Comparison of Genome-wide Association Study (GWAS) Algorithms for Detecting Genetic Variants Associated with Growth Traits in Olive Flounder Paralichthys olivaceus

넙치(Paralichthys olivaceus)의 성장형질 연관 유전자 변이 탐색을 위한 전장유전체연관분석(GWAS) 알고리즘 비교 분석 연구

Abstract

Genome wide association studies (GWAS) identify genetic loci associated with quantitative traits in genomic selection. Although several studies have compared performance of various algorithms, no study compares them in olive flounder Paralichthys olivaceus. This study compared the GWAS results of four mixed linear model (MLM) algorithms and one Fixed and random model Circulating Probability Unification (FarmCPU) algorithm in olive flounder. Considering gender and genetic association matrices as fixed and random effects, the MLM had stable performance without inflation for λ_GC (genomic inflation factor) of -log₁₀P. The FarmCPU algorithm had some appropriate λ_GC of -log₁₀P, and an upward tail was identified in quantile-quantile plots. Therefore, the models were suitable for detecting genetic variants associated with olive flounder growth traits. Moreover, significant genotypes appeared several times at chromosome 22, around which quantitative trait loci are expected to exist. Finally, in both models, some of the most genetic variants were found in genes related to growth traits, confirming their reliability. These results will be helpful when applied to the genomic selection of olive flounder growth traits in the future.

서론

생물유전체 정보분석능력 기술이 급속도로 발전하면서 2000년대 중반 도입된 NGS (next generation sequencing) 기술을 기반으로 넙치, 전복, 참돔 등 국내 주요 양식생물의 유전체 해독에 성공함에 따라 수산생물 유전체 분석 및 활용을 위한 연구가 가속화되고 있다(Behjati and Tarpey, 2013; Nam et al., 2017; Shao et al., 2017; Shin et al., 2018). 세계적으로 수산물의 수요가 지속적으로 증가하며 수산종자 개발의 중요성이 증대되는 가운데, 빠르게 구축되고 있는 양식생물의 유전체 빅데이터에 따른 대용량의 유전자 디지털 정보는 경제형질 육종을 위한 유전자 탐색 및 개발에 적극 활용되고 있다(Zenger et al., 2019).

넙치(Paralichthys olivaceus)는 2022년 국내 양식생산량의 50.6% (45,801 metric ton)를 차지하는 대표적인 양식어종으로, 국민횟감으로 소비량이 높다(KOSIS, 2022). 우리나라에서 1982년 넙치 양식을 위한 인공종자 생산 개발이 시작된 이후로 넙치 양식이 본격적인 산업으로 발전하여 현재 제주도와 완도 지역을 중심으로 전국 곳곳에서 양식이 이루어지고 있다(Park et al., 2022). 또한, 어류의 유전적 개량량 증가를 위한 효과적인 방법으로 알려진 선발 육종이 넙치의 성장, 체형, 체색, 내병성 형질 개량에 적극 활용됨에 따라 양식산업의 지속적인 발전과 경쟁력 향상을 위한 우량품종 개발이 진행되고 있다(Ogata et al., 2002; Fuji et al., 2006, 2007; Min et al., 2010; Kim et al., 2011).

유전체 선발기술은 유전체 분석 기술의 급속한 발전에 힘입어 등장한 최신 육종기술로, 품종 개량에 오랜 시간이 소요되는 유전자 표지 기반의 선발육종기술의 한계를 극복할 수 있는 혁신기술로 주목받고 있으며(Boudry et al., 2021), 개체의 유전체 정보를 이용하여 수정란 단계에서도 유전능력을 평가할 수 있어 조기선발이 가능하며 양적형질 개량에 적합하다(Garcia et al., 2018; D’Agaro et al., 2021). 또한 유전체 선발기술은 single nucleotide polymorphism (SNP) 칩과 전장유전체연관분석(genome wide association study, GWAS) 등의 기반기술을 바탕으로 수산분야 육종에 활발하게 적용되고 있다(Zenger et al., 2019; Fraslin et al., 2022).

