가축 유전체 데이터를 이용한 기계학습 방법의 적용 연구

초록

현재 많은 정보와 데이터가 생산되는 빅데이터 시대를 맞이하였고 이를 지능형 서비스로 활용할 수 있는 기술로 인공지능(Artificial intelligence, AI) 기술이 각광받고 있다. 인공지능은 기계학습(Machine learning)과 딥러닝(Deep learning) 기술의 발달로 인해 신호처리, 음성인식에서 의료, 복지까지 다양한 분야로의 접목이 가능해졌다. 더 나아가 가축 산업에서 동물의 행동학적인 관찰에 대한 기계학습의 적용이 이루어지고 있다. 동물의 행동학적 관찰에 기계학습을 적용시키면 기계 스스로 학습을 통해 정상행동, 이상행동에 대한 예측 및 분석이 가능하다. 즉 표현형(Phenotype)에 대한 예측이 가능하게 되었다. 가축 산업에 기계학습을 동물의 행동학적인 관찰과 같은 표현형에 적용시키는 것 이외에도 유전체 분석을 통해 관련 형질 유전자 마커를 찾아 기계학습에 적용 시킬 수 있다. 이러한 유전체 분석을 통한 기계학습의 적용은 유전능력 예측뿐만 아니라 형질별 우수 축종에 대한 원하는 품종 개량 연구도 가능할 것으로 보인다. 전장유전체연관분석법(Genome-Wide Association Study, GWAS)은 관련 형질에 대한 마커를 발굴할 수 있는 좋은 분석법 중 하나이다. 기계학습의 적용은 데이터를 단순히 기계에 학습을 시키는 것이 아닌 다양한 전략과 방법이 사용 되고 있다. 어떤 전략과 방법이 최적의 결과물을 얻을 수 있을지 고려하여 적용시키는 것이 중요하다.

키워드