Abstract
Improving nitrogen use efficiency (NUE) is essential for sustainable wheat production, given the global demand for high-yielding and environmentally resilient crop varieties. NUE is a complex trait governed by multiple genetic, physiological, and environmental factors. This review synthesizes recent advances in the genetic dissection of NUE in wheat, focusing on quantitative trait loci (QTL) mapping, genome-wide association studies (GWAS), and transcriptome analyses. Furthermore, novel approaches such as protein turnover quantification, epigenetic regulation, NIR-based quality prediction, and genomic selection optimization are discussed as emerging strategies to enhance NUE. Key genes identified include nitrate transporters (NRT1, NRT2), nitrogen assimilation enzymes (GS, GOGAT), transcription factors (NLPs, WRKYs, NACs), and signal transduction components (SnRK, CIPK). Integrative studies combining genomics, transcriptomics, and machine learning offer new insights into the dynamic regulation of NUE. This review highlights the importance of multi-layered breeding approaches and provides valuable genetic resources and methodological frameworks for future wheat NUE improvement programs.
-
Keywords: wheat; Nitrogen use efficiency; GWAS; transcriptome analysis
서언
식량 수요가 급증하는 현대 농업에서 지속가능한 생산성을 확보하는 것은 필수적 과제가 되었다. 밀(
Triticum aestivum L.)과 같은 주요 곡물의 생산 증대를 위해 질소 비료는 필수 요소로 활용되어 왔으며, 이는 수확량 및 단백질 함량을 향상시키는 데 크게 기여해 왔다. 그린 혁명 시기에는 비료 반응성이 높은 반왜성 품종의 개발이 수확 증대에 핵심적 역할을 했으며, 이러한 맥락은 오늘날 지속가능한 생산성 논의와도 밀접히 연관되어 왔다(
Lamichhane & Thapa 2022). 특히 특히 밀의 경우 질소 비료는 수량과 품질(단백질) 향상에 핵심적으로 기여해 왔으며, 단백질 함량⋅가공적성은 중요한 육종 표적으로 다뤄져 왔다(
Ganbaatar et al. 2025). 그러나 비료의 과도한 사용은 환경오염, 생산 비용 증가, 토양 및 수질 악화 등 심각한 문제를 초래하고 있으며, 곡물 작물은 투입된 질소의 약 30~40%만을 실제로 흡수하는 낮은 질소 이용 효율(NUE)을 보이고 있다(
Islam et al. 2021). 이러한 문제의식 속에서 NUE의 개념은 농업의 지속가능성을 위한 핵심 지표로 부각되고 있다. NUE는 작물이 단위 질소 투입량당 얼마나 많은 수확량 또는 단백질을 생성할 수 있는지를 나타내며, 질소 흡수 효율(Nitrogen Uptake Efficiency, NUpE)과 질소 활용 효율(Nitrogen Utilization Efficiency, NUtE)이라는 두 구성 요소로 나뉜다. 하지만 이 지표는 단순한 양적 개념을 넘어서, 생리적, 생화학적, 유전적, 환경적 요인이 복합적으로 작용하는 고도 복합 형질로 이해되고 있으며, 이로 인해 실질적인 개선이 쉽지 않다(
Zhao et al. 2023). 이에 따라 기존의 비료 시비 기술만으로는 NUE 향상에 한계가 있으며, 단기적 효과에 그치는 경우가 많다. 따라서 장기적인 관점에서는 작물 자체의 질소 흡수 및 이용 능력을 유전적으로 향상시키는 접근이 더욱 중요하게 여겨진다. 특히 밀은 높은 수확량과 단백질 품질을 동시에 만족시켜야 하는 전략적 작물로서 보다 정밀한 NUE 개선 전략이 요구된다(
Huang et al. 2024).
이러한 배경 속에서 최근에는 질소 반응 관련 유전자 네트워크 해석, 전사체 기반의 표현형 분석, 전사인자 및 호르몬 신호체계에 대한 연구들이 활발히 수행되고 있다. 특히, 질소 결핍에 대한 작물의 적응 반응을 이해하고, 이 과정에서 관여하는 신호 전달 경로 및 전사 조절 인자들의 역할을 규명하려는 노력이 증가하고 있다(
Kong et al. 2021). 또한 식물의 뿌리 구조 최적화, 노화 과정 조절과 같은 생리적 특성이 질소 흡수 및 전이와 밀접한 관련을 갖는다는 사실이 밝혀지면서, NUE를 향상시키기 위한 유전체 기반 연구의 중요성이 더욱 강조되고 있다. 이는 질소 요구량을 줄이면서도 생산성과 품질을 유지할 수 있는 새로운 육종 전략을 제시할 수 있다는 점에서 의의가 크다(
Fradgley et al. 2021). 최근에는 모델 식물과 야생종, 고대 유전자원의 다양한 정보를 활용하여 NUE 관련 주요 유전자를 규명하고, 이를 기반으로 한 분자육종 및 유전자 편집 기술이 빠르게 발전하고 있다. 이 과정에서 질소 수송체, 동화 효소, 전사 인자, miRNA, 그리고 탄소-질소 대사 간의 상호작용 경로 등 다양한 조절 인자들이 핵심 요소로 부각되고 있다(
Zhao et al. 2023).
이와 같은 배경을 바탕으로, 본 리뷰에서는 밀의 NUE 향상을 위한 유전적 접근의 최근 동향을 정리하고자 한다. 특히 QTL 분석, GWAS, 질소 관련 경로의 유전자 발현 해석, 전사체 분석, 그리고 최근 주목받고 있는 새로운 연구 분야들을 중심으로 밀의 NUE 개선 가능성과 향후 연구 방향에 대해 살펴볼 것이다.
질소 이용 효율(NUE)의 유전적 복합성
NUE는 단순히 작물의 생장과 수량을 결정하는 농업 형질을 넘어, 농업의 지속 가능성과 환경 부담을 동시에 고려해야 하는 핵심 지표로 자리잡고 있다. NUE는 일반적으로 질소 흡수 효율(NUpE)과 질소 활용 효율(NUtE)의 곱으로 정의되며, 이는 공급된 질소가 식물체 내로 얼마나 효과적으로 흡수되고, 이후 생장과 수확물 생산에 얼마나 잘 활용되는지를 반영한다. NUpE는 토양 중 가용성 질소의 흡수 비율을 의미하며, NUtE는 흡수된 질소가 곡립 형성 및 단백질 합성 등 작물의 수량 및 품질 형성에 기여하는 정도를 나타낸다. 이러한 정의는 다양한 곡류 작물에 폭넓게 적용되며, 오늘날에도 가장 널리 인용되고 있는 개념이다(
Moll et al. 1982,
Xu et al. 2012,
Fig. 1).
그러나 NUE는 단일 유전자에 의해 결정되는 단순한 형질이 아니라, 다양한 유전자군과 복잡한 생리⋅생화학적 경로, 그리고 환경 요인이 서로 얽혀 작용하는 전형적인 복합 형질(complex trait)로 간주된다. 질소 대사와 직접적으로 관련된 주요 효소 유전자인 글루타민 합성효소(Glutamine Synthetase, GS), 글루타메이트 합성효소(glutamine oxoglutarate aminotransferase, GOGAT), 질산환원효소(Nitrate Reductase, NR) 등은 오랫동안 NUE 연구에서 핵심 표적으로 다루어져 왔다. 하지만 이러한 기초 대사 유전자는 작물의 전체적인 NUE 향상에는 제한적인 기여만을 보이며, 포장 수준에서의 표현형과는 일관된 상관관계를 보이지 않는 경우도 많았다(
Hirel et al. 2007,
McAllister et al. 2012,
Xu et al. 2014). 이에 따라 최근에는 단일 유전자 중심의 접근에서 벗어나, 전사 인자, 조절 RNA, 호르몬 신호전달 경로 등 복합적 조절 네트워크를 포함한 시스템 수준의 조절 기작을 중심으로 NUE 향상 전략이 재정립되고 있다(
Garnett et al. 2015,
Han et al. 2015,
Islam et al. 2021).
또한, NUE에 기여하는 표현형은 단순히 대사 효소나 질소 동화 경로에만 국한되지 않는다. 실제로 뿌리 구조의 발달, 질산염 수송체의 발현 조절, 식물의 생장 속도, 잎의 노화 시점, 광합성 효율, 환경 스트레스에 대한 반응성 등 광범위한 생리적 특성들이 질소 흡수 및 활용 능력과 밀접히 연관되어 있다(
Gregersen & Holm 2007,
Kamal et al. 2019,
Uga et al. 2013). 특히
NRT1 및
NRT2 계열의 질산염 수송체 유전자는 질소 흡수와 관련하여 핵심적인 조절 인자로 기능하며, 발현 수준과 조절 방식에 따라 NUpE에 직접적인 영향을 미친다(
Chen et al. 2020,
Sun & Zheng 2015). 더 나아가 작물은 생육 단계별로 질소 요구량이 달라지기 때문에, 영양생장기와 등숙기 사이의 질소 흡수, 동화, 재분배 능력은 NUtE를 결정짓는 중요한 요인이 된다. 특히 생육 시기에 따라 질소를 이용하는 방식은 유전형(genotype)에 따라 달라질 수 있으며, 동일한 환경 조건에서도 품종 간 질소 흡수 능력 및 재동화 효율은 크게 다를 수 있다(
Bogard et al. 2011,
Gaju et al. 2011). 이러한 시간적⋅공간적 유전자 발현의 조절과 유전형 간의 생리적 반응 차이는 NUE 형질의 복잡성을 한층 더 높이며, 품종 특이적 질소 반응성을 이해하고 이를 기반으로 한 맞춤형 질소 시비 및 선발 전략 수립의 필요성을 강조한다.
따라서 NUE를 효과적으로 향상시키기 위한 육종 전략은 단일 유전자를 조절하는 전통적인 접근보다는, 다유전자형(polygenic trait)으로서의 특성을 전제로 한 유전체 수준의 통합적 전략이 요구된다. 최근에는
Arabidopsis, 벼, 옥수수 등 모델 식물 및 주요 작물에서 발굴된 질소 반응 조절 유전자 및 전사 인자를 기반으로, 이를 밀 품종에 적용하려는 시도들이 활발히 이루어지고 있다. 이와 관련하여,
Arabidopsis에서 기능이 규명된 NAC 전사인자들이 벼와 밀에서도 유사한 방식으로 질소 동화, 잎 노화 조절, 질소 재분배에 관여함이 확인되었으며, 실제로 벼의
OsNAC2, 밀의
TaNAC2-5A 및
TaNAC-S는 질소 흡수와 곡립 단백질 농도 증가에 기여하는 유전자로 보고되었다(
He et al. 2015,
Zhao et al. 2015). 이러한 전사 조절인자들은 작물 간 보존된 기능을 바탕으로, 모델 식물에서의 유전자 기능 정보를 기반으로 한 전이형(translational) 육종 전략에 효과적으로 활용될 수 있음을 보여준다. 또한, 야생종 및 고대 유전자원에서 발견되는 자연 유전 변이(natural variation)를 활용하여 새로운 유전자원을 확보하고, 이들의 기능을 검증하여 밀의 NUE 향상을 위한 분자육종 전략에 반영하려는 연구도 활발히 진행되고 있다.
NUE 관련 유전자 연구동향
작물에서 질산염 수송체(nitrate transporter)는 질소 이용 효율(NUE) 향상의 핵심 인자로 꼽히며, 크게 NRT1/NPF (Nitrate Transporter 1/Peptide Transporter Family)와 NRT2 (Nitrate Transporter 2) 계열로 나눌 수 있다. 최근 연구에서는 NRT2 계열 중 하나인 TaNRT2.1-6B가 밀에서 중요한 역할을 한다는 사실이 보고되었다(
Li et al. 2022). 전장 연관 분석을 통해 46개의 NRT2 유전자 가운데 TaNRT2.1-6B가 NUE 관련 형질(수량, 질소 축적, N harvest index 등)과 강하게 연관됨이 확인되었다. 기능 검증 결과, TaNRT2.1-6B는 이중 친화성(dual-affinity) 질산염 수송체로서 저질소와 고질소 조건 모두에서 질소 흡수를 촉진하였다. 과발현체에서는 뿌리 발달과 질소 축적이 개선되었으며, 포장 조건에서도 수량 증대를 보였다. 반대로 발현 억제 계통에서는 질소 흡수 능력이 떨어졌는데, 이는 TaNRT2.1-6B가 NUE 조절의 주요 타깃임을 입증한 것이다. 또한 이 유전자와 연관된 SNP 마커가 발굴되어 향후 질소 효율형 품종 육성에 직접 활용될 수 있는 가능성을 보여주었다.