GWAS는 양적형질과 기민한 연관성을 가지는 유전자 좌위를 확인하기 위한 분석 기술이며, 표현형과 유전형 간의 연관성을 비교하는 방법으로 다양한 모델이 소개되었다. 그 중 주성분과 kinship을 고려한 혼합선형모델 혹은 SNP 효과만을 고려한 일반선형모델이 주로 활용되고 있다(Liu et al., 2016; Bonnafous et al., 2018; Kaler et al., 2019). Liu et al. (2016)는 기존의 주로 사용되는 두 방식이 위양성(false positive)을 효율적으로 줄이는 반면 실제 유의미한 SNP도 마찬가지로 유의미하지 않다고 판단하는 위음성(false negative) 오류를 확인하였고, 이에 multilocus를 기반으로 한 FarmCPU (fixed and random model circulating probability unification) 모델을 기존의 혼합선형모델에서 집단 구조와 kinship을 고려한 모델보다 한층 효율적이고 위양성 문제를 더 잘 해결하는 모델로 제시하였다(Liu et al., 2016). 하지만 FarmCPU 모델을 활용한 GWAS는 이전 모델들에 비교하여 그 신뢰성 및 효율성이 아직 다방면으로 입증되지 않았기 때문에 많이 활용되고 있지 않다.

본 연구에서는 우리나라 주요 양식품종인 넙치를 대상으로 성장형질(표현형)과 유전형의 연관성 분석을 위하여 GWAS의 여러 모델을 비교 분석하였다. 이를 위해 4가지 혼합선형 모델과 FarmCPU모델을 구성하여 총 5가지 다른 방식의 모델을 활용한 GWAS 결과를 비교하였다. 이를 통하여 넙치의 GWAS를 위한 최적 모델을 탐색하고 성장형질과 연관성이 높은 유전자 변이를 도출하여 넙치 유전체 선발 및 넙치 생산성 향상을 위한 기초 자료를 제공하고자 하였다.

재료 및 방법

시험어 생산, 성장 측정 및 유전자형 분석 개체 선정

본 연구에서는 국립수산과학원 율종연구센터의 넙치 핵집단 6세대와 7세대를 이용하였다. 핵집단 6세대는 유전적 다양성이 확보된 친어 집단에서 각 개체의 유전적 유연관계를 고려하여 최대의 선발효과와 근친도의 적정 균형을 유지하는 최적 교배 지침에 따라 2017년 암수 1:1 인공수정을 통해 245가계로 구성되어 생산되었다. 핵집단 7세대는 핵집단 6세대를 친어로 활용하여 각 개체의 유전적 유연관계를 고려하여 최대의 선발효과와 근친도의 적정 균형을 유지하는 최적 교배지침에 따라 2019년 암수 1:1 인공수정을 통해 351가계로 구성되어 생산되었다. 사육 수조에 따른 환경 효과를 최소화하기 위하여 전 가계를 혼합사육 하였으며 부화 후 11개월령, 18개월령, 22개월령에 체중, 전장을 측정하였고 비만도는 [체중(g)/전장(cm)³]×100의 값으로 산출하였다. 본 연구에 활용할 개체 선발을 위하여 넙치 핵집단 6세대, 7세대의 친자확인을 수행하였으며, 가계별 성장 형질 순위와 가계 내 개체수를 고려하여 넙치 핵집단 6세대 52마리와 7세대 399마리를 유전자형 분석 대상으로 선정하였다.

