(h²)이라고 해. 형질마다 꽤 달라.

유전력이 낮은 형질은 개체 자신의 성적만 봐서는 유전능력을 거의 알 수 없어. 그래서 예전엔 수많은 자식 성적을 모아야만 했고, 바로 이 지점에서 유전체 정보가 판도를 바꿔.

3. 전통 육종의 영웅, BLUP과 후대검정, 그리고 그 한계

1970년대 이후 가축 개량의 표준 엔진은 BLUP(Best Linear Unbiased Prediction)이었어. 미국의 통계학자 찰스 헨더슨(C. R. Henderson)이 발전시킨 방법인데, 핵심 아이디어는 이래.

"한 개체의 유전능력을 추정할 때, 그 개체 자신의 기록 + 부모·형제·자식 등 혈연 개체들의 기록을 혈연관계(근연계수 행렬, 일명 A 행렬)로 가중해서 한꺼번에 푼다. 동시에 농장·연도·계절 같은 환경 효과는 걸러낸다."

이 방법 덕분에 서로 다른 농장의 소들도 공정하게 비교할 수 있게 되었고, 특히 낙농에서는 엄청난 개량을 이뤄냈어. 그런데 BLUP에는 숨겨진 약점이 하나 있었어.

후대검정: 정확하지만 너무 느리고 비싼 방법

그래서 젖소 씨수소의 경우 오랫동안 후대검정(progeny testing)이 표준이었어. 과정은 대략 이래.

이 과정이 끝나면 수소의 나이가 보통 5년 안팎이 돼. 그동안 수많은 후보 수소를 키우고 검정하는 비용이 수소 한 마리당 상당한 금액(해외 자료에서는 흔히 수만 달러 수준으로 언급돼)이 들었고, 결국 합격률은 낮았지. 정확도는 높지만 "세대 간격 L이 너무 길다"는 게 치명적이었어. 육종가 방정식의 분모가 커져버린 거야.

게다가 유량은 딸만 표현하니까 수소 자신은 측정이 불가능하고(이걸 한성 형질이라고 해), 도체 형질은 도축해야 측정이 되니 살아있는 종축에게서는 직접 잴 수 없어. 측정 자체가 어려운 형질이 많다는 것도 전통 육종의 큰 숙제였어.

4. 유전체학이라는 새 무기: 게놈 해독부터 SNP 칩까지

자, 이제 판을 바꾼 도구들 이야기야. 2000년대 초반 인간 게놈 프로젝트가 마무리되면서 가축 게놈 해독도 빠르게 진행됐어.

SNP가 뭐길래?

DNA는 A, T, G, C 네 가지 염기가 줄지어 있는 긴 문장이야. 소의 게놈은 대략 27억~30억 염기쌍 규모로, 사람과 비슷한 수준이지. 같은 품종 소끼리도 이 문장의 대부분은 같지만, 군데군데 한 글자씩 다른 자리가 있어. 이걸 단일염기다형성, SNP(Single Nucleotide Polymorphism)이라고 불러.

SNP 자체가 꼭 형질을 바꾸는 원인은 아니야. 대부분은 별 기능 없는 자리지. 그런데도 쓸모가 있는 이유는 "이웃 효과" 때문이야. 염색체는 통째로 섞이는 게 아니라 큰 덩어리 단위로 유전되거든. 그래서 형질에 영향을 주는 진짜 원인 변이(QTL) 근처의 SNP는 그 원인 변이와 함께 다니는 경향이 있어. 이 현상을 연관불평형(LD, Linkage Disequilibrium)이라고 해. 원인을 몰라도, 원인 옆에 붙어 다니는 "이름표"를 추적하는 거지.

SNP 칩과 유전형 대체(Imputation)

SNP 칩(비드칩, 어레이)은 미리 정해둔 수만~수십만 개 SNP 자리를 한 번에 읽는 장치야. 초기에는 비쌌지만 대량 보급으로 가격이 크게 내려갔고, 지금은 저밀도 칩이면 한 마리당 비교적 부담 적은 비용으로 분석할 수 있게 됐어.

여기에 똑똑한 트릭이 하나 더 있어. 유전형 대체(imputation)야. 소수의 핵심 개체(주로 씨수소)는 고밀도 칩이나 전장 서열로 촘촘하게 읽어두고, 대다수 개체는 저렴한 저밀도 칩으로만 읽어. 그다음 혈연관계와 염색체 덩어리(일배체형) 정보를 이용해서 안 읽은 자리를 통계적으로 채워 넣는 거야. 대부분 높은 정확도로 복원된다고 보고되어 비용 대비 효과가 매우 커.

