상명대, eDNA 수질평가 오차 줄이는 자동 선별 기법 개발

자료사진: 서울 종로구 상명대학교 서울캠퍼스의 중앙도서관 건물. 해당 연구·행사의 현장 사진은 아닙니다.

하천에서 채취한 물속 유전정보만으로 수질을 평가하면서도 오랫동안 축적된 현미경 조사 기준을 이어 쓸 수 있는 연결 방법이 나왔다. 상명대학교 생명공학전공 기장서 교수 연구팀은 환경DNA(eDNA) 분석 자료에서 기존 수질지수와 잘 맞는 규조류를 자동으로 선별하는 ‘지식기반 후진 제거(KGBE)’ 기법을 개발했다고 밝혔다.

부착 규조류는 돌이나 하천 바닥에 붙어 사는 미세조류다. 종마다 오염을 견디는 정도가 달라 어떤 종이 얼마나 발견되는지를 살피면 수질과 수생태계 건강성을 평가할 수 있다. 기존 조사는 전문가가 현미경으로 형태가 비슷한 규조류를 구분하고 개체를 세는 방식이어서 많은 시간과 전문인력이 필요하며, 동정 결과가 달라질 가능성도 있었다.

eDNA 메타바코딩은 물이나 퇴적물에 남은 생물의 DNA를 한꺼번에 읽어 종 구성을 파악하는 기술이다. 현미경 조사를 보완할 수 있지만 유전자를 증폭하는 과정에서 특정 종의 신호가 지나치게 커질 수 있다. 이 때문에 염기서열에서 나타난 비율이 실제 세포 수와 일치하지 않아 기존 수질지수에 그대로 넣기 어려웠다.

KGBE는 eDNA로 검출된 종을 하나씩 제외한 뒤, 남은 종으로 계산한 수질지수가 현미경 조사값에 얼마나 가까워지는지 반복해서 확인한다. 연구팀은 이 과정을 거쳐 핵심 지표종 248종을 선별했다. 새로운 수질지수를 만드는 대신 기존 지수의 계산 구조를 유지하면서 분자 분석에 사용할 종 목록을 다듬은 것이 특징이다.

연구팀은 엽록체 rbcL 유전자를 기준으로 분석한 유럽 하천의 현미경-eDNA 대응 시료 1,407개에 이 기법을 적용했다. 그 결과 두 지수의 설명력을 나타내는 결정계수 R²는 0.57에서 0.70으로 높아졌다. 값의 차이를 보여주는 평균제곱근오차 RMSE는 2.45에서 1.60으로 줄었다. 5단계 수질 등급의 일치율은 51.2%에서 63.4%로, ‘매우 좋음’ 등급의 정확도는 50.7%에서 70.2%로 개선됐다.

종을 걸러내지 않은 eDNA 자료는 현미경상 깨끗한 물에서 수질 점수를 실제보다 낮게 계산하는 경향을 보였다. 연구팀은 염기서열 자료에서 오염에 강한 종이 과대표현된 점을 주된 원인으로 지목했다. KGBE는 이런 종을 지수 계산에서 선별적으로 제외해 두 조사법의 간격을 줄였다.

연구팀은 랜덤포레스트와 XGBoost를 포함한 7종의 기계학습 모델도 비교했다. 기계학습 모델은 더 높은 적합도를 보였지만, 각 종의 기여를 기존 수질지수의 원리와 연결해 설명하기 어렵다는 한계가 있었다. 반면 KGBE는 어떤 종을 남기고 제외했는지가 드러나 결과를 해석하기 쉽다.

국내 한강수계 58개 지점의 eDNA 자료와 유럽·한국의 별도 18S 유전자 자료에서도 기준선보다 개선된 결과가 확인됐다. 다만 논문은 절대적인 일치도가 아직 낮아 실무 적용에는 부족하다고 명시했다. 국내 생물측정망은 부착돌말류와 어류 등을 조사하고, 유럽연합도 생물학적 요소를 활용해 수체를 5개 등급으로 분류한다. 이번 성과는 이런 장기 모니터링 체계와 분자 자료를 잇는 기반이라는 데 의미가 있다.

논문 제목은 ‘Knowledge-guided taxon selection aligns eDNA with morphology-based diatom indices’이며 김태희·김한솔 연구자가 공동 제1저자로 참여했다. 연구 결과는 2026년 10월 12일 온라인 공개됐다.

자료: 상명대학교, Environmental Science and Ecotechnology, 유럽연합 집행위원회, 기후에너지환경부, 국립환경과학원