DNA 추출 및 유전자형 분석

넙치 가슴지느러미 조직을 채취하여 후 MagExtractor DNA Multi-Prep Kit (TNT research)을 이용하여 genomic DNA를 추출하였다. 조직 시료의 lysis는 55°C에서 overnight으로 수행하였으며, 이후 RNase A (100 mg/mL) 3 μL를 넣고 37°C에서 15분 반응시켰다. 이후 KingFisher Flex Pufirication System의 제공되는 프로토콜에 의거하여 genomic DNA를 정제하였다. 추출된 DNA는 전기영동을 통해 1차 QC (Quality control) 과정을 진행 후 Picogreen assay로 2차 QC를 진행하였다. 최종적으로 QC가 통과된 시료의 DNA 150 ng을 이용하여 Axiom Mini 96 myDesign Custom Array 플랫폼 기반으로 60K SNP chip을 활용하여 개체별 유전자형을 분석하였다. 유전자형 정보는 단일염기다형성(SNP)으로 구성되며, 유전자형 정보의 QC를 위해 Plink 1.9 (Purcell et al., 2007)를 이용하여 유전자형 결측이 5% 이상, minor allele frequency가 5% 미만, 하디-와인버그 평형 검정(Hardy-Weinberg equilibrium test)의 P-value가 0.0001 미만인 SNP을 제거함으로써 최종적으로 총 42,034개의 SNPs을 GWAS에 이용하였다.

전장유전체연관분석(GWAS)

성장형질 연관 유전자 변이를 탐색하기 위하여 1) 성별을 고정효과로 고려한 혼합선형모델; 2) 1)의 모델에 추가적으로 주성분을 고정효과로 고려한 혼합선형모델(Purcell et al., 2007); 3) 1)의 모델에 유전연관행렬을 임의효과로 고려한 혼합선형모델; 4) 2)의 모델에 유전연관행렬을 임의효과로 고려한 혼합선형모델(Yang et al., 2011a); 5) FarmCPU (Yin et al., 2021) 총 다섯 가지 모델의 GWAS를 수행하였다.

GWAS를 통해 도출된 각 SNP의 P-value의 유의수준은 0.05로 설정하였으며, 다중검정에 대한 보정으로는 본페로니 교정(Holm, 1979) (Bonferroni correction)을 적용하여 최종적으로 -log₁₀P>5.92인 SNPs을 유의미한 연관을 가지는 유전자 변이라 판단하였다. GWAS 결과의 적합도는 Quantile-quantile plot (Q-Q plot)으로 확인하였다. Q-Q plot의 분포를 수치로 나타내어 전체 관측된 P-value 분포의 inflation/deflation 여부를 보여 주는 genomic inflation factor (λ_GC)의 산출은 아래의 공식을 이용하였다.

\(\begin{aligned}\lambda_{G C}=\frac{\log _{10}\left(p_{o b s}[0.5]\right)}{\log _{10}(0.5)}\end{aligned}\)

(Yamamoto and Matsunaga, 2021)

여기서 p_obs [0.5]는 관찰된 P-value의 0.5 분위를 나타낸다. 각 모델별로 산출된 λ_GC을 기준으로 알고리즘 적합도를 판단하여 넙치를 대상으로 하는 최적 GWAS 모델을 선정하였다.

유전자 기능 조사

넙치를 대상으로 하는 최적 GWAS 모델을 이용해 도출된 성장형질 연관 유전자 변이의 기능을 조사하기 위하여, 선정된 최적 GWAS 모델을 이용하였을 때 각 형질별로 가장 연관성이 높게 나타난 유전자 변이 염기와 양 옆 500 bp을 포함한 총 1001 bp를 하나의 flanking 서열로 취급하여 BLAST (v2.12.0) (Altschul et al., 1990)의 query로 활용하고, nt 데이터베이스에서 e-value<10–20의 cut-off를 적용하여 해당 서열과 일치하는 유전자를 nucleotide 수준에서 확인한 후 성장형질과의 관련성을 Uniprot (www.uniprot.org)의 통합 유전자 검색을 통해 조사하였다.

