영상 기술을 이용한 농업유전자원의 보존과 개량, 증식을 위한 연구와 실험이 활발해지고 있습니다.
다분광과 초분광 영상을 활용하여,
주요 작물 유전자원의 우리나라 각 지역별 재배 실험을 진행하고
각지역의 환경 조건(태양광, 기온, 강수, 고도, 토질 등) 특성에 따른
유전자원의 생육 상태와 품질을 정밀 분석하여
유전자원 증식 계획의 기초자료와 자원 분양 정책의 자료로 활용할 수 있으며,
각 지역에 적합한 유전자원 개발에도 활용할 수 있습니다.
21년도 인공지능 학습용 데이터 구축사업 지정공모과제 후보에
주요 작물 유전자원의 '지역 재배 테스트 및 AI 학습용 영상 구축'과
'주요 작물 유전자원의 디지털 피노타이핑 데이터 구축' 계획이 포함되어 있으며,
(https://www.aihub.or.kr/node/13183)
해외에서는 GWAS(genome-wide association analysis, 전장유전체 연관분석)에
초분광 영상기술을 적극 활용한 연구가 활발하게 진행되고 있습니다.
[GWAS(genome-wide association analysis, 전장유전체 연관분석) : 특정 생물 종의 집단 내 다양한 개체들에서
나타나는 다양한 유전적 변이들(genetic variants)과 특정 형질(trait)간의 연관성을 분석 연구하는 방법(출처: 네이버 식물학백과)]
Hui Feng 외(2017)는 초분광 영상분석 정보와 Phenotypic 특성을 분석/모델링하여 GWAS에 활용하였으며,
Margaret R 외(2019, 미국)은 유전자 표현형과 초분광 반사율에서 행렬 관계를 도출하여
유전자 유형과 환경의 상호 작용을 모델링하는,
멀티 커널 GBLUP(Genomic best linear unbiased prediction) 모델 연구가 진행되어
초분광 영상을 활용하여 유전자원의 곡물 수확량을 예측할 수 있는 가능성을 열고 있습니다.
Dawei Sun 외(2019, 중국)는 초분광 영상 기술로 볍씨의 생화학적 속성을 표현하고,
GWAS에 활용하여 생산될 쌀의 품질 연구를 위한 새로운 방법을 제공하고있습니다.
이미지랩 (이미지랩(주) / (주)포도 영상연구소)은 다분광/초분광 영상 취득 및
분석 기술과 AI 기술을 농업유전자원 관리 분야에 적극 활용하여,
우리나라 농업유전자원 관리체계 발전과 연구 성과 증대에 이바지 하도록 노력하겠습니다.
※ 참고문헌 출처
· Hui Feng, Zilong Guo, Wanneng Yang, Chenglong Huang, Guoxing Chen, Wei Fang, Xiong Xiong, Hongyu Zhang, Gongwei Wang, Lizhong Xiong& Qian Liu, 2017, An integrated hyperspectral imaging and genome-wide association analysis platform provides spectral and genetic insights into the natural variation in rice, Scientific Reports, 7(1).
· Margaret R. Krause, Lorena González-Pérez, José Crossa, Paulino Pérez-Rodríguez, Osval Montesinos-López, Ravi P. Singh, Susanne Dreisigacker, Jesse Poland, Jessica Rutkoski, Mark Sorrells, Michael A. Gore, and Suchismita Mondal, 2019, Hyperspectral Reflectance-Derived Relationship Matrices for Genomic Prediction of Grain Yield in Wheat , G3 Genes|Genomes|Genetics, 9(4).
· Dawei Sun, Haiyan Cen, Haiyong Weng, Liang Wan, Alwaseela Abdalla, Ahmed Islam El‑Manawy, Yueming Zhu, Nan Zhao, Haowei Fu, Juan Tang, Xiaolong Li, Hongkun Zheng, Qingyao Shu, Fei Liu and Yong He, 2019,Using hyperspectral analysis as a potential high throughput phenotyping tool in GWAS for protein content of rice quality, Plant Methods, 15(1).