5. 1차 시도: 특정 유전자 마커 선발(MAS)과 그 한계

유전체 선발 이전에 먼저 등장한 게 마커 도움 선발(MAS, Marker-Assisted Selection)이야. 효과가 큰 유전자 하나둘을 찾아서 그 마커로 고르는 방식이지. 성공 사례도 꽤 유명해.

그런데 MAS는 생각보다 판을 크게 못 바꿨어. 왜일까? 유량, 성장률, 번식능력 같은 경제 형질은 대부분 양적 형질이야. 효과가 큰 유전자 몇 개가 아니라, 효과가 아주 작은 수백~수천 개 변이가 조금씩 더해져서 결정되거든. 대박 유전자 몇 개 찾아서는 전체 유전 변이의 작은 부분밖에 설명하지 못한 거지.

그래서 2001년 메우비센 연구팀은 발상을 뒤집었어. "원인 유전자를 하나하나 찾지 말고, 게놈 전체에 깔린 마커를 몽땅 동시에 써서 그 효과를 한꺼번에 추정하자." 그러면 크고 작은 모든 QTL이 적어도 하나의 마커와는 연관불평형 상태에 있을 테니, 유전 변이 대부분을 포착할 수 있다는 논리야. 당시엔 이걸 실행할 만큼 SNP 칩이 싸지 않아서 이론에 가까웠는데, 2008년 칩이 나오면서 단숨에 현실이 됐어.

6. 유전체 선발(Genomic Selection)은 어떻게 작동할까?

이제 메인 요리! 유전체 선발의 작동 원리를 단계별로 풀어볼게.

① 참조집단(Reference Population) 만들기

먼저 유전형(SNP 데이터)과 믿을 만한 성적이 둘 다 있는 개체들을 모아. 젖소라면 딸 성적으로 이미 정확한 육종가가 나와 있는 검정 씨수소들, 그리고 지금은 유량 기록이 있는 암소들까지 포함하지. 이 집단이 바로 '문제집 + 정답지'야.

② 모형 훈련: SNP 하나하나의 효과 추정

참조집단 데이터로 "이 SNP에서 A형을 가지면 유량이 평균 몇 kg 늘어나더라" 같은 효과를 수만 개 SNP 전부에 대해 동시에 추정해. 여기서 수학적 난관이 생겨. 개체 수(수천~수만)보다 추정할 SNP 수(수만~수십만)가 더 많은 경우가 흔하거든. 일반 회귀분석으로는 답이 안 나와. 그래서 효과를 적당히 0 쪽으로 눌러주는(축소, shrinkage) 특수한 통계 기법을 써.

③ 후보 개체 예측: GEBV 산출

이제 성적이 없는 어린 송아지의 유전형만 읽어서, 각 SNP에서 가진 유전형 × 추정된 효과를 전부 더하면 끝! 이게 유전체 추정육종가(GEBV, Genomic Estimated Breeding Value)야. 송아지가 아무 성적이 없어도, 심지어 이론적으로는 배아 단계에서도 계산할 수 있어.

7. 통계 모형 3대장: GBLUP, 베이즈 계열, 단일단계(ssGBLUP)

유전체 선발에 쓰이는 통계 방법은 아주 많지만, 실무의 큰 줄기는 세 갈래로 볼 수 있어. 조금 전문적이지만 원리만 잡으면 어렵지 않아.

G 행렬이 왜 대단한데?

혈통 행렬 A에서 형제 사이 관계는 무조건 0.5야. 이론상 평균값이거든. 하지만 실제로 형제끼리 공유하는 DNA 비율은 우연에 따라 조금씩 달라. 어떤 형제는 더 많이, 어떤 형제는 덜 공유하지. G 행렬은 실제로 공유한 DNA 비율을 반영해. 또 족보에 기록되지 않은 먼 조상 공유나 족보 오류까지 잡아내지. 혈통 기록이 부실한 집단에서 특히 힘을 발휘해.

단일단계가 표준이 된 이유

초창기에는 '다단계' 방식을 썼어. 혈통 BLUP을 먼저 돌리고, 따로 유전체 예측을 하고, 둘을 섞는 식이었지. 그런데 이 과정에서 이중 계산이나 편향이 생기기 쉬웠어. 특히 유전체 정보로 이미 걸러진 개체들만 성적을 갖게 되면 (이걸 유전체 사전선발 편향이라고 해) 전통 평가가 왜곡될 수 있지. 단일단계 방법은 모든 정보를 한 방에 처리하니 이론적으로 이런 문제를 줄여줘. 또 유전형을 분석하지 않은 수많은 암소도 혈통을 통해 유전체 정보의 덕을 간접적으로 보게 돼.