결과 및 고찰

표현형 정보

GWAS에 활용한 넙치 451마리의 성장형질 기초 통계량은 Table 1과 같다. 11개월령, 18개월령 및 22개월령에 측정된 체중(body weight), 전장(total length), 비만도(condition factor)의 평균 및 표준편차는 각각 601.90±96.96 g, 1413.86±324.75 g, 2190.49±591.06 g, 36.55±1.88 cm, 48.83±3.68 cm, 53.87±4.30 cm, 12.24±0.73, 11.93±0.81, 13.66±1.28이었다. 체중 및 전장과는 다르게 비만도는 18개월령에서 11개월령 보다 더 낮았으며 22개월령에서 가장 높은 것으로 나타났다.

Table 1. Summary statistics for growth traits in olive flounder Paralichthys olivaceus

SD, Standard deviation.

GWAS Quantile-quantile plot 비교

본 연구에서는 singlelocus 모델을 대표하는 혼합선형모델과, multilocus 모델이며 콩(Glycine max L.)과 옥수수(Zea mays L.)에서 여러 모델과 성능 비교가 검증된(Kaler et al., 2019) FarmCPU를 넙치의 9가지 형질에 대해 총 5가지 모델을 설정하여 GWAS를 수행하고 그 결과를 비교하였다. 이를 위해 성별을 고정효과로 고려한 혼합선형모델(모델 1), 성별 및 상위 10개의 주성분을 고정효과로 고려한 혼합선형모델(모델 2), 성별 및 유전연관행렬을 각각 고정효과 및 임의효과로 고려한 혼합선형모델(모델 3), 성별 및 상위 10개의 주성분을 고정효과로, 유전연관행렬을 임의효과로 고려한 혼합선형모델(모델 4), FarmCPU 모델(모델 5)을 구성하였다. 모델 4는 multilocus 모델, 나머지 세 모델은 모두 singlelocus 모델이다. Multilocus 모델은 모든 유전자 변이를 동시에 측정하는 방법을 통해 singlelocus 모델을 활용한 GWAS 결과가 polygenic background의 영향을 받는 quantitative trait locus (QTL)이 본페로니 threshold에 의해 걸러지는 결점을 보완한 방법이다. Multilocus 모델은 1차적으로 잠재적인 형질 연관 유전자를 선발하고, 2차적으로 그 안에서 최대우도추정법을 통해 실제로 유의미한 QTL만 골라내는 알고리즘을 활용한다(Zhong et al., 2021). 또한, 모델의 GWAS 적합도를 확인하기 위해 보편적으로 쓰이는 방법으로 quantile-quantile plot (Q-Q plot)이 있다(Stich and Melchinger, 2009; Riedelsheimer et al., 2012; Kristensen et al., 2018). Q-Q plot의 x축은 표준 정규분포를 따르는 기대 P-value, y측은 실제 관측된 P-value에 각각 -log₁₀를 취한 값으로 그려진다. 관측된 P-value 분포의 inflation/deflation 여부를 보여주는 λ_GC 값이 1.1 보다 작다면 집단층화(population stratification)가 거의 없이 이상적인 분포로서 판단하고, 1.1을 넘어가면 이는 집단층화에 의한 것이거나, 자료처리 오류, 배치효과 또는 비임의적 유전자형 분석 실패에 의해 야기된 것으로 여겨진다(Kim and Hong, 2011; Yang et al., 2011b). 이를 바탕으로 5가지 모델의 적합성을 비교하기 위해 GWAS 결과의 Q-Q plot과 λ_GC를 확인하였다(Fig 1). 모델 1은 모든 형질에서 λ_GC이 높았으며(1.2–1.69), 과도한 inflation이 발생하였다. 비슷하게, 모델 2는 모델 1보다는 λ_GC이 낮은 수준이었지만(1.1–1.35) 22개월령 체중을 제외한 모든 형질에서 inflation이 발생하였다. 모델 3에서는 λ_GC이 inflation되지 않고 안정적인 모습을 보였다(1.00–1.09). 모델 4는 1보다 작은 값의 λ_GC를 가졌으며(0.78–0.87) 전체적으로 deflation된 결과가 나타났다. 마지막으로, FarmCPU를 적용한 모델 5에서는 전체 형질에 있어 부분적으로 안정된 λ_GC값을 보였지만(Fig. 1B, 1C, 1E, 1F) 몇몇 형질에서 높거나(Fig. 1D, 1G, 1H, 1I) 낮은(Fig. 1A) 값을 보이며 큰 격차(0.74–1.45)를 나타내었다.

