기후변화에 따른 진드기 매개 질병의 발생이 우려되는 상황에서 참진드기의 서식환경 및 계절에 따른 발생 양상을 조사하기 위해 본 연구에서는 2019년부터 2022년까지 4년동안 경북 안동 지역의 4가지 환경(초지, 산길, 무덤, 잡목림)에서 4월부터 11월까지 월 1회 참진드기를 채집하였으며, 채집된 참진드기에서 중증열성혈소판감소증후군(Severe fever with thrombocytopenia syndrome, SFTS) 바이러스의 감염 양상을 조사하였다. 또한, Haemaphysalis 속의 유충의 형태 동정이 어려운 점을 보완하기 위해 본 연구에서는droplet digital PCR을 이용한 정량적 분자 동정법을 개발하였다. 4년간의 조사 기간 동안 총 2,491 개체의 참진드기가 채집되었으며, 2019년부터 2022년까지 각 467, 752, 975, 297 개체의 진드기가 채집되었다. 형태적 동정 및 분자생물학적 동정을 통해 3종의 참진드기가 채집된 것을 확인하였다. 그 중 작은소피참진드기(...
기후변화에 따른 진드기 매개 질병의 발생이 우려되는 상황에서 참진드기의 서식환경 및 계절에 따른 발생 양상을 조사하기 위해 본 연구에서는 2019년부터 2022년까지 4년동안 경북 안동 지역의 4가지 환경(초지, 산길, 무덤, 잡목림)에서 4월부터 11월까지 월 1회 참진드기를 채집하였으며, 채집된 참진드기에서 중증열성혈소판감소증후군(Severe fever with thrombocytopenia syndrome, SFTS) 바이러스의 감염 양상을 조사하였다. 또한, Haemaphysalis 속의 유충의 형태 동정이 어려운 점을 보완하기 위해 본 연구에서는droplet digital PCR을 이용한 정량적 분자 동정법을 개발하였다. 4년간의 조사 기간 동안 총 2,491 개체의 참진드기가 채집되었으며, 2019년부터 2022년까지 각 467, 752, 975, 297 개체의 진드기가 채집되었다. 형태적 동정 및 분자생물학적 동정을 통해 3종의 참진드기가 채집된 것을 확인하였다. 그 중 작은소피참진드기(Haemaphysalis longicornis)가 88.4%를 차지하여 가장 우점했고, 다음으로 개피참진드기(H. flava)가 10.6%, 일본참진드기(Ixodes nipponensis)가 0.7% 순으로 확인되었다. 채집이 진행된 4가지의 환경 중 초지에서 45.7%로 가장 많은 개체수의 참진드기가 채집되었고, 다음으로 무덤 29.3%, 산길 15.9%, 잡목림 9.1% 순으로 확인되었다. 참진드기는 발생 단계별로 채집된 개체수의 정점이 관찰되었는데, 4월에는 약충, 6월에는 성충, 8월에는 유충의 개체수 정점이 확인되어 참진드기의 1년간 생활사를 확인하였다. 작은소피참진드기는 주로 봄과 여름에 채집되었고, 개피참진드기는 주로 봄과 가을에 출현하여 두 종의 계절 선호도의 차이를 확인하였다. 4년동안 채집된 참진드기를 채집시기별, 채집지역별, 종별, 발달단계별로 pooling하여 조사한 SFTS 바이러스 검출 연구에서는 총 290개 pool 중 2022년을 제외한 3개 년도의 18개 pool에서 SFTS 바이러스가 검출되었다. 참진드기의 SFTS바이러스 최소 감염률 MIR (minimum infection rate) 분석 결과, 진드기 발달단계별로는 유충에서는 양성 바이러스가 확인되지 않았지만, 약충 0.69%, 암컷 3.98%, 수컷 3.36%의 감염률이 확인되었다. 또한 계절별로 4월 3.16%, 6월 0.38%, 8월 78%, 9월 7.69%, 10월 11.11%의 감염률이 확인되었다. 진드기 종별 분석 결과, 작은소피참진드기와 개피참진드기에서 각각 0.87%와 9.09%의 감염률이 확인되었다. 또한 본 연구에서는 고전적인 PCR 방법의 낮은 SFTS 바이러스 검출율을 보완하기 위해 nested PCR 진단법을 개선하였고, 추가로 droplet digital PCR을 이용한 SFTS 바이러스의 검출방법을 개발하여 두 진단방법을 비교, 분석하였다. 이와 더불어 우리나라 지역별 서식 진드기내 SFTS 바이러스의 서열 차이를 확인하기 위해 2021년 강화, 강원, 상주, 진도, 경남, 제주 지역의 17개 채집지에서 작은소피참진드기의 성충을 채집하여 진드기 각 개체를 대상으로 SFTS 바이러스 감염여부를 조사하였다. 본 연구를 통해 개선된 nested PCR 진단법을 적용한 결과 28.3%의 개체에서 바이러스가 확인되었고, droplet digital PCR을 사용했을 때는 19.8%의 감염률이 확인되어, 개선된 nested PCR 진단법의 우수성을 확인하였다. 작은소피참진드기의 성별에 따른 바이러스 감염률을 비교한 결과, 감염률은 수컷보다 암컷에서 더 높은 경향을 보였으나 통계적으로 유의하지는 않았다. 이번 연구에서 확보된 SFTS 바이러스의 서열을 여러나라(중국, 일본, 대만)에서 기존 보고된 서열과 비교한 결과, 총 89개 바이러스 fragment 모두 유전자형 B에 속했으며, 그 중에서도 B-2 그룹에 속하는 것으로 확인되었으나, 지역 특이적인 서열은 확인되지 않았다. 진드기의 종별, 계절별, 환경별 발생 양상에 근거한 본 연구의 기초 생태학적 정보와 Haemaphysalis 속 유충의 정량적 분자 분류법 및 개선된 SFTS 바이러스 진단법은 참진드기의 방제전략 수립 및 SFTS의 역학조사 등에 활용될 수 있을 것으로 기대된다.
