본 연구는 기계 학습 기반 유전 언어학을 활용하여 벼(Oryza sativa)에서 중금속 반응 유전자를 식별하는 방법을 탐구한다. 합성곱 신경망과 랜덤 포레스트 알고리즘을 통합하여 k-mer 빈도 및 물리화학적 특성과 같은 유전자 서열에서 의미 있는 특징을 추출하고 학습하는 하이브리드 모델을 개발하였다. 유전자 데이터셋으로 모델을 학습 및 테스트한 결과 높은 예측 성능(정확도: 0.89, F1-점수: 0.82)을 달성하였다. Hg0에 노출된 벼 잎에서 RNA-seq 및 qRT-PCR 실험을 수행하여 중금속 반응과 관련된 유전자의 차등 발현을 확인하여 모델의 예측을 검증하였다. 공동 발현 네트워크 분석을 통해 103개의 관련 유전자를 확인하였고, 문헌 고찰을 통해 이러한 유전자가 중금속 관련 생물학적 과정에 관여할 가능성이 높음을 확인하였다. 차등 발현 유전자(DEG) 분석 결과와 통합 및 비교 분석을 통해 새로운 기계 학습 방법의 유효성을 추가적으로 입증하였다. 본 연구는 기계 학습과 유전 언어학을 결합한 대규모 유전자 예측의 효과를 강조하며, 중금속 반응의 분자 메커니즘을 밝히는 비용 효율적이고 효과적인 접근 방식을 제시하여 스트레스 저항성 작물 품종 개발에 활용될 가능성을 보여준다.