한편, NRT1/NPF는 질소 대사에서 또 다른 중요한 계열로, 현재까지 알려진 질산염 수송체 중 가장 큰 family를 형성한다. NPF는 본래 NRT1/PTR로 불렸던 유전자군으로, 질산염(NO
3⁻)뿐 아니라 펩타이드, 아미노산, ABA⋅GA⋅JA 등의 호르몬까지 운반할 수 있는 다중 기질 수송체(multisubstrate transporter)로 기능한다. 따라서 질소의 흡수, 장거리 수송, 잎과 종실 간 재분배뿐만 아니라 호르몬 신호까지 매개하여 NUE 조절의 중심에 위치한다.
Wang et al. (2020)은 전장유전체 분석을 통해 밀에서 총 331개의
NPF 유전자를 규명하였으며, 이들을 염색체 위치, 계통군(subfamily), 발현 패턴에 따라 분류하였다. 특히 발달 단계별⋅질소 처리 조건별 발현 변화를 종합적으로 분석해, NUE 개선에 직결될 수 있는 44개의 핵심 후보군을 제시하였다. 이 두 연구는 특정 유전자 수준(
TaNRT2.1-6B)에서부터 전 유전체 스케일(
NPF family)까지, 다양한 차원에서 질산염 수송체가 NUE 향상에 기여함을 보여준다. 특히 최근에는
NPF 계열
TaNPF6.1-7B 유전자가 NUE 조절의 핵심 인자임이 보고되었다(
Kumar et al. 2022). 자연 변이(allelic variation) 분석 결과,
TaNPF6.1-7B의 특정 대립유전자가 질소 흡수 및 이용 효율과 수량성 증대와 밀접히 연관되어 있음이 밝혀졌다. 기능 검증에서도 이 고기능성 대립유전자를 가진 계통은 질소 축적과 수량에서 우수한 성과를 보인 반면, 저기능성 대립유전자를 가진 계통은 NUE가 낮게 나타났다. 이러한 결과는
NPF family가 단순히 잠재적 후보군에 머무는 것이 아니라, 실제로 NUE 육종에서 직접 활용 가능한 분자 표적이 될 수 있음을 입증한 사례라 할 수 있다. 따라서 질산염 수송체 연구는
NRT2 계열의 기능 검증,
NPF 계열의 전장 분석, 그리고 개별
NPF 유전자의 실증적 기능 검증까지 확장되며, NUE 향상 연구의 중요한 축을 형성하고 있다.
글루타민 합성효소(Glutamine Synthetase 2, GS2)와 ferredoxin-의존적 글루타메이트 합성효소(Ferredoxin-dependent Glutamine-Oxoglutarate Amidotransferase, Fd-GOGAT)는 식물에서 무기 질소를 아미노산으로 동화시키는 핵심 효소군으로, 질소 이용 효율(NUE)을 좌우하는 데 중요한 역할을 한다. 최근 연구에서는 이 두 유전자군을 대상으로, 육배체 빵밀(hexaploid bread wheat), 사배체 듀럼밀(durum wheat), 그리고 이들의 이배체 조상종(diploid progenitors) 사이의 구조적⋅기능적 차이가 비교되었다(
Gayatri et al. 2021). 유전체 분석에 따르면, GS2는 13개의 exon,
Fd-GOGAT은 33개의 exon으로 구성되며, 두 유전자는 모두 염색체 2번에 위치한다. 빵밀에서는 세 개의 동질유전자(homoeolog), 듀럼밀에서는 두 개, 조상종에서는 한 개의 사본이 존재하여, 다배체화(polyploidization) 과정에서 유전자 copy 수가 증가했음이 확인되었다. cDNA 및 아미노산 서열은 종 간에 보존적이었으나, promoter 영역에서는 상당한 변이가 발견되었으며, 이는 질소 스트레스 하에서 발현 패턴의 차이를 설명하는 주요 요인으로 제시되었다. 또한 질소 결핍 처리 시 다섯 종에서
GS2와
Fd-GOGAT의 발현 양상에 뚜렷한 차이가 나타났으며, promoter 내 cis-조절 요소의 차이가 발현 조절의 핵심 요인으로 작용한 것으로 해석되었다. 흥미롭게도 유전자 발현 수준과 실제 효소 활성 간에는 일치하지 않는 경우가 많아, 전사 후(post-transcriptional) 및 번역 후(post-translational) 조절이 NUE 관련 반응성에 중요한 기여 할 수 있다는 것을 보여주었다.
또한 최근에는 전사인자를 이용한 질소 대사 조절 전략이 주목받고 있다. 밀에서 분리된 DNA binding with one finger (Dof) 전사인자인
TaDof1은 질소 대사뿐만 아니라 탄소 대사 관련 유전자 발현을 동시에 조절하는 주요 인자로 밝혀졌다(
Hasnain et al. 2020).
TaDof1 과발현 계통에서는 citrate synthase (CS), isocitrate dehydrogenase (ICDH), phosphoenolpyruvate carboxylase (PEPC), pyruvate kinase (PK) 등 탄소-질소 동화 경로 효소들의 발현이 크게 증가하였으며, 특히 ICDH 발현은 최대 464배까지 상승하였다. 이러한 변화는 2-옥소글루타르산(2-OG) 공급을 강화하여 질소 동화 및 아미노산 생합성을 촉진하는 것으로 해석된다. 형질전환 개체는 엽록소, 가용성 단백질, 당 함량이 증가했을 뿐만 아니라, 식물 키, 이삭 길이, 낱알 수, 종자 무게 등 농업적으로 중요한 형질에서도 유의한 향상을 보였다. 이는 단일 효소 유전자의 증폭만으로는 한계가 있었던 NUE 개선을 전사인자 기반 다중 조절 전략이 효과적으로 보완할 수 있음을 보여준다. 따라서 앞서 언급된
GS2-Fd-GOGAT 경로의 구조적⋅발현적 차이가 NUE의 기초를 제공한다면,
TaDof1과 같은 전사인자 기반 조절 네트워크는 질소 결핍 상황에서 작물의 대사 적응력을 강화하는 차세대 육종⋅유전공학 전략으로 제시될 수 있다.
또 다른 중요한 전사인자 관련 연구로
TaNAC2-5A 전사인자는 질소 흡수와 동화 과정을 직접적으로 조절하는 핵심인자로 규명되었다(
Andleeb et al. 2023).
NAC 계열 전사인자는 뿌리 발달, 노화 조절, 스트레스 반응 등 다양한 생리적 과정에 관여하는 것으로 알려져 있는데, 본 연구에서는
TaNAC2-5A가 특히 질소 결핍 환경에서 뿌리의 질소 흡수 능력을 촉진하는 핵심 인자임이 강조되었다.
TaNAC2-5A 과발현 계통은 질산염 수송체(NRTs)와
GS,
GOGAT 유전자의 발현을 상향 조절하였고, 결과적으로 shoot 및 grain에서 질소 축적량이 증가하였다. 반대로 억제 계통에서는 질소 동화 효소 활성과 수량성이 동시에 감소하였다. 이 연구는
NAC 전사인자가 단순히 스트레스 반응 조절에 국한되지 않고, 질소 대사 네트워크 전반을 매개하여 NUE 향상에 기여할 수 있음을 실증적으로 보여준다.
또한, 전사인자 기반 조절 전략과 더불어 옥신 반응 경로의 조절인자 역시 NUE 향상에 중요한 역할을 하는 것으로 보고되고 있다. 최근 연구에서
Lv et al. (2022)은 육배체 밀 전장 유전체 수준에서 308개의
TaSAUR 유전자를 동정하고, 그중 질소 결핍에 반응하는 TaSAUR66-5B를 기능 검증하였다. TaSAUR66-5B 과발현 계통은 뿌리 신장을 촉진하는 동시에 옥신 생합성 유전자(
TAA1/
TAR2/
TAR3/
TAR4)의 발현을 상향 조절하였으며, 포장 조건에서도 생체중과 수량, 짚과 곡립의 질소 농도 및 질소 축적량이 유의하게 증가하였다. 특히 저질소 조건에서 그 효과가 두드러져, 옥신 신호 조절을 통한 뿌리계 발달 강화가 질소 흡수와 축적을 동반 향상시켜 NUE 개선에 기여할 수 있음을 보여주었다.
이처럼 질산염 수송체, 질소 동화 효소, 전사인자, 그리고 호르몬 신호 조절자 뿐만 아니라, 본 논문에서 다루지 않은 다양한 유전자와 조절인자들 역시 정교한 네트워크 속에서 상호작용하며 작물의 질소 이용 효율을 결정한다. 최근의 연구들은 단일 유전자의 기능 검증을 넘어, 수송⋅동화⋅조절⋅호르몬 신호를 아우르는 복합적 메커니즘이 NUE 향상에 관여함을 명확히 보여주고 있다. 따라서 향후 NUE 육종 전략은 개별 유전자의 단독 활용을 넘어서, 이러한 유전자군과 전사⋅호르몬 조절 네트워크를 통합적으로 표적화하는 방향으로 발전할 필요가 있다. 이는 환경적 질소 투입을 줄이면서도 수량성과 품질을 보장할 수 있는 지속가능한 작물 생산을 위한 핵심적 접근법이라 할 수 있다.
NUE 관련 양적형질좌위(QTLs)의 분석과 적용
밀의 NUE는 단일 유전자가 아닌 복수의 유전자와 환경 요인의 상호작용으로 결정되는 복합 형질이며 다양한 염색체 상에 위치한 복수의 유전자 좌위(QTL)에 의해 조절된다. 이에 따라 NUE에 기여하는 유전적 요소를 해석하기 위해 QTL 분석은 가장 많이 사용되는 접근 중 하나이다. 특히 질소 흡수(N uptake)와 질소 재동화(N remobilization)는 NUE를 구성하는 두 핵심 생리적 과정으로, 이와 관련된 유전자좌위의 탐색은 밀 육종에서 중요한 의미를 가지며, 몇몇의 연구를 통해 그 유전적 분포가 구체적으로 밝혀지고 있다.
대표적으로 Hanxuan10×Lumai14 doubled haploid (DH) 집단을 활용한 연구에서는, shoot nitrogen concentration, plant dry weight, total nitrogen accumulation과 같은 형질에 대해 총 34개의 QTL을 동정하였다. 이들은 1A, 2A, 3B, 5A, 6B, 7A 등의 염색체에 위치하며, 고질소(high N) 및 저질소(low N) 조건에서 특이적으로 발현되는 trait-specific QTL임이 확인되었다. 이는 질소 처리 조건에 따른 유전자의 반응 차이를 보여주는 전형적인 예로, NUE 관련 breeding program의 조건 특이성(condition-specificity)을 강조하였다(
Zhang et al. 2019). 이는 질소 시비 수준에 따라 작물의 유전적 반응이 크게 달라질 수 있음을 보여주는 대표적인 사례이다.
또한 Xiaoyan54×Jing411 recombination inbred line (RIL) 집단을 기반으로 한 대규모 QTL 분석 연구에서는, 총 질소 흡수량(N uptake), 질소 이용 효율(NUE), 질소 활용 효율(NUtE), 질소 흡수 효율(NUpE), 수량(yield), 곡립 단백질 함량(grain protein content, GPC) 등 다양한 형질에 대해 117개의 QTL이 동정되었다. 이들 유전자좌위는 주로 2A, 3B, 4A, 5B, 6D, 7A 염색체 상에 위치하였으며, 특히 질소(N) 및 인(P) 처리 수준과의 상호작용 조건에서 발현 양상이 크게 달라지는 것으로 보고되었다. 이러한 결과는 형질-환경(G×E) 상호작용에 의한 QTL 발현 조절의 복잡성을 잘 보여주는 예시이다(
Xu et al. 2014).