8. 예측 정확도는 무엇이 결정할까? (조건과 한계)

유전체 선발이 만능 마법은 아니야. 정확도는 여러 조건에 따라 크게 달라져. 이 부분을 이해해야 왜 어떤 나라·품종은 성공하고 어떤 곳은 고전하는지 알 수 있어.

품종이 바뀌면 왜 예측이 잘 안 될까?

아까 '노란 풍선' 비유 기억나? 홀스타인에서 "이 SNP가 유량 좋은 유전자랑 붙어 다닌다"는 관계가 저지(Jersey)나 한우에서는 다를 수 있어. 품종마다 수백~수천 세대 동안 서로 다른 역사를 거치며 SNP와 원인 변이의 짝이 다르게 섞였거든. 그래서 한 품종에서 훈련한 모형을 다른 품종에 쓰면 정확도가 크게 떨어지는 경우가 많아. 결국 각 품종은 자기만의 참조집단이 필요하고, 이게 바로 소규모 토종 품종이 유전체 선발을 도입하기 어려운 이유야.

이를 극복하려고 전장 서열에서 원인 변이에 더 가까운 SNP를 골라 쓰는 연구, 기능유전체 정보를 활용해 생물학적으로 의미 있는 변이에 가중치를 주는 연구가 진행되고 있어. 원인 변이 자체는 품종이 달라도 같은 효과를 낼 가능성이 높으니까.

9. 낙농의 대혁명: 세대 간격이 반토막 이하로

유전체 선발의 효과를 가장 극적으로 보여준 분야가 바로 젖소(특히 홀스타인)야. 조건이 완벽했거든. 인공수정 보급률이 높고, 성적 기록 체계(유량 검정)가 수십 년간 잘 쌓여 있었고, 소수의 씨수소가 엄청난 수의 딸을 남기니 참조집단 만들기가 쉬웠지.

미국은 2009년 공식 유전체 평가를 시작했고, 이후 업계는 빠르게 후대검정을 줄이고 유전체로 선발한 어린 수소(genomic young sire)를 바로 쓰기 시작했어. 그 결과가 2016년 PNAS에 발표된 가르시아-루이스(García-Ruiz) 등의 분석에 잘 나와 있어.

낙농 산업 구조까지 바뀌었다

변화는 기술에 그치지 않았어. 육종 회사들은 대규모 후대검정 프로그램을 축소했고, 대신 수많은 송아지를 유전체 분석해 상위권만 사들이는 경쟁을 벌이게 됐지. 우수 암소에서 난자를 채취해 체외수정(IVF)으로 배아를 만들고, 배아 단계에서 일부 세포를 떼어 유전체 분석하는 배아 유전체 선발까지 시도되고 있어. 세대 간격을 더 줄이려는 거야.

농가 입장에서도 달라졌어. 이제는 후계 암소를 유전체 검사로 골라 상위 암송아지는 대체우로 키우고, 하위 개체에는 육우 정액을 교배해 고기용 교잡우(beef-on-dairy)를 생산하는 전략이 해외에서 널리 퍼졌어. 여기에 성감별 정액까지 결합해서 "누구에게서 다음 세대 암소를 얻을지"를 정밀하게 설계하지.

10. 한우: 마블링 강국의 유전체 전략

한국 사람이라면 한우 이야기를 빼놓을 수 없지! 🇰🇷 한우는 근내지방(마블링)이 핵심 경제 형질이고, 이건 도축해야 측정할 수 있다는 결정적 어려움이 있어. 씨수소 본인은 도축할 수 없으니, 전통적으로는 같은 아버지의 자식(거세우)을 비육·도축해서 그 성적으로 아버지를 평가하는 후대검정을 해왔어. 송아지를 키워서 비육 출하까지 30개월 가까이 걸리니, 씨수소 한 마리를 검정하는 데 매우 오랜 시간이 들었지.

여기에 유전체 정보가 들어오면서 변화가 생겼어. 국립축산과학원 등이 한우에 맞춘 SNP 칩을 개발해 보급했고, 도체 형질 기록이 있는 대규모 한우 개체들의 유전형을 축적해 참조집단을 키워왔어. 이를 바탕으로 후보 씨수소를 어린 단계에서 유전체 육종가로 1차 선별하고, 농가 단위에서는 암소의 유전체 분석을 통해 우수 번식우를 고르고 하위 개체를 조기에 비육으로 돌리는 활용이 확대되고 있어.

