[논문]적외선 분광스펙트럼 및 기체크로마토그라피 분석 데이터의 다변량 통계분석을 이용한 대두 종자 지방산 함량예측

안명숙; 지은이; 송승엽; 안준우; 정원중; 민성란; 김석원

doi:10.5010/jpb.2015.42.1.60

적외선 분광스펙트럼 및 기체크로마토그라피 분석 데이터의 다변량 통계분석을 이용한 대두 종자 지방산 함량예측
Simultaneous estimation of fatty acids contents from soybean seeds using fourier transform infrared spectroscopy and gas chromatography by multivariate analysis 원문보기

Journal of plant biotechnology = 식물생명공학회지, v.42 no.1, 2015년, pp.60 - 70

안명숙 (한국생명공학연구원 식물시스템연구센터) , 지은이 (한국생명공학연구원 식물시스템연구센터) , 송승엽 (제주대학교 일반대학원 생명공학과) , 안준우 (한국원자력연구원 첨단방사선연구소) , 정원중 (한국생명공학연구원 식물시스템연구센터) , 민성란 (한국생명공학연구원 식물시스템연구센터) , 김석원 (한국생명공학연구원 미생물자원센터)

초록
AI-Helper

본 연구의 목적은 적외선 분광스펙트럼 데이터를 이용하여 대두 종자내의 지방산 함량을 동시에 예측할 수 있는지 여부를 조사하기 위한 것이다. 총 153종의 대두(Glycine max Merrill) 종자로부터 적외선 분광스펙트럼 및 지방산의 함량을 기체크로마토그라피 분석을 통하여 확인하였다. 적외선 분광스펙트럼 조사결과 대두는 단백질이나 아미노산의 amide bond region ($1,700{\sim}1,500cm^{-1}$), 핵산이나 인지질의 phosphodiester groups ($1,500{\sim}1,300cm^{-1}$) 그리고 탄수화물 등 다당류의 sugar region ($1,200{\sim}1,000cm^{-1}$)에서 계통별로 큰 차이가 이루어짐을 알 수 있었다. 총 29라인의 대두 계통별 시료로부터 지방산 함량을 조사한 결과 총 지방산의 함량은 건조 시료 0.1 g 당 $185.57{\mu}g$에서 $325.9{\mu}g$으로 계통간에 차이가 있었음을 알 수 있었으며 평균 함량은 $244.48{\mu}g$이었다. PLS regression 분석을 이용하여 총 5개 지방산(팔미틱산, 스테아릭산, 올레익산, 리노레익산 그리고 리노레닉산) 함량 예측 calibration models의 실측 검증 결과, 팔미틱산($R^2=0.8002$), 올레익산($R^2=0.8909$) 그리고 리노레익산($R^2=0.815$)은 회귀분석 상관계수가 0.8 이상으로 정확도 높음을 알 수 있었다. 그러나 스테아릭산($R^2=0.4598$)과 리노레닉산($R^2=0.6868$)의 경우 상관계수가 0.7 이하로 상대적으로 예측정확도가 낮음을 알 수 있었다. 본 연구에서 확립된 기술은 지방산의 조성 변환을 통하여 새로운 대두 품종 개발을 위한 계통선발 과정에서 매우 효율적인 수단으로 활용이 가능할 것으로 사료된다. 더 나아가 본 기술은 대두는 물론 대두 유래 농산물이나 식품의 품질 검증 수단으로 활용이 가능할 것으로 기대된다.

Abstract ▼ AI-Helper

The aim of this study was to investigate whether fourier transform infrared (FT-IR) spectroscopy can be applied to simultaneous determination of fatty acids contents in different soybean cultivars. Total 153 lines of soybean (Glycine max Merrill) were examined by FT-IR spectroscopy. Quantification of fatty acids from the soybean lines was confirmed by quantitative gas chromatography (GC) analysis. The quantitative spectral variation among different soybean lines was observed in the amide bond region ($1,700{\sim}1,500cm^{-1}$), phosphodiester groups ($1,500{\sim}1,300cm^{-1}$) and sugar region ($1,200{\sim}1,000cm^{-1}$) of FT-IR spectra. The quantitative prediction modeling of 5 individual fatty acids contents (palmitic acid, stearic acid, oleic acid, linoleic acid, linolenic acid) from soybean lines were established using partial least square regression algorithm from FT-IR spectra. In cross validation, there were high correlations ($R^2{\geq}0.97$) between predicted content of 5 individual fatty acids by PLS regression modeling from FT-IR spectra and measured content by GC. In external validation, palmitic acid ($R^2=0.8002$), oleic acid ($R^2=0.8909$) and linoleic acid ($R^2=0.815$) were predicted with good accuracy, while prediction for stearic acid ($R^2=0.4598$), linolenic acid ($R^2=0.6868$) had relatively lower accuracy. These results clearly show that FT-IR spectra combined with multivariate analysis can be used to accurately predict fatty acids contents in soybean lines. Therefore, we suggest that the PLS prediction system for fatty acid contents using FT-IR analysis could be applied as a rapid and high throughput screening tool for the breeding for modified Fatty acid composition in soybean and contribute to accelerating the conventional breeding.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