이와는 달리,
Quraishi et al. (2011)은 다양한 유전집단에서 반복적으로 보고된 QTL 정보를 통합하여 meta-QTL 분석을 수행하였다. Arche×Recital 교배조합에서 유래한 세 개의 독립 집단에서의 분석 결과를 기반으로 도출된 11개의 meta-QTL은 2A, 2B, 3A, 4B, 5A, 6A, 7A 염색체 상에 위치하고 있으며, 이들 중 일부는 NUE 뿐만 아니라 종자 수량(grain yield)에도 영향을 미치는 보존된 유전자 좌위(conserved loci)로 제안되었다. 이 연구는 서로 다른 환경과 유전 배경에서 공통적으로 발견되는 핵심 QTL의 가능성을 제시하며, 다중 환경에 걸친 안정적 형질 발현을 위한 육종 목표으로의 가치를 시사한다.
NUE에 중요한 역할을 하는 질소 대사 유전자인
GS1,
GS2,
GOGAT는 여러 염색체 상에서 보고된 QTL과 밀접하게 연관되어 있다. 특히
GS2 유전자는 2A 염색체의 단완에 위치하며, flag leaf
GS 활성도와 관련된 QTL과 위치를 공유하는 것으로 보고되었다. 이 QTL은 단순히 잎의 대사 기능에 그치지 않고, 종자 질소 함량(grain N)과도 유의한 상관관계를 보이며, 이는 등숙기 이전 동화 기관의 대사 능력이 곡립 질소 축적에 기여함을 시사한다. 또한,
GS1 유전자도 4A 염색체 상에서 유사한 QTL과 위치를 공유하며, 잎 조직 내 질소 대사의 통합 조절자로 기능할 가능성이 제시되었다(
Habash et al. 2007).
이와 더불어,
Fd-GOGAT 유전자는 2A 염색체의 동원체 근처(centromeric region)에 위치하고 있다. Svevo×Ciccio RIL 집단을 대상으로 한 QTL 분석에서, 이 유전자는 SSR 마커 GWM-339와 일치하며 grain protein content (GPC) 관련 주요 QTL과 일치하는 것으로 나타났다. 이 QTL은 5개 환경 간 분석에서도 안정적으로 발현되었으며, 최대 19.4%의 표현형 변이를 설명하는 major QTL로 평가되었기 때문에
Fd-GOGAT-A 유전자에 존재하는 자연 변이가 GPC 형질 변이에 직접적으로 영향을 미칠 수 있음을 보여준다. 따라서 향후 NUE와 GPC 개선을 위한 유전자 마커 개발의 중요한 타깃이 될 수 있음을 강조하였다(
Nigro et al. 2014,
Table 1).
그러나 이러한 대사 효소 유전자의 QTL은 일반적으로 minor effect로 보고되는 경우가 많으며, 실제 포장 조건에서의 표현형 기여도는 제한적인 것으로 평가되고 있다.
Islam et al. (2021)에 따르면,
GS1,
GS2,
GOGAT와 같은 질소 대사 효소 유전자의 QTL은 대부분 작은 효과(minor QTL)를 가지며, NUE에 미치는 영향은 조절 유전자나 전사 인자에 비해 낮을 수 있다고 언급하였다.
Uauy et al. (2006)이 보고한
NAM-B1 유전자는 Gpc-B1 QTL의 원인 유전자로, 6BS 염색체에 위치한
NAC 전사인자로 밝혀졌으며, 잎의 조기 노화(senescence)를 유도하고 질소의 곡립 재분배를 촉진하여 grain yield와 GPC를 동시에 향상시키는 pleiotropic effect를 가진다. 이러한 전사인자 기반 유전자는 NUE 향상과 연계된 다기능 유전자 개발의 중요한 대상이 될 수 있다. 결론적으로, NUE 관련 QTL은 질소 대사, 동화, 재동화, 이동 등에 관여하는 구조 유전자뿐 아니라, 조절 유전자(transcription factor), miRNA, epigenetic 조절 인자 등과도 복합적으로 얽혀 있다. 따라서 밀의 NUE 개선을 위한 유전학적 접근은 단일 유전자가 아닌 다중 유전자 및 조절 네트워크 기반의 통합적 해석이 필수적이다.
질소 이용 효율(NUE)과 관련된 GWAS 연구 동향
NUE는 작물의 생산성과 환경 지속 가능성을 동시에 고려해야 하는 중요한 형질로, 다양한 생리⋅생화학적 경로와 유전자 간의 상호작용에 의해 조절되는 복합 형질(complex trait)이다. 이러한 복잡성으로 인해 기존의 QTL 분석만으로는 유전적 기반을 명확히 해석하는 데 한계가 있으며, 특히 염색체 전반에 걸친 유전자좌위의 탐색과 다양한 유전자원 간의 변이 분석을 위해 보다 고해상도의 접근이 필요하다. 이러한 배경에서, Genome-Wide Association Study (GWAS)는 최근 NUE 연구에서 핵심적인 유전학적 분석 도구로 주목받고 있다. GWAS는 자연 집단 내 존재하는 풍부한 유전적 다양성과 고밀도 SNP 마커를 활용하여, 형질과 연관된 유전자좌위를 높은 해상도로 규명할 수 있다는 장점을 가진다. 특히 NUE는 생육 단계, 조직 특이성, 환경 조건(예: 질소 시비량) 등에 따라 다양한 표현형을 보이기 때문에, GWAS는 환경 특이적 표현형과 유전자의 연관성을 정량적으로 분석할 수 있는 강력한 수단으로 활용되고 있다.
실제로 최근 여러 연구에서는 다양한 재료(예: bread wheat, durum wheat, spring/winter wheat)를 활용하여 고밀도 SNP chip 기반의 GWAS를 수행하고 있으며, 질소 흡수(N uptake), 활용 효율(NUtE), 종자 단백질 함량(grain protein content), 뿌리 형질 등과 관련된 수많은 유의한 SNP 및 QTL이 보고되고 있다. 이러한 결과는 NUE 개선을 위한 분자 육종 전략의 기반을 마련해주며, 관련 유전자의 기능 해석 및 선발 마커 개발에도 기여하고 있다.
중국 황하 밀 재배지대를 대표하는 132개 bread wheat 상업 품종 및 육성 계통을 대상으로, 2016-2018년 동안 4개 지역에서 고질소(High-N; HN) 및 무시비(저질소; Low-N; LN) 조건 하의 종실 형질[thousand kernel weight (TKW), kernel length (KL), kernel width (KW), kernel diameter ratio (KDR)]에 대한 GWAS 분석이 수행되었다(
Zhang et al. 2020). 유전체 분석은 Wheat55K SNP array (총 53,063 SNP) 기반으로 수행되었고, filtering 후 7,948개의 고품질 SNP가 GWAS 분석에 사용되었다. 이를 통해 총 232개의 유의한 marker-trait associations (MTAs)가 확인되었으며, 이 중 24개의 MTA는 3개 이상의 환경에서 반복적으로 검출되어 20개의 안정적 QTL로 선발되었다. 이 중 AX-111690659 (7B)는 kernel length와 관련된 새로운 유전자 좌위(novel locus)로 제안되었으며, AX-109775854 (2D)는 TKW 및 KW와 위치를 공유하는 하나의 마커가 두 개 이상의 형질에 영향을 미치는 다면발현 마커로 확인되었다. 해당 좌위는
GS2-D1 유전자와 물리적으로 인접하며, 질소 재동화에 관여할 가능성이 높다고 예측하였다. 또한, 6개의 KASP 마커가 개발되어 Chinese wheat mini core collection (MCC)과 2개 RIL 집단(SK-RIL, KJ-RIL)을 통해 유효성이 검증되었다.
다른 연구로, 중국 황하 및 회하 유역에서 수집한 120개의 지역 밀 품종을 활용한 연구에서는, 질소 처리 조건 차이에 따른 식물의 키와 마디 관련 형질의 유전적 조절을 규명하기 위한 GWAS 분석이 수행되었다(
Xing et al. 2022). 실험은 2017-2018 및 2018-2019년 두 생육 시기에 걸쳐 저질소(LN)와 일반 질소(control, CK) 조건에서 수행되었으며, 총 8,632개의 물리적 위치가 명확한 SNP가 90K SNP chip (Illumina Infinium wheat 90K array)을 통해 유전체 전반에 걸쳐 사용되었다. 총 86개의 QTL이 다양한 형질에 대해 동정되었으며, 특히 LN 조건에서 특이적으로 반응하는 질소 스트레스 반응 QTL도 18개 추가로 동정되었다. 대표적으로 3A, 6A, 6D 염색체에서 발견된 QTL들은 줄기 마디 길이 조절과 관련되었으며, 5B 염색체에서 발견된 Qdelt_aver_PH-5B는 질소 스트레스 하에서 식물 초장의 변이를 설명하였다. 특히 3A 염색체에서 발견된 QTL은 yield 관련 QTL (QYd-3A) 및
cytochrome P450 유전자(TraesCS3A01G152100)와 근접하여 생장 조절 관련 유전자의 연관 가능성을 제시하였다. 이 연구는 다양한 마디 길이 및 수형 특성과 연관된 복수의 QTL들을 질소 처리 조건에서 체계적으로 분석한 것으로, 저질소 환경에서 표현형이 크게 변하는 형질들에 대한 유전적 조절 메커니즘을 규명하였고, 특히
UDP-glycosyltransferase와 같은 후보 유전자와의 연관성도 보고되었다.
또한, 중국 및 해외에서 수집한 총 204개의 bread wheat 자원을 활용하여, 다양한 질소 농도 조건에서의 유전적 반응을 규명한 GWAS 연구가 수행되었다(
Hu et al. 2023). 이 연구는 수경재배(hydroponic) 시스템에서 진행되었으며, 질소 농도는 고질소(HN: 45 mM), 정상질소(NN: 5 mM), 저질소(LN: 0.1 mM)의 세 가지 수준으로 설정되었다. 총 9가지 생장 및 뿌리 관련 형질(root length, shoot length, shoot/root fresh weight, shoot/root dry weight, total biomass, root-to-shoot ratio 등)이 각 처리 조건별로 정량화되었으며, 반복 실험을 기반으로 BLUP (best linear unbiased prediction) 값을 산출하여 GWAS에 활용하였다. 유전체 분석은 Wheat 55K iSelect SNP array를 이용해 수행되었으며, 초기 53,007개의 SNP 중 품질 제어를 거쳐 32,008개의 고품질 SNP가 최종 분석에 사용되었다. 이들은 전체 21개 염색체에 고르게 분포하였으며, A, B, D 염색체군 별로 각각 34.7%, 39.9%, 25.4%를 차지하였다. GWAS 결과, 총 765개의 유의한 SNP가 동정되었으며, 이들은 HN (392개), NN (151개), LN (222개) 조건별로 서로 다른 SNP들을 포함하고 있어 환경 조건에 따른 유전적 반응 특이성을 보여주었다. 특히 LD decay distance를 고려하여 각 주요 SNP 주변 ±2 Mb 범위 내에 존재하는 후보 유전자들을 탐색한 결과, 총 1,717개의 유전자가 동정되었으며, 이 중 질소 수송(
NRT1), 전사 인자(
MYB93),
trehalose-6-phosphate synthase,
peroxidase,
aspartate protease,
serine/threonine-protein kinase 등 질소 대사, 스트레스 반응, 단백질 분해 및 조절과 밀접한 연관이 있는 유전자들이 다수 포함되어 있었다. 특히
NRT1 (nitrate transporter)와 같은 유전자는 질소의 흡수 및 분배와 직접적으로 관련되어 있으며, NUE 조절의 핵심 유전자로 간주되는 유전자이기 때문에 질소 효율적인 밀 품종 개발을 위한 MAS (marker-assisted selection) 기반 breeding program에 중요한 기반 자료를 제공하였다.