한우의 장점은 품종이 하나로 잘 관리되고, 인공수정·이력 관리·등급판정 데이터가 국가 차원에서 체계적으로 쌓인다는 점이야. 반면 홀스타인처럼 국제 데이터를 공유할 수 있는 "같은 품종 친구"가 해외에 없다는 점은 약점이지. 그래서 국내 참조집단을 꾸준히 키우는 것이 한우 유전체 육종의 핵심 인프라야. 그리고 고유 품종으로서의 유전적 다양성 보존도 함께 챙겨야 하고.

11. 돼지와 닭: 피라미드 구조에서의 유전체 혁신

돼지와 닭은 소와 육종 구조가 꽤 달라. 소는 국가 단위로 평가하는 경우가 많지만, 돼지와 닭은 소수의 다국적 육종 회사가 핵심 순종 집단(핵돈군, 원종계)을 관리하고, 그 개량 성과가 피라미드 구조로 아래로 퍼져나가.

🐖 돼지

돼지는 한 배에 새끼를 여럿 낳고 세대 간격이 짧아서 원래도 개량 속도가 빠른 편이었어. 유전체 선발은 특히 번식 형질(산자수, 생존 자돈 수, 모성 능력)처럼 유전력이 낮고 암컷에서만 측정되는 형질에서 정확도를 높이는 데 효과적이었어. 또 순종에서 선발하지만 실제 목표는 교잡 비육돈의 성적이라서, 교잡돈 성적과 순종 유전형을 연결하는 모형도 활발히 연구·적용되고 있지.

앞서 본 할로탄 유전자(RYR1) 제거는 단일 유전자 활용의 고전적 성공 사례이고, 최근엔 질병 저항성 같은 형질이 큰 관심사야. 특히 돼지생식기호흡기증후군(PRRS)은 전 세계 양돈업에 막대한 손실을 주는 질병인데, 이와 관련한 유전자 편집 돼지가 등장해서 화제가 됐어(13장에서 설명).

🐔 닭

육계와 산란계는 세대 간격이 1년 안팎으로 짧고 집단 규모가 커서 유전체 선발과 궁합이 좋아. 산란계에서는 산란 지속성(긴 산란 기간 동안 계란을 꾸준히 낳는 능력), 난각 품질 같은 형질을 개량하는 데 유전체 정보가 활용되고, 육계에서는 성장과 사료효율 외에 다리 건강, 심폐 기능 같은 복지·건강 형질과의 균형이 중요한 과제야.

12. 유전 질환과 근친의 정밀 관리

유전체 정보는 "좋은 걸 고르는 것"만큼이나 "나쁜 걸 피하는 것"에도 엄청 쓸모 있어.

보이지 않던 치사 유전자를 찾아내다

열성 유전 질환은 보인자(한 쌍 중 하나만 가진 개체)일 때는 겉으로 멀쩡해. 그런데 보인자끼리 교배하면 자식의 일부가 질환을 갖게 되거나, 아예 배아 단계에서 죽어버려서 그냥 "수태가 안 되네?" 하고 넘어가기 쉬웠지.

유전체 데이터가 쌓이자 연구자들은 기발한 방법을 썼어. 정상적으로는 일정 비율 나와야 할 동형접합(같은 일배체형 두 개)이 유독 하나도 안 나타나는 염색체 구간을 찾은 거야. 동형접합이 되면 태어나기 전에 죽기 때문에 살아있는 소에서는 안 보이는 거지. 이렇게 홀스타인의 HH1, 저지의 JH1, 브라운스위스의 BH1 같은 번식력 관련 일배체형들이 발견됐어. 기존에 알려져 있던 CVM(복합척추기형), BLAD(소 백혈구 부착 결핍증) 같은 질환도 유전자 검사로 관리되고 있고.

근교도를 DNA로 직접 재다

혈통 기반 근교계수는 족보가 얼마나 완전한지에 좌우돼. 반면 유전체로는 실제 염색체에서 부모 양쪽으로부터 똑같은 조각을 길게 받은 구간(ROH, Runs of Homozygosity)을 직접 측정할 수 있어. ROH가 길수록 최근 조상 공유를 의미하고, 짧은 ROH는 먼 과거 근친의 흔적이야. 이렇게 하면 근교도를 더 정확하게 측정하고, 근교 퇴화(번식력·생존력 저하)가 실제로 어느 구간에서 오는지까지 분석할 수 있어.