기후변화에 따른 진드기 매개 질병의 발생이 우려되는 상황에서 참진드기의 서식환경 및 계절에 따른 발생 양상을 조사하기 위해 본 연구에서는 2019년부터 2022년까지 4년동안 경북 안동 지역의 4가지 환경(초지, 산길, 무덤, 잡목림)에서 4월부터 11월까지 월 1회 참진드기를 채집하였으며, 채집된 참진드기에서 중증열성혈소판감소증후군(Severe fever with thrombocytopenia syndrome, SFTS) 바이러스의 감염 양상을 조사하였다. 또한, Haemaphysalis 속의 유충의 형태 동정이 어려운 점을 보완하기 위해 본 연구에서는droplet digital PCR을 이용한 정량적 분자 동정법을 개발하였다. 4년간의 조사 기간 동안 총 2,491 개체의 참진드기가 채집되었으며, 2019년부터 2022년까지 각 467, 752, 975, 297 개체의 진드기가 채집되었다. 형태적 동정 및 분자생물학적 동정을 통해 3종의 참진드기가 채집된 것을 확인하였다. 그 중 작은소피참진드기(Haemaphysalis longicornis)가 88.4%를 차지하여 가장 우점했고, 다음으로 개피참진드기(H. flava)가 10.6%, 일본참진드기(Ixodes nipponensis)가 0.7% 순으로 확인되었다. 채집이 진행된 4가지의 환경 중 초지에서 45.7%로 가장 많은 개체수의 참진드기가 채집되었고, 다음으로 무덤 29.3%, 산길 15.9%, 잡목림 9.1% 순으로 확인되었다. 참진드기는 발생 단계별로 채집된 개체수의 정점이 관찰되었는데, 4월에는 약충, 6월에는 성충, 8월에는 유충의 개체수 정점이 확인되어 참진드기의 1년간 생활사를 확인하였다. 작은소피참진드기는 주로 봄과 여름에 채집되었고, 개피참진드기는 주로 봄과 가을에 출현하여 두 종의 계절 선호도의 차이를 확인하였다. 4년동안 채집된 참진드기를 채집시기별, 채집지역별, 종별, 발달단계별로 pooling하여 조사한 SFTS 바이러스 검출 연구에서는 총 290개 pool 중 2022년을 제외한 3개 년도의 18개 pool에서 SFTS 바이러스가 검출되었다. 참진드기의 SFTS바이러스 최소 감염률 MIR (minimum infection rate) 분석 결과, 진드기 발달단계별로는 유충에서는 양성 바이러스가 확인되지 않았지만, 약충 0.69%, 암컷 3.98%, 수컷 3.36%의 감염률이 확인되었다. 또한 계절별로 4월 3.16%, 6월 0.38%, 8월 78%, 9월 7.69%, 10월 11.11%의 감염률이 확인되었다. 진드기 종별 분석 결과, 작은소피참진드기와 개피참진드기에서 각각 0.87%와 9.09%의 감염률이 확인되었다. 또한 본 연구에서는 고전적인 PCR 방법의 낮은 SFTS 바이러스 검출율을 보완하기 위해 nested PCR 진단법을 개선하였고, 추가로 droplet digital PCR을 이용한 SFTS 바이러스의 검출방법을 개발하여 두 진단방법을 비교, 분석하였다. 이와 더불어 우리나라 지역별 서식 진드기내 SFTS 바이러스의 서열 차이를 확인하기 위해 2021년 강화, 강원, 상주, 진도, 경남, 제주 지역의 17개 채집지에서 작은소피참진드기의 성충을 채집하여 진드기 각 개체를 대상으로 SFTS 바이러스 감염여부를 조사하였다. 본 연구를 통해 개선된 nested PCR 진단법을 적용한 결과 28.3%의 개체에서 바이러스가 확인되었고, droplet digital PCR을 사용했을 때는 19.8%의 감염률이 확인되어, 개선된 nested PCR 진단법의 우수성을 확인하였다. 작은소피참진드기의 성별에 따른 바이러스 감염률을 비교한 결과, 감염률은 수컷보다 암컷에서 더 높은 경향을 보였으나 통계적으로 유의하지는 않았다. 이번 연구에서 확보된 SFTS 바이러스의 서열을 여러나라(중국, 일본, 대만)에서 기존 보고된 서열과 비교한 결과, 총 89개 바이러스 fragment 모두 유전자형 B에 속했으며, 그 중에서도 B-2 그룹에 속하는 것으로 확인되었으나, 지역 특이적인 서열은 확인되지 않았다. 진드기의 종별, 계절별, 환경별 발생 양상에 근거한 본 연구의 기초 생태학적 정보와 Haemaphysalis 속 유충의 정량적 분자 분류법 및 개선된 SFTS 바이러스 진단법은 참진드기의 방제전략 수립 및 SFTS의 역학조사 등에 활용될 수 있을 것으로 기대된다.
The seasonal distribution of hard ticks and the presence of the severe fever with thrombocytopenia syndrome (SFTS) virus in the collected hard ticks were investigated in Andong, Gyeongsangbuk-do, South Korea, from 2019 to 2022. The ticks were collected every month from April to November in four diff...