최근 중국의 주요 밀 재배지에서 수집된 389개의 winter wheat 계통을 대상으로 하여, 질소 스트레스에 따른 형질 변화와 유전자 좌위를 분석하였다(
Shi et al. 2024). 유전적 분석에는 Illumina 기반의 660K SNP array가 사용되었으며, 총 397,384개의 SNP가 필터링되어 GWAS에 활용되었다. 시험은 두 가지 질소 조건, (LN 및 HN) 환경에서 수행되었으며, 13가지 유묘기 형질(예: root dry weight, shoot dry weight, plant height 등)이 평가되었다. 그 결과 총 49개의 QTL이 검출되었고, 이 중 염색체 4B 상의 qPDWR4B.1은 질소 스트레스 조건에서도 안정적으로 발현되는 핵심 유전자좌위로 확인되었다. 해당 구간에서는 F-box protein 유전자(TaBOX)의 발현량 증가를 보였으며, 이 유전자는 질소 결핍뿐 아니라 다양한 스트레스 조건에서 생장 조절에 관여하는 주요 조절 인자로 기한다고 예측되었다. 또한, 유리한 대립유전자 Hap1이 고효율 질소 이용 유전형으로 제안되었으며, 이 유전자의 favorable haplotype은 chlorate 처리 조건에서도 높은 내성을 나타냈다. 특히 이 연구는 질산염(NO
3⁻) 흡수와 공유 경로를 가지는 chlorate (ClO
3⁻) 기반의 표현형 측정 방법인 chlorate inhibition rate (CIR)을 도입하여 질소 수송 관련 GWAS를 보완하였다. 이로 인해 NUE를 조절하는 nitrate transporter 및 stress-related pathway에 대한 간접적인 분자마커 기반 선발이 가능함을 보여주었다(
Table 2).
이처럼 최근 수행된 GWAS 연구들은 다양한 밀 유전자원을 활용하여 고밀도 SNP chip 기반의 고해상도 유전체 분석을 통해 NUE 관련 형질과 연관된 다수의 유전자좌위 및 후보 유전자를 밝혀내고 있다. 특히 NRT1, NAM-A1, TaBOX, MYB93 등은 질소의 흡수⋅수송, 전사 조절, 스트레스 반응 등과 밀접히 관련된 유전자로 반복적으로 동정되고 있으며, 유리한 대립유전자(haplotype)의 선발과 이를 기반으로 한 분자표지(marker) 개발은 실용적 육종 적용 가능성을 높이고 있다. 또한, 고질소(HN), 정상질소(NN), 저질소(LN) 등 다양한 질소 처리 조건과 생육 단계별 표현형 데이터를 결합한 GWAS 분석은 NUE 관련 유전자들의 환경 특이적 발현 패턴을 밝히는 데 중요한 기초 자료를 제공하고 있다. 특히 chlorate 기반의 CIR (Chlorate Inhibition Rate) 분석, 전사체(transcriptome) 정보 연계 등 새로운 표현형 및 분자 수준의 분석 기법이 도입되면서, NUE 관련 유전자 탐색의 해상도와 정확성이 한층 향상되고 있다.
질소 이용 효율(NUE)과 관련된 대량전사체 연구 동향
이처럼 최근의 QTL 및 GWAS 연구들은 다양한 밀 유전자원을 활용하여 고밀도 SNP chip 기반으로 NUE에 관여하는 주요 유전자좌위를 고해상도로 동정하고 있으며, 이 과정에서 반복적으로 확인되는 candidate gene들은 분자육종 전략에 적용 가능한 타깃으로 주목받고 있다. 그러나 이러한 위치 기반 유전자 동정 분석만으로는 각 유전자의 기능적 기작과 환경 반응성, 조직 특이성, 생육 시기별 발현 양상을 충분히 설명하기에는 한계가 있다. 특히 NUE는 생리적 복합성뿐 아니라 시간과 공간에 따른 유전자 네트워크의 동적 조절이 중요한 형질이기 때문에, 정량적 위치(QTL)나 연관성(GWAS)만으로는 그 전체 메커니즘을 완전하게 해석하기 어렵다.
이에 따라 최근에는 RNA-Seq 기반의 전사체 분석(transcriptome analysis)이 활발히 수행되고 있으며, 이는 특정 질소 처리 조건이나 생육 단계에서의 유전자 발현 변화를 정밀하게 포착함으로써, NUE 관련 유전자의 기능적 발현 패턴과 조절 메커니즘을 이해하는 데 중요한 단서를 제공하고 있다. 본 절에서는 2020년부터 최근까지 발표된 대표적인 RNA-Seq 기반 연구들을 중심으로, 실험 재료와 조건, 주요 발현 차이 유전자(DEGs), 질소 대사 관련 경로, 그리고 기능적으로 주목되는 후보 유전자(candidated genes)에 대해 정리하고자 한다.
오스트레일리아에서 개발된 고⋅중⋅저 질소 효율 품종(Mace, Spitfire, Volcani)을 활용한 연구에서는, 질소 스트레스 조건에서 조직 및 생육 시기별 전사체 반응을 비교하였다(
Sultana et al. 2020). 식물체는 고질소(100 kg N ha⁻
1)와 무질소(0 kg N ha⁻
1) 조건에서 처리되었으며, 비교는 개화기 이후 0일(0 DPA)과 10일(10 DPA)의 두 시점에서 두 조직(잎과 종자)에 대해 수행되었다. 총 12,344개의 DEG가 동정되었고, 특히 광합성, 탄수화물 대사, 단백질 분해, 아미노산 대사, transmembrane transport와 관련된 유전자들이 주요하게 반응하였다. 고효율 품종 Mace에서는 광합성 관련 유전자의 하향조절과 함께, RADIALIS-like TF 및 sulfate transporter의 상향 조절이 관찰되었으며, 이는 질소 스트레스에 대한 조직 및 시기 특이적인 발현 패턴을 뚜렷하게 보여주었다. 중간 및 저효율 품종인 Spitfire와 Volcani는 Photosystem II 10kDa polypeptide family와 같은 광합성 유전자의 발현 억제를 비롯해, 11S globulin, protein Sec61, peroxidase, beta-glucanase 등 다양한 단백질 및 스트레스 관련 유전자의 변화를 보였다. 특히 Spitfire 품종은
NRT1/PTR family,
glutamate dehydrogenase,
tyrosine aminotransferase 등의 질소 흡수 및 아미노산 대사 유전자에서 뚜렷한 상향 조절(log
2FC>5)을 나타냈다. 이 논문은 조직 특이성과 생육 단계에 따른 NUE 관련 유전자들의 차별적인 발현을 제시하고 있으며, sulfate transporter, NRT1, MYB TF와 같은 유전자들이 공통적으로 동정되었으며, 이들은 MAS 기반의 질소효율 육종에 활용될 수 있는 잠재 후보군으로 제시되었다.
이러한 조직 및 시기 특이적 반응에 대한 분석 외에도, 유전적 배경이 통제된 near-isogenic line (NIL) 계통을 활용한 연구에서는 NUE 차이에 따른 전사체 수준의 특이성을 더욱 정밀하게 규명한 연구가 보고되었다(Zhang et al. 2021). NUE이 상반되는 두 밀 유전 계통(near-isogenic lines, NILs)인 1Y (고효율, 49.33%)와 1W (저효율, 33.41%)를 대상으로 2019-2020년 재배기에 수행되었으며, N 결핍(N0, 0 kg N ha⁻1)과 정상 시비(N1, 300 kg N ha⁻1)의 두 처리 조건하에서 분석되었다. Anthesis 시기에 flag leaf를 수확하여 전사체 분석 및 질소 동화 효소(NR, GS, GOGAT) 활성을 비교하였다. 전사체 분석 결과, 주로 NRT (nitrate transporter), AMT (ammonium transporter), NR (nitrate reductase), GS (glutamine synthetase), GOGAT (glutamate synthase) 등 질소 흡수 및 동화 과정과 관련된 기능의 유전자들이 특이 발현을 하였다. GO 및 KEGG pathway 분석 결과 glutathione metabolism, MAPK signaling pathway, nitrogen metabolism pathway 등에서 유전자(군)의 DEGs를 확인하였다. 특히 1Y 계통은 NR, GS, GOGAT 효소 활성이 1W보다 높았으며, 질소 결핍 상황에서도 안정적으로 질소를 동화하는 능력을 보여주었다. 이는 NILs를 활용한 전사체 분석을 통해 NUE가 높은 밀 계통의 전사체적 반응 특성을 정량적으로 규명하고, 질소 결핍에 대한 내성을 설명할 수 있는 유전자 후보군을 제시한 중요한 사례로 평가된다.
다른 연구로 중국 spring wheat 품종 ‘Zhongmai 175’를 대상으로 한 연구에서는, 질소 결핍 조건 하에서 shoot-root 간 유전자 발현 반응이 분석되었다(
Meng et al. 2021). 유묘기 상태의 밀을 수경 조건에서 생육시킨 후, 정상 질소 조건(N+, 2 mM)과 저질소 조건(N−, 0.2 mM)에서 7일간 처리 후 shoot 및 root 조직에서 샘플을 수집하여 발현 데이터를 비교 분석하였다. DEGs 기능 분석 결과, 질소 결핍 처리에 의해 뿌리 조직에서는 nitrate transport, amino acid metabolism, carbon metabolism과 관련된 유전자들이 상향 조절된 반면, 잎에서는 광합성, 탄소 고정, chloroplast 구조 관련 유전자들이 하향 조절되었다. 이는 질소 결핍이 뿌리의 질소 획득 능력은 증가시키는 반면, shoot 조직의 광합성 기능은 억제한다는 점을 시사한다. 특히 root에서 상향 조절된 유전자 중에는
TaNRT2.1 (
high-affinity nitrate transporter),
TaAMT1.1 (
ammonium transporter),
TaGS1 (
glutamine synthetase 1) 등의 well-known nitrogen-responsive gene들이 포함되어 있었으며, 이는 질소 부족 시 뿌리 조직이 적극적으로 질소를 획득하고 동화하기 위해 특정 대사 경로를 활성화하는 것을 보여준다. 또한, 질소 결핍 조건에서 전사 조절 기능을 가지는
NAC,
MYB,
WRKY,
bZIP 계열의 전사인자가 다수 발현 조절되는 것으로 나타났으며, 이는 질소 반응에 있어 전사 조절 네트워크의 중요성을 강조하였다.
한편, 품종 간 NUE 반응성 차이에 대한 분석도 활발히 진행되고 있으며 고효율(PBW677) 및 저효율(PBW703) 품종을 비교한 분석을 통해, 질소 결핍에 따른 조직별 유전자 발현 차이가 정량적으로 규명되었다(
Kaur et al. 2022). 두 품종은 질소 무처리(N-stress; 0 kg/ha) 및 일반 질소 처리(N-control; 120 kg/ha) 조건에서 24시간 후 뿌리와 줄기 조직을 수확하였으며, 그에 따른 유전자 발현 변화를 비교하였다. 총 4개의 샘플 유형(root/shoot×control/stress)에 대해 DEG 분석이 수행되었으며, PBW677이 전반적으로 더 많은 DEG를 보여 질소 결핍 반응에서의 유전적 활성도가 더 높은 것으로 나타났다. 주요 발현 경로로는
nitrate transporter (
NRT1),
amino acid metabolism,
glutamate/glutamine synthesis,
photorespiration,
carbon metabolism 및
stress response pathway (
MAPK,
WRKY,
MYB 등 전사조절 네트워크)가 포함되었다. 특히
GLT (
glutamate synthase),
AAP (
amino acid permease),
CYP450,
asparagine synthase,
zinc finger,
ABC transporter 등 다양한 기능성 유전자들이 질소 관련 경로에 관여하는 것으로 보고되었으며, 이 중 13개의 핵심 유전자는 NUE breeding marker로 활용 가능한 후보로 제시되었다. 이러한 결과는 질소 반응성에서 품종 간 유전적 차이가 뚜렷하게 나타날 수 있으며, 특히 질소 이용 저효율 품종에서는 질소 대사와 스트레스 조절 유전자들이 동시에 활성화됨을 보여주었다.