Fig. 1. P-values distribution of quantile-quantile (Q-Q) plots of the five models for nine quantitative traits in olive flounder Paralichthys olivaceus. BW_11, 11 months body weight (A); BW_18, 18 months body weight (B); BW_22, 22 months body weight (C); TL_11, 11 months total length (D); TL_18, 18 months total length (E); TL_22, 22 months total length (F); CF_11, 11 months condition factor (G); CF_18, 18 months condition factor (H); CF_22, 22 months condition factor (I); M1, mixed linear model (MLM) corrected for gender as a fixed effect; M2, MLM corrected for gender and top 10 principal components (PC) as fixed effects, M3, MLM corrected for gender and genetic relationship matrix (GRM) as fixed and random effects, respectively; M4, MLM corrected for sex and top 10 PCs as fixed effects and GRM as random effects; M5, Fixed and random model Circulating Probability Unification (FarmCPU). X-axis indicates expected distribution of -log₁₀P based on chi-square distribution while y-axis indicates observed. Red line means 1:1 line of expected vs. observed -log₁₀P. Numbers next to model in legend indicate λ_GC for each model.

유의한 유전자 변이 수 비교

넙치의 9가지 성장형질에 대해 5가지 모델을 적용하고, 본페로니 교정을 통해 다중검정에 대한 보정을 진행하여 GWAS를 수행하였을 때 유의한 유전자 변이의 수는 Table 2와 같다. 모델 1, 모델 2 및 모델 5의 경우 다른 모델에 비해 도출된 유의한 유전자 변이의 수가 많았다. 모델 3은 11개월령 체중과 연관된 단 하나의 유의한 유전자 변이가 검출되었으며, 모델 4의 경우 성장형질과 연관된 유의한 유전자 변이가 검출되지 않았다. 종합적으로, 모든 모델에서 22개월령 체중, 18개월령 전장, 11개 월령 비만도 및 22개월령 비만도와 연관된 유의한 유전자 변이가 검출되지 않았다. 이는 본페로니 교정이 다중검정에 대한 보정 방법 중에서 몹시 보수적이기 때문에 위음성이 나타날 가능성이 있어(Narum, 2006), 모델 간 유의한 유전자 변이의 차이를 명백하게 구분하기 위해 suggestive (-log₁₀P>3.5)를 기준으로 설정하여 유의한 유전자 변이를 재해석하였다(Table 2). 모든 형질의 GWAS 결과가 높은 수준의 λ_GC를 보였던 모델 1은 다른 모델에 비해 과도하게 많은 수의 유의한 유전자 변이가 검출되었다. 모든 형질의 GWAS 결과가 두 번째로 높은 수준의 λ_GC를 보였던 모델 2는 안정된 λ_GC 값을 가지는 모델 3보다 많은 수의 유의한 유전자 변이가 검출되었다. 모든 형질의 GWAS 결과가 가장 낮은 수준의 λ_GC를 보였던 모델 4는 다른 모델에 비해 유의한 유전자 변이의 수가 적게 나타났다. 모델 5의 경우 모든 형질의 GWAS 결과가 높은 수준의 λ_GC를 보였던 11개월령 전장과 11, 18, 22개월령 비만도와 연관된 유의한 유전자 변이의 수가 많았으며, 낮은 수준의 λ_GC를 보였던 11개월령 체중 및 22개월령 전장과 연관된 유의한 유전자 변이의 수가 적었다.