영상 기술을 이용한 농업유전자원의 보존과 개량, 증식을 위한 연구와 실험이 활발해지고 있습니다.
다분광과 초분광 영상을 활용하여,
주요 작물 유전자원의 우리나라 각 지역별 재배 실험을 진행하고
각지역의 환경 조건(태양광, 기온, 강수, 고도, 토질 등) 특성에 따른
유전자원의 생육 상태와 품질을 정밀 분석하여
유전자원 증식 계획의 기초자료와 자원 분양 정책의 자료로 활용할 수 있으며,
각 지역에 적합한 유전자원 개발에도 활용할 수 있습니다.
21년도 인공지능 학습용 데이터 구축사업 지정공모과제 후보에
주요 작물 유전자원의 '지역 재배 테스트 및 AI 학습용 영상 구축'과
'주요 작물 유전자원의 디지털 피노타이핑 데이터 구축' 계획이 포함되어 있으며,
(https://www.aihub.or.kr/node/13183)
해외에서는 GWAS(genome-wide association analysis, 전장유전체 연관분석)에
초분광 영상기술을 적극 활용한 연구가 활발하게 진행되고 있습니다.
[GWAS(genome-wide association analysis, 전장유전체 연관분석) : 특정 생물 종의 집단 내 다양한 개체들에서
나타나는 다양한 유전적 변이들(genetic variants)과 특정 형질(trait)간의 연관성을 분석 연구하는 방법(출처: 네이버 식물학백과)]
Hui Feng 외(2017)는 초분광 영상분석 정보와 Phenotypic 특성을 분석/모델링하여 GWAS에 활용하였으며,
Margaret R 외(2019, 미국)은 유전자 표현형과 초분광 반사율에서 행렬 관계를 도출하여
유전자 유형과 환경의 상호 작용을 모델링하는,
멀티 커널 GBLUP(Genomic best linear unbiased prediction) 모델 연구가 진행되어
초분광 영상을 활용하여 유전자원의 곡물 수확량을 예측할 수 있는 가능성을 열고 있습니다.
Dawei Sun 외(2019, 중국)는 초분광 영상 기술로 볍씨의 생화학적 속성을 표현하고,
GWAS에 활용하여 생산될 쌀의 품질 연구를 위한 새로운 방법을 제공하고있습니다.
이미지랩 (이미지랩(주) / (주)포도 영상연구소)은 다분광/초분광 영상 취득 및
분석 기술과 AI 기술을 농업유전자원 관리 분야에 적극 활용하여,
우리나라 농업유전자원 관리체계 발전과 연구 성과 증대에 이바지 하도록 노력하겠습니다.
※ 참고문헌 출처
· Hui Feng, Zilong Guo, Wanneng Yang, Chenglong Huang, Guoxing Chen, Wei Fang, Xiong Xiong, Hongyu Zhang, Gongwei Wang, Lizhong Xiong& Qian Liu, 2017, An integrated hyperspectral imaging and genome-wide association analysis platform provides spectral and genetic insights into the natural variation in rice, Scientific Reports, 7(1).
· Margaret R. Krause, Lorena González-Pérez, José Crossa, Paulino Pérez-Rodríguez, Osval Montesinos-López, Ravi P. Singh, Susanne Dreisigacker, Jesse Poland, Jessica Rutkoski, Mark Sorrells, Michael A. Gore, and Suchismita Mondal, 2019, Hyperspectral Reflectance-Derived Relationship Matrices for Genomic Prediction of Grain Yield in Wheat , G3 Genes|Genomes|Genetics, 9(4).
· Dawei Sun, Haiyan Cen, Haiyong Weng, Liang Wan, Alwaseela Abdalla, Ahmed Islam El‑Manawy, Yueming Zhu, Nan Zhao, Haowei Fu, Juan Tang, Xiaolong Li, Hongkun Zheng, Qingyao Shu, Fei Liu and Yong He, 2019,Using hyperspectral analysis as a potential high throughput phenotyping tool in GWAS for protein content of rice quality, Plant Methods, 15(1).