이와 함께, 조직 간 질소 반응의 네트워크 조절 메커니즘을 보다 세밀하게 파악하기 위해 수행된 ‘Chinese Spring’ 품종 기반의 연구에서는, 수경 재배 조건에서 뿌리와 줄기 간의 전사체 반응 차이를 정밀하게 분석하였다(
Wang et al. 2024). 처리방법은 일반 질소(16 mM KNO
3)와 저질소(3.2 mM KNO
3) 조건에서 각각 12일간 처리한 후, 전사체 데이터를 생산하였다. DEG 분석 결과, 두 조직 간 DEG 발현 패턴은 상반된 경향을 보였으며, GO 분석 결과, 뿌리에서는 질산염 반응(nitrate response) 및 스트레스 반응 유전자가, 줄기에서는 광합성과 이온 운반체 관련 유전자가 풍부하게 나타났다. NUE 관련 주요 유전자군으로는
NRT1.1,
NLP6/7,
CPK10/30/32,
BT1/2,
HRS1/HHO1,
LBD37/38/39 등이 동정되었으며, 특히 뿌리 조직에서는 nitrate transporter 및 transduction 관련 유전자들이 활발히 반응하였다. WGCNA (weighted correlation network analysis) 분석을 통해 뿌리에서 LN 반응에 중심적 역할을 하는 것으로 예측되는 5개의 허브 전사인자(hub transcription factors), 즉 TraesCS4B01G299400, TraesCS4B01G299500, TraesCS2A01G281200, TraesCS4D01G298400, TraesCS2B01G298600가 제안되었다. 이 연구는 뿌리와 줄기 간 조직 특이적 질소 반응 차이를 정량적으로 제시하고 있으며, 특히 뿌리 조직의 유전자 조절 네트워크를 중심으로 질소 반응 기작을 정밀하게 분석함으로써, NUE 향상을 위한 조직 특이적 육종 전략 수립에 기초 자료를 제공하였다(
Table 3).
이상의 연구들을 종합해 보면, 최근 수행된 RNA-Seq 기반 전사체 분석들은 다양한 밀 품종 및 처리 조건에서 NUE 관련 유전자의 조직 특이적 발현, 시기별 반응, 품종 간 유전적 차이를 정량적으로 규명하고 있으며 다양한 밀 품종 및 조건에서 NUE과 관련된 유전자의 조직 특이적 발현, 시기별 반응, 그리고 품종 간 유전적 차이를 정량적으로 규명하고 있다. 특히 shoot-root 간 전사체 차이, anthesis 및 grain filling 시기에서의 시기 특이적 반응, NILs와 같은 유전 배경이 유사한 재료를 활용한 비교 분석은 NUE 조절에 관여하는 핵심 유전자들의 기능적 위치와 전사 조절 네트워크를 명확히 밝혀내는 데 크게 기여하고 있다. 주요 질소 대사 유전자인 NRT1, GS, GOGAT, AMT 계열뿐만 아니라, NLP7, MYB, WRKY, LBD와 같은 전사인자, ABC transporter, F-box, CYP450 등 다양한 기능 유전자들이 공통적으로 보고되고 있으며, 이는 NUE 조절이 단일 경로가 아닌 다중 대사⋅신호 전달 경로의 통합적 조절에 의해 이루어짐을 시사한다. 또한, 질소 농도에 따른 유전자 반응 패턴과 그에 기반한 허브 유전자 및 후보 유전자군의 발굴은 MAS 및 유전자 편집 기반의 분자육종 전략 수립에 실질적인 활용 가능성을 제시한다. 향후 연구는 이러한 발현 유전자들의 기능적 검증과 더불어, GWAS 및 QTL 분석 결과와의 통합 분석을 통해 NUE 조절 유전자의 네트워크를 정밀하게 구축하고, 다양한 환경 조건에서도 안정적으로 작동할 수 있는 유전자의 선발로 이어질 수 있을 것이다.
질소 이용 효율(NUE) 향상을 위한 최근의 통합적⋅대안적 접근
최근 NUE를 향상시키기 위한 연구는 전통적인 QTL 분석이나 GWAS, RNA-seq 기반의 유전자 수준 분석을 넘어, 보다 다양한 접근법으로 확장되고 있다. 특히 생리학적 효율성, 예측모델 기반 분석, 후생유전학적 조절, 단백질 대사, 유전체⋅전사체 통합분석 등 기존의 한계를 보완하는 다각적인 연구들이 수행되면서, NUE 형질에 대한 이해가 더욱 심화되고 있다.
이들 연구는 NUE가 단일 유전자에 의해 결정되는 단순한 형질이 아닌, 다양한 생물학적 층위에서 통합적으로 조절되는 복합 형질임을 보여주며, 육종 전략 수립에 있어 기존 접근법과 병행하여 고려되어야 할 요소로 부각되고 있다. 본 절에서는 최근 발표된 다양한 연구들 중 기존 분류(QTL, GWAS, transcriptome)에 포함되기 어려우나, NUE 연구의 확장된 방향성을 잘 보여주는 주요 논문들을 선별하여 정리하였다. 이들 논문은 저장 단백질의 동태(turnover), 품질 예측 기반 근적외선 분석, 형질 간 상호작용에 따른 육종 전략, 기계학습 기반 genomic selection 최적화, 후생유전학 기반 질소 반응 조절, 질소 스트레스 시나리오 기반 QTL 탐색, 그리고 고NUE 품종의 유전체-전사체 통합 분석, 그리고 유전자 편집(gene editing) 기반 NUE 형질 개량 전략 등 다양한 방법론을 통해 NUE 향상을 위한 새로운 통찰을 제공한다.
밀 종실 발달기 동안 저장 단백질의 합성과 분해 속도는 NUE에 중요한 영향을 미친다. 따라서, 밀의 종실(grain) 발달기 동안 저장 단백질(storage protein)의 동적 변화를 정량적으로 측정하고, 이를 NUE의 관점에서 해석한 선도적인 연구가 진행되었다(
Cao et al. 2022). 기존 연구들은 주로 종실 내 단백질의 총량 변화나 특정 유전자 발현에 집중해 왔지만, 이 논문은 생장기 동안 단백질의 합성과 분해(turnover) 속도에 집중하며, 에너지 대사 관점에서 질소 저장 효율성을 재조명했다. 해당 연구팀은 15
N 동위원소 동적 라벨링(dynamic labeling) 기술을 활용해, 밀 종실 내 단백질이 얼마나 빠르게 합성되고 얼마나 빠르게 분해되는지를 시간대별로 측정하였다. 이로부터 단백질 turnover rate를 계산하고, 동시에 ATP 소비량도 모델링하여 각각의 단백질 종류가 종실 발달 동안 요구하는 에너지 양을 추산하였다. 그 결과, 종실 내 storage protein의 약 25% 이상이 발달 기간 동안 분해되는 것으로 나타났으며, 이는 곧 재합성과정에서 불필요한 ATP 소모를 유발하게 된다. 특히 high molecular weight glutenin (HMW-GS)과 같은 단백질들은 매우 높은 turnover을 보이며, 이들 단백질의 합성과 분해를 조절하는 것이 질소와 에너지 효율 개선에 기여할 수 있음을 시사하였다. 또한 전체 단백질 질량 기준으로는 합성된 단백질의 30% 이상이 최종적으로 분해되었으며, 해당 과정에서 ATP가 대량 소비됨을 정량적으로 제시하였다. 이는 탄소(C)와 질소(N)의 균형 측면에서 NUE를 높이기 위해서는 단백질의 축적 뿐만 탄소-질소 경제성(carbon-nitrogen economy)을 고려한 NUE 기반 품종 개량 방향성에 중요한 이론적 근거를 제공하였다.
고NUE 품종과 저NUE 품종 간의 유전체 및 전사체 수준의 비교는 질소 대사 관련 유전자군의 구조적⋅기능적 차이를 규명하는 데 중요한 실마리를 제공한다. 최근. 중국에서 널리 재배되는 고NUE 품종인 Kenong 9204 (KN9204)의 유전체와 전사체를 저NUE 품종인 Jing411 (J411)과 비교 분석하여, 높은 NUE 특성을 지배하는 유전적⋅분자적 메커니즘을 통합적으로 규명한 연구가 진행되었다(
Shi et al. 2022). 이 논문은 단순한 DEG 분석 수준을 넘어서, 고품질 유전체 어셈블리, gene family 확장, 염색질 접근성 분석, 전사체 네트워크 분석 등 다양한 스케일의 통합 분석을 수행한 점이 특징이다. KN9204와 J411을 HN (고질소) 및 LN (저질소) 조건에서 비교한 결과, KN9204는 reproductive stage 이후 shoot 및 seed에 질소를 더 많이 축적하였으며, spike development 단계에서도 LN 스트레스에 덜 민감한 반응을 보였다. 특히 LN 조건 하에서 cell division 관련 유전자와 히스톤 유전자의 발현이 J411에서는 급격히 억제된 반면, KN9204에서는 유지되거나 덜 억제되었으며, 이는 spike 수 및 종실 수 감소율 차이와 직접적으로 연결되었다. 전사체 네트워크 분석(WGCNA)을 통해
GS1 (
glutamine synthetase 1),
NRT2,
NPF 등의 핵심 유전자들이 LN 조건에서 서로 다른 전사 조절망을 보이며, 특히 KN9204에서는
WRKY,
MADS,
NAC 등 주요 TF들과의 결합성이 더 높게 유지되는 것으로 나타났다. 또한 염색질 접근성(ATAC-seq) 분석에서, LN 반응성 유전자들의 proximal promoter에서 특정 motif가 선택적으로 열리고(open), 그 결과 G2-like 및 NLP-like 전사인자의 결합 가능성이 높아지는 것을 확인하였다. 이러한 차이는 유전자 발현 조절의 중요한 원인으로 작용할 수 있음을 시사한다. 이 연구는 단일 유전자 수준을 넘어, 유전자군 확장 → 발현 네트워크 → 염색질 구조 → 형질 표현이라는 일련의 경로를 통해 KN9204의 높은 NUE 특성이 발현되는 메커니즘을 정교하게 해석한 논문이며, 다층적 통합 분석 기반의 NUE 육종 설계에 매우 중요한 기초 자료로 활용될 수 있을 것이다.
근적외선 분광법(NIRS, Near-Infrared Spectroscopy)을 활용한 종실 품질 예측은 질소 투입 수준에 따라 달라지는 품질 특성을 고속⋅비파괴적으로 분석할 수 있는 유망한 방법으로 주목받고 있다. 근적외선 분광법을 활용하여, 다양한 질소 처리 조건 하에서 밀의 종실 품질(grain quality)을 효율적으로 평가하고 예측할 수 있는 방법론을 제시한 연구가 진행되었다(
von Wrochem et al. 2024). 해당 연구의 주된 목적은 질소 시비량의 차이에 따라 변동되는 품질 특성을 고속⋅비파괴적으로 측정할 수 있는 도구를 개발하는 것이며, 특히 저질소(low-N) 조건 하에서도 정밀한 분류가 가능한지를 검토하였다. 실험에 사용된 밀 품종들은 저N, 중간N, 고N의 세 가지 시비 조건에서 재배되었으며, 수확된 종실은 단백질 함량, 수분 함량, 용적밀도 등의 주요 품질 지표에 대해 측정되었다. 그 결과, 질소 처리 수준에 따라 종실의 화학 조성과 물리적 특성에 뚜렷한 차이가 나타났고, 이들을 기반으로 한 principal component analysis (PCA)와 partial least squares regression (PLSR)을 통해 스펙트럼 데이터의 차원을 축소하고, 품질 예측 모델을 구축하였다. 특히 low-N condition에서도 고정확도의 예측력을 유지한 점은, 저투입 환경에서도 NIR 기반 품질 분석이 현실적인 육종도구로 활용 가능함을 보여준다. 이러한 기술은 향후 질소 사용량을 줄이면서도 품질 유지가 가능한 품종 선발에 기여할 수 있으며, 기존의 파괴적⋅고비용 분석에 비해 효율성과 정확성 모두에서 뛰어난 성능을 보인다는 점에서 NIRS 기반 품질 예측은 NUE 관련 육종에서 비용 대비 효과성이 높은 보조 분석 플랫폼으로 활용 가능성이 높다.