Table 2. The number of significant SNPs identified by suggested thresholds in olive flounder Paralichthys olivaceus

SNP, Single nucleotide polymorphism.

넙치 GWAS 적합모델 선정

Kaler et al. (2019)에 따르면, Q-Q plot에서 예상값(expected)와 관측값(observed)에 대해서 1:1 line에 가까우며 후반부에 우상향 꼬리가 있는 경우, 위양성과 위음성이 잘 통제되었으며 형질과 관련된 유전자 변이가 잘 탐지되었음을 의미한다. 이러한 관점에서 각 모델들이 넙치 성장형질 연관 유전자 변이 탐색에 적합한지 확인하기 위해 각 모델 및 형질별 Q-Q plot 결과를 비교해 보았다. 모델 1과 모델 2의 -log₁₀P 값은 모든 형질에서 다른 모델들에 비해 1:1 line과 멀리 분포하였으며 후반부에 상향하는 꼬리가 거의 발견되지 않았다(Fig 1). 또한 -log₁₀P가 inflation된 λ_GC값을 가지기 때문에 넙치 성장형질 연관 유전자 변이 탐색에 적합하지 못한 모델이라 판단하였다. 모델 4의 경우 모든 형질에서 deflation이 일어나 -log₁₀P 값이 1:1 line 아래로 형성되었고 후반부에 상향하는 꼬리가 거의 나타나지 않았을 뿐만 아니라, suggestive를 기준으로 유의한 유전자 변이를 구분하였을 때 그 수가 명백히 적었기 때문에 위음성이 발생하였을 가능성이 높을 것이라 판단하여 넙치 성장형질 연관 유전자 변이 탐색에 부적합한 모델이라 판단하였다. 한편, 모델 3의 -log₁₀P 값은 후반부에 상향하는 꼬리가 거의 나타나지 않았지만, 모든 형질에서 1.0–1.1 범위의 inflation되지 않은 λ_GC값을 가지고 있고 1:1 line과 가깝게 위치하였기 때문에 모델 3을 넙치 성장형질 연관 유전자 변이 탐색에 적합한 모델로 선정하였다. 또한, 모델 5의 -log₁₀P 값은 λ_GC의 편차가 크지만, 18개월령 체중 및 전장에서 1.0-1.1 범위를 가지는 λ_GC값과 후반부에 우상향 꼬리가 발견되었기 때문에 모델 5를 넙치 성장형질 연관 유전자 변이 탐색에 적합한 모델로 선정하였다.

적합모델의 유의미한 유전자 변이 비교

5가지 모델 중 선별된 두 모델(모델 3, 모델 5)의 GWAS 결과로 도출된 유의한 유전자 변이를 비교하기 위해 전체 형질 중 본페로니 교정(-log₁₀P>5.92)을 적용하였을 때 유의미하게 나온 유전자 변이를 살펴보았다. 그 결과, 모델 3의 11개월령 체중, 모델 5의 11개월령 체중, 18개월령 체중, 11개월령 전장과 관련된 유의미한 유전자 변이가 발견되었다(Fig. 2, Table 3). 이 중에서, 22번 염색체에서는 특히 모델 3의 11개월령 체중과 연관된 유의한 유전자 변이가 발견되었고, 모델 5 역시 11개월령 체중과 전장과 연관된 유의한 유전자 변이가 같은 좌위에서 발견되었다(AX-605207160). 또한 해당 유전자 변이들의 좌위는 12,779,405-13,593,447 bp으로, 상당히 가까이 위치하였다.