The seasonal distribution of hard ticks and the presence of the severe fever with thrombocytopenia syndrome (SFTS) virus in the collected hard ticks were investigated in Andong, Gyeongsangbuk-do, South Korea, from 2019 to 2022. The ticks were collected every month from April to November in four different environments (grassland, mountain path, grave, and copse) using CO2 bait traps. A total of 2,491 hard ticks were collected during the study period, with 467, 752, 975, and 297 individuals collected each year, respectively. By amplifying GAPDH using droplet digital polymerase chain reaction (ddPCR), a quantitative identification method between two Haemaphysalis spp. larvae (H. longicornis and H. flava) was developed. Based on morphological and molecular identification, three species (H. longicornis, H. flava, and Ixodes nipponensis) were identified, among which H. longicornis was the most dominant, accounting for 88.4%, followed by H. flava (10.6%) and I. nipponensis (0.7%). Hard ticks were most abundantly collected in the grassland (45.7%), followed by grave (29.3%), mountain path (15.9%), and copse (9.1%). Population peaks of nymphs, adults, and larvae were observed in April, June, and August, respectively, revealing the 1-year life cycle of hard ticks. H. longicornis predominantly appeared in spring and summer, whereas H. flava appeared in spring and autumn, indicating distinct seasonal preferences of the two species. In the SFTS virus detection analysis, 290 pools containing 1,264 ticks were tested, and the SFTS virus was detected in 18 pools.
The seasonal distribution of hard ticks and the presence of the severe fever with thrombocytopenia syndrome (SFTS) virus in the collected hard ticks were investigated in Andong, Gyeongsangbuk-do, South Korea, from 2019 to 2022. The ticks were collected every month from April to November in four different environments (grassland, mountain path, grave, and copse) using CO2 bait traps. A total of 2,491 hard ticks were collected during the study period, with 467, 752, 975, and 297 individuals collected each year, respectively. By amplifying GAPDH using droplet digital polymerase chain reaction (ddPCR), a quantitative identification method between two Haemaphysalis spp. larvae (H. longicornis and H. flava) was developed. Based on morphological and molecular identification, three species (H. longicornis, H. flava, and Ixodes nipponensis) were identified, among which H. longicornis was the most dominant, accounting for 88.4%, followed by H. flava (10.6%) and I. nipponensis (0.7%). Hard ticks were most abundantly collected in the grassland (45.7%), followed by grave (29.3%), mountain path (15.9%), and copse (9.1%). Population peaks of nymphs, adults, and larvae were observed in April, June, and August, respectively, revealing the 1-year life cycle of hard ticks. H. longicornis predominantly appeared in spring and summer, whereas H. flava appeared in spring and autumn, indicating distinct seasonal preferences of the two species. In the SFTS virus detection analysis, 290 pools containing 1,264 ticks were tested, and the SFTS virus was detected in 18 pools.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.