육종 목표에 따라 질소 요구성과 품질 특성 간의 상호작용이 달라질 수 있으며, 특정 형질 개선이 비의도적 형질 변화로 이어질 가능성도 존재한다. 이에 따라 밀 품종육종에서 목표 형질(target traits)에 따라 질소 요구성(N requirement)과 종실 품질(grain quality)이 어떻게 달라지는지를 비교한 연구가 진행되었으며, 육종 전략의 방향에 따라 비의도적(non-target) 형질 변화가 발생할 수 있음을 정량적으로 제시하였다(
Guardia-Velarde et al. 2023). 특히 ‘biofortification (영양강화)’, ‘고단백질(GPC)’, ‘수량성(GY)’ 등 서로 다른 육종 목적에 따라 NUE 및 요구량이 실제로 어떻게 달라지는지를 체계적으로 분석했다. 연구에 사용된 50개 품종은 3가지 그룹으로 나뉘며, 각각 ➀ 고단백(GPC), ➁ 바이오포티피케이션(철, 아연 강화), ➂ 수량성 기반의 육종 목표에 따라 개발된 품종들이 포함된다. 이 품종들을 동일한 토양 조건에서 질소 비료 투입 없이 재배하고, 품질 형질(단백질 함량, Zeleny index, 밀도, 수분함량 등)과 질소 수율 등을 정량화하였다. 분석 결과, 질소 요구성(N requirement)은 그룹 간 유의한 차이를 보이지 않았으며, 이는 육종 목적이 다르더라도 기본적인 질소 수요량은 큰 차이가 없다는 것을 시사한다. 그러나 종실 품질 지표는 육종 방향에 따라 명확하게 분리되었으며, 특히 biofortified 품종은 고단백 품종에 비해 GPC가 낮고, 단백질 구성 비율이 상이한 것으로 나타났다. 또한 일부 품종에서는 철(Zn)과 아연(Fe) 함량이 향상된 반면, 전분 함량 및 gluten quality가 낮아지는 부작용이 보고되었다. 이 논문은 NUE 개선에 있어 단순히 수량 또는 단백질 증가만을 목표로 하기보다는, 품종 개발의 형질 간 균형(balance)을 고려한 종합적 접근이 필요함을 강조한다. 또한 특정 형질을 강화할 경우 발생 가능한 비의도적 형질 저하를 최소화하기 위한 전략적 교배 및 선발 기준의 필요성을 시사하며, NUE 중심의 종합적 육종 디자인 설계에 실질적인 기준을 제시하였다.
Genomic selection (GS) 모델의 예측 성능은 하이퍼파라미터 조정 및 알고리즘 선택에 따라 크게 달라질 수 있으며, 이는 NUE와 같은 복합 형질에 특히 중요하다. 따라서, NUE에 대한 genomic selection (GS) 모델의 성능을 극대화하기 위해 다양한 하이퍼파라미터 튜닝 전략과 머신러닝 모델을 비교한 분석 연구가 진행되었다(
Guardia-Velarde et al. 2023). 해당 연구는 밀 유전자원의 phenotyping 자료와 고밀도 SNP 데이터를 활용해, NUE 관련 형질(N uptake, utilization efficiency 등)을 예측 대상으로 설정하고, 다양한 알고리즘[rrBLUP (ridge regression BLUP), BayesA, BayesB, BayesLASSO, RKHS (Reproducing Kernel Hilbert Space), STACK ensemble (stacked generalization 기반 앙상블)]들을 비교 분석하였다. 하이퍼파라미터 튜닝은 cross-validation 및 grid search 방식으로 진행되었고, 모델 성능은 prediction accuracy, RMSE, bias 등의 지표를 활용해 비교되었다. 결과적으로 STACK ensemble이 모든 모델 중 가장 우수한 예측 성능을 보였으며, 특히 비선형 상호작용을 포착하는 데 효과적임이 나타났다. 반면, 단일 모델 기반 예측(rrBLUP, Bayes 계열)은 특정 조건에서는 예측 정확도가 불안정하였다. 이 연구는 NUE와 같은 복합 형질에 대해, 유전자 간 비선형 상호작용을 고려한 다중 모델 기반 예측 전략의 유효성을 입증하며, 미래 육종에서의 적용 가능성을 구체적으로 제시하였다. 특히 제한된 phenotyping 데이터를 활용하더라도, 적절한 모델 선택 및 튜닝을 통해 예측 성능을 향상시킬 수 있음을 보여주며, 비용 효율적인 NUE 육종 프로그램에 필수적인 computational breeding 전략을 제공한다.
질소 스트레스에 대한 밀 품종 간 차별적 반응은 후생유전학적 조절 기작에 의해 형성될 수 있으며, 히스톤 변형은 그 원인이 될 수도 있다. 해당 연구는 후생유전학적 조절(epigenetic regulation)이 밀의 뿌리 발달(root architecture)과 질소 반응(nitrogen response)에 어떻게 영향을 미치는지를 밝힌 연구로, 최근 NUE 연구 분야에서 가장 주목받는 방향 중 하나인 히스톤 변형 기반 조절 기작을 정량적으로 분석하였다(
Zhang et al. 2023). 뿌리 발달 및 질소 흡수 능력이 상이한 두 밀 품종을 대상으로 CUT&Tag (Cleavage Under Targets and Tagmentation) 기술을 이용해 H3K27ac (활성화 마크) 및 H3K27me3 (억제 마크)의 분포를 지도화했다. 또한 transcriptome 분석과 통합하여, 특정 질소 수송체 유전자(
NRT2s,
NPFs)와 root development 관련 유전자들의 히스톤 마크 수준과 발현 양상을 비교하였다. 그 결과, 뿌리 생장과 질소 반응에 관여하는 다수의 유전자들이 품종별로 히스톤 마크 분포 양상이 상이하였으며, 이들 중 일부는 질소 처리에 따라 히스톤 변형이 가역적으로 조절되는 것이 관찰되었다. 예를 들어, 고NUE 품종에서는
NRT2 관련 유전자들이 질소 결핍 하에서 H3K27ac 증가 및 발현 상승을 보였으나, 저NUE 품종에서는 동일 유전자에서 발현이 억제되거나 마크 변화가 나타나지 않았다. 이 논문은 밀의 NUE 반응성에 있어 유전자 서열 자체의 변이 뿐만 아니라, 후생유전학적 조절의 중요성을 실증한 연구로, 미래에는 CRISPR-Cas 기반의 epigenome editing 전략이 적용될 수 있는 가능성을 시사하였다. 밀 육종에서 root trait 및 질소 흡수 관련 유전자들의 epigenetic marker를 기반으로 한 선발 전략이 도입될 수 있는 기반 자료를 제공한다.
NUE는 현장 재배 조건에서 질소 스트레스의 시기 및 강도에 따라 품종의 반응성이 달라지며, 이에 따른 유전적 내성도 어느 정도 정량화될 수 있다. 이를 위해 유럽 지역의 엘리트 밀 품종들을 대상으로 다양한 질소 결핍 스트레스 조건하에서 품종의 내성 반응(tolerance)을 정량화하고, 이를 조절하는 유전적 영역(QTL)을 탐색한 연구가 진행되었다(
Mini et al. 2023). 이 논문은 단순한 고⋅저 질소 비교를 넘어, 실제 재배 환경에서 빈번하게 발생하는 “스트레스 시나리오 기반 분석”이라는 점에서 매우 독창적인 접근을 보인다. 이 연구에서는 총 212개의 품종을 24개 필드 환경에서 재배하며, 각 환경은 질소 시비 시기, 투입량, 성장 단계별 처리 조건에 따라 “4가지 스트레스 시나리오”로 군집화되었다. 이 시나리오들은 다음과 같다:
➀ 최적 질소 조건(optimal),
➁ 초기 결핍(moderate early N deficiency),
➂ 후기 결핍(severe late N deficiency),
➃ 지속적 결핍(severe continuous N deficiency).
각 품종의 수량(grain yield), 단백질 함량(grain protein concentration), 그리고 두 형질 간의 단백질 함량 편차(grain protein deviation; GPD)를 기반으로 tolerance index를 산출하였고, 해당 index를 대상으로 QTL mapping이 수행되었다. 그 결과, 총 22개의 QTL 영역이 tolerance index와 관련되어 발견되었으며, 이들 QTL은 스트레스 시나리오에 따라 다른 방식으로 발현되었다. 특히 grain yield와 GPD는 일반적으로 음의 상관을 보이지만, 이 논문에서는 tolerance index 간 상관성이 낮거나 양의 상관을 보여, 두 형질을 동시에 개량하는 것이 생각보다 용이할 수 있음을 시사하였다. 또한, 품종 간 반응 패턴이 스트레스 시나리오마다 달라지는 genotype×environment×stress type 상호작용이 뚜렷하게 관찰되었으며, 이는 고정된 단일 조건에서 수행된 기존 연구들과 차별점을 보인다. 해당 결과는 breeding 프로그램 설계 시, 정해진 질소 처리 수준 하나로 선발하는 방식이 NUE 육종에 비효율적일 수 있음을 경고한다. 따라서, 이 논문은 NUE 향상 전략에 있어, 다양한 질소 스트레스 상황을 반영한 실질적 유전자 선발 환경 설정의 중요성을 강조하며, 환경특이적(environment-specific) 육종 전략 수립의 필요성을 제시한 고차원적 QTL 연구로 판단된다.
특히 최근에는 유전자 편집(gene editing) 기술을 활용하여 NUE를 직접적으로 개선하려는 가능성도 활발히 진행되고 있고, NUE과 관련된 여러 계열의 유전자들이 유전자 편집 시스템의 주요 타깃으로 제시되었다(
Sathee et al. 2022). 대표적으로 질소 수송체(NRT1, NRT2)는 질소의 흡수와 장거리 이동을 조절하고, NAC⋅WRKY⋅MYB 등 전사인자군은 질소 결핍 반응, 노화 조절, 뿌리 구조 발달 등 복합적인 생리적 과정을 통합적으로 제어한다. 또한 GS (Glutamine synthetase)와 GOGAT (Glutamate synthase)와 같은 대사 효소는 무기 질소를 아미노산으로 동화시키는 핵심 반응을 담당하므로, 이들 유전자 역시 편집을 통한 효율 개선의 유력한 후보로 부각되고 있다. 즉, 단순히 QTL이나 GWAS로 NUE 관련 유전자를 탐색하는 수준을 넘어, CRISPR/Cas9 기반의 정밀한 유전자 개량을 통해 목표 형질을 직접적으로 개선할 수 있는 전략이 점차 현실화되고 있는 것이다. 흥미롭게도, NUE 관련 유전자군뿐 아니라 호르몬 신호 및 노화 조절과 같은 간접 경로의 유전자들도 편집 타깃으로 제시되고 있다. 그 대표적 사례가
ARE1 (
abnormal cytokinin response1 repressor1)이다. 벼에서 보고된
are1 돌연변이는 사이토키닌 신호 억제를 완화하여 질소 제한 조건에서도 노화를 지연시키고, 궁극적으로 수량을 향상시켰다. 이러한 결과는
ARE1이 질소 대사 그 자체를 직접 매개하지는 않지만, 호르몬 신호와 노화 경로를 통해 NUE에 간접적으로 기여할 수 있음을 시사한다. 이를 바탕으로 밀에서도
TaARE1을 CRISPR/Cas9으로 편집한 연구가 수행되었고, triple-null 유전자 편집 계통은 질소 결핍 조건에서도 내성이 높고 잎 노화가 늦춰졌으며, 포장 시험에서 유의한 수량 증대가 확인되었다(
Zhang et al. 2021a). 이는 NUE 향상을 목적으로 한 유전자 편집 연구가 수송체⋅대사 효소⋅전사인자뿐 아니라 호르몬 신호 조절자까지 확장될 수 있음을 보여주는 첫 사례라 할 수 있다.
이처럼 최근의 연구들은 NUE 향상을 위한 접근이 단순한 유전자 수준 분석에 머물지 않고, 단백질 대사, 품질 예측 기술, 후생유전학, 기계학습 기반 예측, 유전체-전사체 통합 해석, 유전자 편집 등 다양한 층위에서 수행되고 있음을 보여준다. 이러한 연구들은 NUE가 다차원적이고 환경 반응성이 높은 복합 형질임을 다시금 확인시키며, 기존의 QTL, GWAS, RNA-seq 접근법을 보완하는 새로운 분석 전략으로 주목받고 있다. 따라서 향후 NUE 육종 전략 수립에 있어서는 이러한 확장된 분석 기법과 생리⋅분자적 통합 접근을 유기적으로 결합한 다각적 시도가 요구되며, 이는 보다 정밀하고 예측 가능한 품종 개발로 이어질 수 있을 것이다.
