작물 가뭄-고온 스트레스 내성 메커니즘

기후 변화로 가뭄과 고온 스트레스가 동반 발생하는 빈도가 증가하며 전 세계 작물 수확량과 식량 안보를 위협하고 있습니다. 기후 탄력성 있는 작물 품종 개발을 위해서는 복합 스트레스 내성 메띄우는 생리적, 분자적 메커니즘에 대한 포괄적인 이해가 필수적입니다. 본 연구는 다중 스케일 원격 감지 표현체학을 유전체학, 전사체학, 단백질체학, 대사체학 등 다중 오믹스 접근법과 통합하여 스트레스 반응 경로를 규명하고 적응 특성을 식별하는 최근 발전 사항을 체계적으로 요약합니다. 위성, UAV, 지상 센서를 포함한 고처리량 표현형 플랫폼은 캐노피 온도, 식생 지수, 엽록소 형광과 같은 핵심 스트레스 지표를 비침습적으로 평가할 수 있게 합니다. 오믹스 연구는 ABA-SnRK2 신호 캐스케이드, HSF-HSP 샤페론 시스템, ROS 제거 경로 등 핵심 조절 네트워크를 밝혀냈습니다. 머신러닝 및 딥러닝 알고리즘 기반의 유전자형 × 환경 × 표현형 (G × E × P) 상호작용 통합 프레임워크는 기능성 유전자 및 예측 표현형 발견을 촉진합니다. 이러한 '픽셀에서 단백질까지' 패러다임은 현장 규모의 표현형과 분자 반응을 연결하여 육종, 정밀 관리, 기후 스마트 농업을 위한 디지털 트윈 시스템 개발에 실행 가능한 통찰력을 제공합니다. 데이터 표준화 및 교차 플랫폼 통합과 같은 현재 과제를 강조하고, 탄력성 있는 작물 품종 배포를 가속화하기 위한 향후 연구 방향을 제시합니다.