Fig. 2. Manhattan plot showing the genome-wide significant loci associated with growth traits of olive flounder Paralichthys olivaceus. Model 3 BW_11, 11 months body weight for mixed linear model (MLM) corrected for gender and genetic relationship matrix (GRM) as fixed and random effects, respectively (A); Model 5 BW_11, 11 months body weight for Fixed and random model Circulating Probability Unification (FarmCPU) (B); Model 5 BW_18, 18 months body weight for FarmCPU (C); Model 5 TL_11, 11 months total length for Farm-CPU (D); X-axis indicates the 24 chromosomes while y-axis indicates -log₁₀P. The green dash indicates Bonferroni (-log₁₀P>5.92) threshold. The blue dash indicates suggestive (-log₁₀P>3.5) threshold.

Table 3. Significant SNPs associated with growth traits using Bonferroni correction in olive flounder Paralichthys olivaceus

SNP, Single nucleotide polymorphism;BW_11, 11 months body weight; BW_18, 18 months body weight; TL_11, 11 months total length.

모델 신뢰도 검증 및 결론

넙치를 대상으로 GWAS를 하기에 적합한 모델로 선정된 두 모델에서, 모델 3은 -log₁₀P 값의 후반부에 상향하는 꼬리가 거의 나타나지 않았으며 모델 5는 -log₁₀P 값의 λ_GC의 편차가 크다는 문제점이 존재한다. 해당 문제점에 대해 유의미하게 나온 유전자 변이를 유전자의 기능 관점에서 확인하기 위해 BLAST를 진행하였다. 그 결과, 성장형질과 관련된 유전자가 모델 3, 모델 5에서 각각 3개, 1개가 발견되었다. 모델 3의 경우, 18개월령 전장과 관련된 유전자 변이가 Cbl proto-oncogene B (cblb) 영역에 존재하였으며 해당 유전자는 인간(Homo sapiens)에서 epidermal growth factor으로부터 유도된 세포의 성장을 억제하고(Ettenberg et al., 1999), 대서양 연어(Salmo salar)에서 단백질에 의한 분해를 촉진시키는 것으로 밝혀진 바 있다. 또한 22개월령 전장과 관련된 유전자 변이가 nestin-like 영역에 존재하였으며 해당 유전자는 연어에서 지질 결합 및 세포 내 단백질 운반에 관여하는 것으로 밝혀진 바 있다. 마지막으로, 11개월령 비만도와 연관된 유전자 변이는 rho guanine nucleotide exchange factor 28-like 영역 내에 존재하였으며 해당 유전자는 연어에서 세포 성장에 관여하는 것으로 밝혀진 바 있다. 모델 5의 경우 18개월령 전장과 연관된 유전자 변이가 SOX14 영역에 존재하였으며 해당 유전자는 제브라피쉬(Danio rerio)에서 번역과정의 negative regulator로 작용하고 세포 분화에 관여하는 것으로 밝혀진 바 있다. 모델 3 및 모델 5에서 모두 성장과 관련된 유전자가 확인되었으며 이는 모델 3과 모델 5가 넙치를 대상으로 하는 GWAS로써 신뢰할 만한 결과를 나타내었음을 뒷받침한다. 또한 22번 염색체의 12,779,405–13,593,447 bp 좌위에서 두 모델 모두 성장형질과 연관된 유의한 유전자 변이가 발견되어 성장 형질에 대한 QTL이 존재할 것으로 예상되며, 추가 분석을 통해 해당 좌위와 연관된 유전자의 기능이 밝혀진다면 두 모델에 대한 신뢰도가 더욱 증가할 것으로 사료된다. 이러한 결과를 바탕으로, 넙치를 대상으로 하는 GWAS 알고리즘으로 고정효과와 임의효과를 각각 성별 및 유전연관행렬을 보정한 MLM 방법(모델 3)과 FarmCPU 방법(모델 5)을 활용한다면 넙치 성장 연관 유전자 변이를 효율적으로 검출하여 유전체 선발육종에 활용할 수 있을 것으로 기대한다.