적요
지속가능한 밀 생산을 위한 NUE의 향상은 고수량⋅고품질 품종 육성과 환경 부담 저감을 동시에 고려해야 하는 핵심 과제이다. NUE는 질소 흡수 및 활용에 관련된 다양한 생리적, 생화학적, 유전적 요인이 복합적으로 작용하는 형질로, 본 리뷰에서는 밀에서 수행된 QTL 분석, GWAS, RNA-seq 기반의 전사체 분석 등 최근의 주요 유전학적 접근법을 정리하였다. 특히 질소 수송체(NRT1, NRT2), 동화 효소(GS, GOGAT), 전사 인자(NLP, NAC, WRKY), 신호전달 유전자(SnRK, CIPK) 등 다양한 후보 유전자가 NUE 조절의 핵심 요소로 밝혀졌으며, 이를 기반으로 한 MAS 및 유전자 편집 전략이 제시되고 있다. 아울러 저장 단백질의 합성⋅분해, 후생유전학적 조절, 근적외선 기반 품질 예측, 머신러닝 기반 예측 모델 등 기존 한계를 보완하는 통합적 분석이 시도되고 있다. 본 리뷰는 밀의 NUE 향상을 위한 최신 연구동향을 종합하여, 복합 유전형질에 대한 다층적 육종 전략 수립을 위한 유용한 유전자 자원과 방법론적 기반을 제공한다.
사사
본 연구는 농촌진흥청 농업연구개발사업(RS-2025-02214999)의 지원으로 수행되었습니다.
Fig. 1Processes contributing to and determining nitrogen use efficiency in wheat. Measures of NUE are shown in grey boxes; primary traits are shown in green boxes; physiological processes are shown in yellow boxes. Arrows indicate the movement of nitrogen within the plant system. Adapted from
Hawkesford & Riche (2020),
https://doi.org/10.3389/fpls.2020.01157. NUE, nitrogen use efficiency; NUpE, nitrogen uptake efficiency; NUtE, nitrogen utilization efficiency; NHI, nitrogen harvest index (the fraction of total plant N that is partitioned to the grain); GPC, grain protein concentration (a key trait for processing quality); GPD, grain protein deviation (a measure of deviation from the negative correlation between yield and grain nitrogen concentration).
Table 1Summary of QTL studies on nitrogen use efficiency (NUE) in wheat, including plant materials, traits evaluated, marker information, and candidate genes.
Table 1
|
Mapping Population |
Trait (s) |
Chromosome (s) |
N Condition |
No. of QTLs |
Notes |
Reference |
|
Hanxuan10×Lumai14 (DH) |
Shoot N conc. Plant DW, N accumulation |
1A, 2A, 3B,
5A, 6B, 7A |
High N,
Low N |
34 |
Trait-specific QTLs detected under N conditions |
Zhang et al. 2019
|
|
Xiaoyan54×Jing411 (RIL) |
NUE, NUpE,
NUtE, Yield, GPC |
2A, 3B, 4A,
5B, 6D, 7A |
High N,
Low N, P interaction |
117 |
Strong G×E effect on QTL expression |
Xu et al. 2014
|
|
Arche×Recital (meta-QTL) |
NUE, Grain yield |
2A, 2B, 3A, 4B, 5A, 6A, 7A |
Multi-
environment |
11 |
Cross-population meta-analysis of conserved QTLs |
Quraishi et al. 2011
|
|
Chinese Spring×SQ1 (RIL) |
Flag leaf GS activity, Grain N |
2A (GS2),
4A (GSr) |
Standard N |
18 |
GS activity co-localized with grain N QTLs |
Habash et al. 2007
|
|
Svevo×Ciccio (RIL) |
Grain protein content (GPC) |
2A (Fd-GOGAT-A) |
Multi-
environment |
1 (major) |
Fd-GOGAT-A co-localized with GPC QTL at GWM-339 |
Nigro et al. 2014
|
Table 2Genome-wide association studies (GWAS) for nitrogen use efficiency (NUE) in wheat, including plant materials, SNP chips, traits, marker positions, and associated genes.
Table 2
|
Plant Material |
SNP
Chip |
Trait (s)
Evaluated |
Marker (s) |
Candidate Gene (s) Highlighted |
Notable Findings |
Reference |
|
132 bread wheat cultivars |
Wheat
55K
SNP |
thousand kernel weight,
kernel number,
kernel weight,
kernel diameter ratio
(under LN & HN) |
AX-111466887 (1B), AX-110556510 (1D), AX-109775854 (2D), AX-109011587 (4B), AX-111118530 (6B), AX-111701566 (6B), AX-110903292 (1D), AX-109303193 (3B), AX-110468887 (4A), AX-110435301 (6D), AX-109860096 (7B), AX-111690659 (7B), AX-109877164 (7B), AX-108855171 (7D), AX-111691122 (7D), AX-110046649 (2B), AX-108822639 (5A), AX-108888152 (5A), AX-109010605 (6D), AX-109937751 (6D) |
GS2-D1 (near AX-109775854), SRS5, OsCKX2 eg.
|
20 loci including 10 stable QTL |
Zhang et al. 2020
|
|
120 Chinese local winter wheat varieties |
90K
SNP
array |
Plant height,
spike length,
internode lengths, lodging resistance strength |
QPH.sdau-3A.1 (3A), Qdelt_aver_PH-5B, Qdelt_aver_FIVILT.sdau
-3A.2 (3A),
QLRS.sdau-5B (5B) |
cytochrome P450,
UDP-
glycosyltransferase
|
86 QTLs detected in CK/LN conditions
18 QTLs responsive
to Low-N
3A, 4B, 5B QTLs linked with NUE-related internode control |
Xing et al. 2022
|
|
204 bread wheat accessions |
55K
Wheat iSelect
SNP |
Root/shoot biomass,
root length, R:S ratio, fresh/dry weight traits |
AX-89398511 (4D), AX-110026721 (2A), AX-109621732 (2B), AX-111672733 (2B), AX-94559451 (2B), AX-109517098 (3B), AX-109741930 (6D), AX-108966945 (6D), AX-108962141 (1B), AX-108847203 (1A), AX-111170306 (1A), AX-109815802 (4B), AX-109327593 (4B), AX-94875830 (6D) |
NRT1, MYB93, trehalose-6-P synthase, serine/threonine kinase eg.
|
Differences in SNP
distribution among HN, NN, and LN conditions; identification of 1,717 candidate genes; discovery of various nitrogen-responsive genes |
Hu et al. 2023
|
|
389 Chinese winter wheat |
660K
SNP
array |
seedling-stage traits
plant height, root length, leaf length, leaf width, number of roots, fresh weight, and dry weight
(leaf, root) |
qPDWR4B.1 (4B) |
TaBOX
(F-box protein)
|
Favorable haplotype Hap1 under Low-N; chlorate sensitivity GWAS introduced |
Shi et al. 2024
|
Table 3Transcriptomic (RNA-seq) studies related to nitrogen use efficiency (NUE) in wheat, including experimental conditions, differential gene expression, candidate genes, and functional insights.
Table 3
|
Plant Material |
Samples |
Candidated
Pathway |
Candidate Gene (s) Highlighted |
Notable Findings |
Reference |
Australian bread wheat 3 cultivars
(Mace: high, Spitfire: medium, Volcani:
low NUE) |
Leaf (2nd leaf)
& grain tissues sampled at 0 DPA, 10 DPA under high N (100 kg N ha⁻1) vs low N (0 kg
N ha⁻1) |
Photosynthesis,
Steroid biosynthesis, Amino acid metabolism, Nitrogen metabolism, Secondary metabolite biosynthesis |
Glutamine synthetase, NRT1/PTR family 1.1, RADIALIS-like TF, Sulfate transporter, MYB TF
|
The high NUE cultivar Mace upregulates RAD-like TF and represses stress-related genes.
Spitfire and Volcani showed strong responses in photosynthesis-related and protein transport genes. |
Sultana et al. 2020
|
|
Near-isogenic lines (NILs): 1Y (high NUE), 1W (low NUE), genetic background P7001×P216 |
Flag leaf sampled at anthesis stage under N0 (0 kg N/ha) and N1 (300 kg N/ha) |
Glutathione metabolism, MAPK signaling, Nitrate assimilation (NR, GS, GOGAT), NRT, AMT |
103 frontloaded genes, 43 relatively upregulated genes in
1Y (NRTs, AMTs,
GS, GOGAT)
|
1Y showed higher NR, GS, and GOGAT activity than 1W. The number of frontloaded genes in 1Y was 2.28 times greater. |
Zhang et al. 2021b
|
Two wheat cultivars: Zhoumai 27 (ZM27, high NUE) and Aikang 58 (AK58, low NUE) grown in field for
2 years |
Flag leaf samples collected at flowering stage (Z6) under three N regimes (Low, Moderate, High) |
Photosynthesis,
C/N metabolism,
N remobilization, assimilate partitioning, translation, amino acid/protein metabolism |
Up-regulated in ZM27: psbP, psaF, Rubisco subunits, SPS, SUS, SUT, GDH1, AAP6, ANT1L, OPT4-like. Down-regulated: NRT2.4 |
ZM27 showed higher NUE, NUpE, and NUtE under all N levels.
Transcriptomic/proteomic data revealed enhanced C/N metabolism and transport in flag leaves, enabling efficient N partitioning to grains |
Meng et al. 2021
|
|
Two bread wheat cultivars: PBW677 (N-efficient) and PBW703 (N-inefficient) |
Root and shoot tissues under N-control (120 kg/ha) and N-stress (0 kg/ha) |
Nitrate transport (NRT1), amino acid metabolism,
glutamate synthesis, photorespiration, carbon metabolism, stress signaling (MAPK, TFs) |
NRT1, MYB, WRKY, zinc finger, glutamate synthase, AAP, asparagine synthase, GST, CYP450, ABC transporters
|
PBW677 showed higher DEG count and stronger expression in NUE-related genes and stress responses; 13 candidate genes proposed for NUE breeding |
Kaur et al. 2022
|
|
Wheat cultivar ‘Chinese Spring’; hydroponic system |
12-day low nitrogen (3.2 mM) vs. normal nitrogen (16 mM) treatment on
roots and shoots |
Nitrate signaling (NRT1.1), transcription factors (MYB, NLP6/7, BT1/2), protein kinases (SnRK2, CIPK8/23, CPKs); GO: nitrate assimilation, phosphorylation |
NRT1.1, NLP6/7, CPK10/30/32, BT1/2, HRS1/HHO1, LBD37/38/39
five hub TFs identified via WGCNA: TraesCS4B01G299400, TraesCS4B01G299500, TraesCS2A01G281200, TraesCS4D01G298400, TraesCS2B01G298600 |
Roots and shoots showed opposite DEG expression patterns under LN
Key Transcription factors and protein kinase families showed tissue-specific regulation. |
Wang et al. 2024
|
References
- 1. Andleeb T, Knight E, Borrill P. 2023. Wheat NAM genes regulate the majority of early monocarpic senescence transcriptional changes including nitrogen remobilization genes. G3 Genes, Genomes, Genetics 13: jkac275.
- 2. Bogard M, Jourdan M, Allard V, Martre P, Perretant MR, Ravel C, Heumez E, Orford S, Snape J, Griffiths S, Gaju O, Foulkes J, Gouis J. 2011. Anthesis date mainly explained correlations between post-anthesis leaf senescence, grain yield, and grain protein concentration in a winter wheat population segregating for flowering time QTLs. J Exp Bot 62: 3621-3636.
- 3. Cao H, Duncan O, Millar AH. 2022. Protein turnover in the developing Triticum aestivum grain. New Phytol 233: 1188-1201.
- 4. Chen J, Liu X, Liu S, Fan X, Zhao L, Song M, Fan X, Xu G. 2020. Co-overexpression of OsNAR2. 1 and OsNRT2. 3a increased agronomic nitrogen use efficiency in transgenic rice plants. Front Plant Sci 11: 1245
- 5. Fradgley NS, Bentley AR, Swarbreck SM. 2021. Defining the physiological determinants of low nitrogen requirement in wheat. Biochem Soc Trans 49: 609-616.
- 6. Gaju O, Allard V, Martre P, Snape JW, Heumez E, LeGouis J, Moreau D, Bogard M, Griffiths S, Orford S, Hubbart S, Foulkes MJ. 2011. Identification of traits to improve the nitrogen-use efficiency of wheat genotypes. Field Crops Res 123: 139-152.
- 7. Ganbaatar U, Bodisad G, Jambal T, Noov B, Subedi M. 2025. Allelic variation in HMW-GS of Mongolian wheat varieties using KASP molecular marker. Plant Breed Biotech 13: 5-14.
- 8. Garnett T, Plett D, Heuer S, Okamoto M. 2015. Genetic approaches to enhancing nitrogen-use efficiency (NUE) in cereals: Challenges and future directions. Func Plant Biol 42: 921-941.