그리고 개량 속도와 근친 증가를 동시에 고려해 최적의 부모 조합과 기여 비율을 계산하는 최적 기여 선발(OCS, Optimum Contribution Selection) 같은 기법도 유전체 관계 행렬과 결합해 쓰이고 있어. "빨리 달리되, 낭떠러지는 피하자"는 전략이지.

13. 새로운 육종 목표: 건강·복지·환경까지

유전체 선발 덕분에 육종 목표도 확 넓어졌어. 예전에는 측정이 어렵거나 유전력이 낮아서 사실상 포기했던 형질들을 이제 다룰 수 있게 됐거든. 핵심은 "측정 가능한 일부 집단(참조집단)만 정밀하게 재고, 나머지는 유전체로 예측"한다는 발상이야.

이런 형질들은 서로 얽혀 있기도 해. 예를 들어 생산량만 밀어붙이면 번식력이나 건강이 나빠지는 부정적 유전 상관이 있을 수 있어. 그래서 현대 육종은 여러 형질에 경제적 가중치를 줘서 합친 종합 선발지수(예: 미국 낙농의 Net Merit 같은 지수)를 쓰고, 유전체 시대에는 이 지수 안에 건강·수명·환경 형질의 비중이 점점 커지는 추세야.

14. 유전자 편집: 고르는 시대에서 고치는 시대로?

유전체 선발이 "이미 있는 변이 중에서 좋은 걸 고르는" 기술이라면, 유전자 편집은 원하는 위치의 DNA를 정밀하게 바꾸는 기술이야. 크리스퍼(CRISPR-Cas9), TALEN, ZFN 같은 도구가 대표적이지. 외부 유전자를 넣는 기존 유전자변형(GMO, 형질전환)과 달리, 그 종 안에 이미 자연적으로 존재하는 변이를 재현하거나 특정 유전자를 꺼버리는 방식이 많다는 점이 특징이야.

실제로 화제가 된 사례들

유전체 선발과 유전자 편집의 관계

둘은 경쟁자라기보다 파트너야. 유전자 편집은 효과가 큰 단일 유전자(질병 저항성, 무각, 열 내성 등)에 강하지만, 수천 개 변이가 관여하는 유량·성장 같은 양적 형질에는 한계가 있어. 반면 유전체 선발은 양적 형질에 강하지. 그래서 미래 육종은 "유전체 선발로 전체적인 능력을 끌어올리고, 핵심 형질 몇 개는 편집으로 보태는" 그림이 유력해. 그리고 무엇보다 편집할 표적을 찾는 것 자체가 유전체학 연구의 결과야.

15. 유전체 육종의 그림자: 한계와 윤리적 쟁점

좋은 이야기만 하면 반칙이지. 이 기술이 가진 숙제들도 솔직하게 짚어보자.

"유전체 = 운명"은 아니다

유전체 육종가가 높다고 그 개체가 반드시 좋은 성적을 내는 건 아니야. 육종가는 "그 개체가 자식에게 평균적으로 물려줄 능력"의 추정치이고, 실제 성적은 사양 관리, 사료, 질병, 기후 같은 환경의 영향을 크게 받아. 또 특정 환경에서 훈련한 모형이 다른 환경에서는 다르게 작동하는 유전자-환경 상호작용(G×E)도 존재해. 예를 들어 사료를 넉넉히 주는 대규모 농장에서 우수한 개체가 방목·고온 환경에서도 똑같이 우수하다는 보장은 없지.

16. 앞으로의 방향: 시퀀스, 기능유전체, 그리고 디지털 축산

그럼 다음 무대는 어디일까? 현재 연구와 산업의 흐름을 보면 몇 가지 굵직한 방향이 보여.

결국 미래의 축산 육종은 유전체학 + 데이터 과학 + 번식생명공학 + 정밀 사양관리가 맞물린 융합 분야가 될 거야. 통계 모형을 만드는 사람, 센서 데이터를 분석하는 사람, 현장에서 정확한 기록을 남기는 농가까지 모두가 팀이지. 실제로 생물정보 분석이나 R·파이썬 데이터 분석 같은 기술을 배우거나 의뢰하려는 수요도 늘고 있어서, 재능넷 같은 재능 공유 플랫폼에서 데이터 분석 역량을 나누는 일도 이런 흐름과 맞닿아 있다고 볼 수 있어.

17. 한눈에 보는 비교: 전통 육종 vs 유전체 육종

18. 자주 묻는 질문 (FAQ)

마무리: 기다림의 육종에서 예측의 육종으로