- 9. Gayatri Jayaraman K, Sinha SK, Roy P, Mandal PK. 2021. Comparative analysis of GS2 and Fd-GOGAT genes in cultivated wheat and their progenitors under N stress. Plant Mol Biol Rep 39: 520-545.
- 10. Gregersen PL, Holm PB. 2007. Transcriptome analysis of senescence in the flag leaf of wheat (Triticum aestivum L.). Plant Biotechnol J 5: 192-206.
- 11. Guardia-Velarde L, Liu H, Cope JE, Westerbergh A, Weih M. 2023. Differential breeding targets in wheat influence non-target traits related to grain quality, but not crop nitrogen requirement. Front Agron 5: 1151015.
- 12. Habash DZ, Bernard S, Schondelmaier J, Weyen J, Quarrie SA. 2007. The genetics of nitrogen use in hexaploid wheat: N utilisation, development and yield. Theor Appl Genet 114: 403-419.
- 13. Han M, Okamoto M, Beatty PH, Rothstein SJ, Good AG. 2015. The genetics of nitrogen use efficiency in crop plants. Annu Rev Genet 49: 269-289.
- 14. Hasnain A, Irfan M, Bashir A, Maqbool A, Malik KA. 2020. Transcription factor TaDof1 improves nitrogen and carbon assimilation under low-nitrogen conditions in wheat. Plant Mol Biol Report 38: 441-451.
- 15. Hawkesford MJ, Riche AB. 2020. Impacts of G×E×M on nitrogen use efficiency in wheat and future prospects. Front Plant Sci 11: 1157
- 16. He X, Qu B, Li W, Zhao X, Teng W, Ma W, Ren Y, Li B, Li Z, Tong Y. 2015. The nitrate-inducible NAC transcription factor TaNAC2-5A controls nitrate response and increases wheat yield. Plant Physiol 169: 1991-2005.
- 17. Hirel B, Le Gouis J, Ney B, Gallais A. 2007. The challenge of improving nitrogen use efficiency in crop plants: towards a more central role for genetic variability and quantitative genetics within integrated approaches. J Exp Bot 58: 2369-2387.
- 18. Hu C, Li J, Liu J, Zhang D, Jin L, Yang N, Bai B, Wang Z, Feng S, Ru Z, Hu T. 2023. Genome-wide association study on seedling phenotypic traits of wheat under different nitrogen conditions. Plants 12: 4050
- 19. Huang Y, Ji Z, Zhang S, Li S. 2024. Function of hormone signaling in regulating nitrogen-use efficiency in plants. J Plant Physiol 294: 154191.
- 20. Islam S, Zhang J, Zhao Y, She M, Ma W. 2021. Genetic regulation of the traits contributing to wheat nitrogen use efficiency. Plant Sci 303: 110759.
- 21. Kamal NM, Gorafi YSA, Abdelrahman M, Abdellatef E, Tsujimoto H. 2019. Stay-green trait: A prospective approach for yield potential, and drought and heat stress adaptation in globally important cereals. Int J Mol Sci 20: 5837
- 22. Kaur S, Shamshad M, Jindal S, Kaur A, Singh S, Sharma A, Kaur S. 2022. RNA-seq-based transcriptomics study to investigate the genes governing nitrogen use efficiency in Indian wheat cultivars. Front Genet 13: 853910.
- 23. Kong L, Zhang Y, Du W, Xia H, Fan S, Zhang B. 2021. Signaling responses to N starvation: Focusing on wheat and filling the putative gaps with findings obtained in other plants. A review. Front Plant Sci 12: 656696.
- 24. Kumar A, Sandhu N, Kumar P, Pruthi G, Singh J, Kaur S, Chhuneja P. 2022. Genome-wide identification and in silico analysis of NPF, NRT2, CLC and SLAC1/SLAH nitrate transporters in hexaploid wheat (Triticum aestivum). Sci Rep 12: 11227
- 25. Lamichhane S, Thapa S. 2022. Advances from conventional to modern plant breeding methodologies. Plant Breed Biotech 10: 1-14.
- 26. Li M, Wang T, Zhang H, Liu S, Li W, Abou Elwafa SF, Tian H. 2022. TaNRT2.1-6B is a dual-affinity nitrate transporter contributing to nitrogen uptake in bread wheat under both nitrogen deficiency and sufficiency. Crop J 10: 993-1005.
- 27. Lv W, He X, Guo H, Lan H, Jiao Y, Li L, Lin T. 2022. Genome-wide identification of TaSAUR gene family members in hexaploid wheat and functional characterization of TaSAUR66-5B in improving nitrogen use efficiency. Int J Mol Sci 23: 7574
- 28. McAllister CH, Beatty PH, Good AG. 2012. Engineering nitrogen use efficient crop plants: the current status. Plant Biotechnol J 10: 1011-1025.
- 29. Meng X, Wang X, Zhang Z, Xiong S, Wei Y, Guo J, Zhang J, Wang L, Ma X, Tegeder M. 2021. Transcriptomic, proteomic, and physiological studies reveal key players in wheat nitrogen use efficiency under both high and low nitrogen supply. J Exp Bot 72: 4435-4456.
- 30. Mini A, Touzy G, Beauchêne K, Cohan J, Heumez E, Oury F, Rincent R, Lafarge S, Le Gouis J. 2023. Genetic regions determine tolerance to nitrogen deficiency in European elite bread wheats grown under contrasting nitrogen stress scenarios. Theor Appl Genet 136: 218
- 31. Moll RH, Kamprath EJ, Jackson WA. 1982. Analysis and interpretation of factors which contribute to efficiency of nitrogen utilization. Agron J 74: 562-564.
- 32. Nigro D, Blanco A, Anderson OD, Gadaleta A. 2014. Characterization of ferredoxin-dependent glutamine-oxoglutarate amidotransferase (Fd-GOGAT) genes and their relationship with grain protein content QTL in wheat. PLoS One 9: e103869.
- 33. Quraishi UM, Abrouk M, Murat F, Pont C, Foucrier S, Desmaizieres G, Confolent C, Rivière N, Charmet G, Paux E, Murigneux A, Guerreiro L, Lafarge S, Le Gouis J, Feuillet C, Salse J. 2011. Cross-genome map based dissection of a nitrogen use efficiency ortho-metaQTL in bread wheat unravels concerted cereal genome evolution. Plant J 65: 745-756.
- 34. Sathee L, Jagadhesan B, Pandesha PH, Barman D, Adavi BS, Nagar S, Krishna GK, Tripathi S, Jha SK. 2022. Genome editing targets for improving nutrient use efficiency and nutrient stress adaptation. Front Genet 13: 900897.
- 35. Shi H, Wang W, Gao L, Wu J, Hu C, Yan H, Shi Y, Li N, Ma Y, Zhou Y, Xu Z, Chen J, Tang W, Chen K, Sun D, Wu Y, Chen M. 2024. Genome-wide association study of seedling nitrogen-use efficiency-associated traits in common wheat (Triticum aestivum L.). Crop J 12: 222-231.
- 36. Shi X, Cui F, Han X, He Y, Zhao L, Zhang N, Zhang H, Zhu H, Liu Z, Ma B, Zheng S, Zhang W, Liu J, Fan X, Si Y, Tian S, Niu J, Wu H, Liu X, Chen Z, Meng D, Wang X, Song L, Sun L, Han J, Zhao H, Ji J, Wang Z, He X, Li R, Chi X, Liang C, Niu B, Xiao J, Li J, Ling HQ. 2022. Comparative genomic and transcriptomic analyses uncover the molecular basis of high nitrogen-use efficiency in the wheat cultivar Kenong 9204. Mol Plant 15: 1440-1456.
- 37. Sultana N, Islam S, Juhasz A, Yang R, She M, Alhabbar Z, Zhang J, Ma W. 2020. Transcriptomic study for identification of major nitrogen stress responsive genes in Australian bread wheat cultivars. Front Genet 11: 583785.
- 38. Sun J, Zheng N. 2015. Molecular mechanism underlying the plant NRT1. 1 dual-affinity nitrate transporter. Front Physiol 6: 386
- 39. Uauy C, Distelfeld A, Fahima T, Blechl A, Dubcovsky J. 2006. A NAC gene regulating senescence improves grain protein, zinc, and iron content in wheat. Science 314: 1298-1301.
- 40. Uga Y, Sugimoto K, Ogawa S, Rane J, Ishitani M, Hara N, Kitomi Y, Inukai Y, Ono K, Kanno N, Inoue H, Takehisa H, Motoyama R, Nagamura Y, Wu J, Matsumoto T, Takai T, Okuno K, Yano M. 2013. Control of root system architecture by DEEPER ROOTING 1 increases rice yield under drought conditions. Nat Genet 45: 1097-1102.
- 41. von Wrochem A, Rekowski A, Ziegler D, Hitzmann B, Zörb C. 2024. Elucidating the attributes of winter wheat grain quality under reduced nitrogen input through near-infrared spectroscopy. Cereal Chem 101: 480-492.
- 42. Wang H, Wan Y, Buchner P, King R, Ma H, Hawkesford MJ. 2020. Phylogeny and gene expression of the complete NITRATE TRANSPORTER 1/PEPTIDE TRANSPORTER FAMILY in Triticum aestivum. J Exp Bot 71: 4531-4546.
- 43. Wang Y, Li P, Zhu Y, Shang Y, Wu Z, Tao Y, Wang H, Li D, Zhang C. 2024. Transcriptome profiling reveals the gene network responding to low nitrogen stress in wheat. Plants 13: 371
- 44. Xing P, Zhang X, Li D, Wang H, Bao Y, Li X. 2022. Genome-wide association study identified novel genetic loci controlling internode lengths and plant height in common wheat under different nitrogen treatments. Euphytica 218: 146
- 45. Xu G, Fan X, Miller AJ. 2012. Plant nitrogen assimilation and use efficiency. Annu Rev Plant Biol 63: 153-182.
- 46. Xu Y, Wang R, Tong Y, Zhao H, Xie Q, Liu D, Zhang A, Li B, Xu H, An D. 2014. Mapping QTLs for yield and nitrogen-related traits in wheat: influence of nitrogen and phosphorus fertilization on QTL expression. Theor Appl Genet 127: 59-72.
- 47. Zhang H, Jin Z, Cui F, Zhao L, Zhang X, Chen J, Zhang J, Li Y, Li Y, Niu Y, Zhang W, Gao C, Fu X, Tong Y, Wang Lei, Ling HQ, Li J, Xiao J. 2023. Epigenetic modifications regulate cultivar-specific root development and metabolic adaptation to nitrogen availability in wheat. Nat Commun 14: 8238
- 48. Zhang J, Zhang H, Li S, Li J, Yan L, Xia L. 2021a. Increasing yield potential through manipulating of an ARE1 ortholog related to nitrogen use efficiency in wheat by CRISPR/Cas9. J Integr Plant Biol 63: 1649-1663.
- 49. Zhang M, Gao M, Zheng H, Yuan Y, Zhou X, Guo Y, Zhang G, Zhao Y, Kong F, An Y, Li S. 2019. QTL mapping for nitrogen use efficiency and agronomic traits at the seedling and maturity stages in wheat. Mol Breed 39: 71
- 50. Zhang N, Zhang X, Song L, Su Q, Zhang S, Liu J, Zhang W, Fu X, Zhao M, Sun L, Ji J, Qiao W, Li H, He M, Li J. 2020. Identification and validation of the superior alleles for wheat kernel traits detected by genome-wide association study under different nitrogen environments. Euphytica 216: 52
- 51. Zhang X, Ma Q, Li F, Ding Y, Yi Y, Zhu M, Ding J, Li C, Guo W, Zhu X. 2021b. Transcriptome analysis reveals different responsive patterns to nitrogen deficiency in two wheat near-isogenic lines contrasting for nitrogen use efficiency. Biology 10: 1126
- 52. Zhao D, Derkx AP, Liu D, Buchner P, Hawkesford MJ. 2015. Overexpression of a NAC transcription factor delays leaf senescence and increases grain nitrogen concentration in wheat. Plant Biol 17: 904-913.
- 53. Zhao Y, Islam S, Alhabbar Z, Zhang J, O'Hara G, Anwar M, Ma W. 2023. Current progress and future prospect of wheat genetics research towards an enhanced nitrogen use efficiency. Plants 12: 1753