따라서 본 연구는 총 153종의 대두 종자시료로부터 적외선 분광분석 스펙트럼 분석을 실시하고 이들 시료의 기체크로마토그라피 분석법을 이용한 각각의 지방산 함량 데이터를 PLS 회귀 예측 모델링을 통하여 정확도가 높은 지방산 성분별 함량예측 모델링을 개발하고자 한다. 이 PLS 회귀 예측 모델링은 복잡한 지방산 분석 과정을 거치지 않고 지방산 성분별 함량 예측이 가능하여 다수의 대두 자원으로부터 조성이 변환된 새로운 품종 육성에 크게 기여할 수 있을 것으로 사료된다.
본 연구는 대두의 종자로부터 적외선 분광분석 스펙트럼으로부터 PLS calibrations 모델을 이용하여 지방산의 함량을 높은 정확도로 예측할 수 있음을 입증한 최초의 성공적인 보고이다. 그러므로 다른 선행연구결과들과 정확도의 직접적인 비교분석이 불가능하지만 최근 다양한 PLS calibrations 모델들에 관한 보고들과 간접비교는 가능하다.

제안 방법

5 ml의 지방산 추출 용액(hexane:methyl tert-butyl ether, 1:1 v/v)을 첨가한 다음 10분간 반응시켰다. 4,000 rpm에서 10분간 원심분리하여 상층액을 회수한 다음 0.5 M NaOH 용액 6 ml로 세척한 다음 FAMEs를 가스 크로마토그라피(YL-6100GC, Young Lin Science, Korea)로 분석하였다. 지방산 분석은 flame ionized detector (FID)를 사용하였으며 사용된 컬럼은 INNOWAX capillary column(Agilent, USA, 30 m × 0.
0)을 이용하여 수행하였다. Baseline 교정을 위해 FT-IR 스펙트럼 분석 영역의 양 끝점(1,800-800 cm^-1)의 흡광도를 0으로 조정하였으며 실험 상의 오차를 최소화하기 위하여 각 스펙트럼을 동일 면적으로 normalization 하였다. 이후 데이터의 mean centering과정을 거쳐 2차 미분을 수행한 다음 전처리가 완료된 스펙트럼 데이터를 다변량 통계분석 분석을 위한 표준화된 데이터로 사용하였다.
FT-IR (Fourier transform infrared) 스펙트럼 조사는 Tensor 27 (Bruker Optics GmbH, Ettlingen, Germany)을 사용하였고, DTGS (deuterated triglycine sulfate) 검출기로 분석하였다. 추출된 각각의 시료 5 µL를 384-well silicon plate에 분주하여, 37°C hot plate에서 약 20분간 건조하였다.
PCA score plot 상에서 대두 시료들의 집단 구분 및 클러스터링에 중요한 역할을 하는 적외선 분광스펙트럼 부위를 조사하기 위하여 PC 1과 2를 결정하는데 중요한 FT-IR 스펙트럼 부위를 조사하였다(Fig. 2C). PC loading value 분석결과 대두 계통식별에 중요한 적외선 분광스펙트럼 부위는 주로 1,700 ~ 1,500과 1,500 ~ 1,300 cm^-1 및 1,100 ~ 950 cm^-1 부위임을 알 수 있었다(Fig.
본 연구에서는 PLS 회귀모델의 정확도 향샹을 위하여 서로 다른 지역에서 재배된 대두 계통 시료를 사용하였다. RMSEP (root-mean-square error of prediction) 값이 최소화 되고 그리고 R² (correlation coefficient of determination) 값이 최대화 될 수 있도록 calibration models 개발에 사용되는 적외선 분광스펙트럼 레인지와 PLS factors의 수를 최적화하여 PLS regression 모델을 개발하였다. 각 지방산 성분별 PLS regression 모델의 교차검증에서 팔미틱산(RMSEP = 1.
각각의 FAMEs 는 FAMEs 표준 용액(Supelco® 37 Component FAME Mix, Sigma, USA)의 retention times과 peak areas를 조사하여 각각 정량 및 정성 분석을 수행하였다. 각 대두 계통별 시료는 3회 반복 측정하였다.
대두 종자는 김선태교수(부산대학교)와 정순천박사(한국생명공학연구원)로부터 각각 2011년에 채종하여 건조된 종자를 제공받아 본 연구에 사용하였다. 각 대두는 계통별로 종피의 색이 황색에서 검정색까지 다양하였으며(Fig. 1), 이들 다양한 자원집단을 대상으로 하여 본 연구를 수행하였다. 각 대두 종자는 막자와 막자사발을 이용하여 고운 가루로 만들었으며 이 파우더는 실험에 사용하기 직전까지 -70°C 초저온 냉동고에 보존하였다.
각각의 FAMEs 는 FAMEs 표준 용액(Supelco® 37 Component FAME Mix, Sigma, USA)의 retention times과 peak areas를 조사하여 각각 정량 및 정성 분석을 수행하였다.
추출된 각각의 시료 5 µL를 384-well silicon plate에 분주하여, 37°C hot plate에서 약 20분간 건조하였다. 건조된 silicon plate는 Tensor 27에 장착된 HTS-XT (Bruker Optics GmbH) 고효율 자동화 장치를 이용하여 스펙트럼을 조사하였다. 각 시료의 스펙트럼은 총 4,000-400 cm^-1 범위에서 그리고 4 cm^-1 간격으로 총 128회 반복 측정된 평균 스펙트럼을 분석에 사용되었다.
대두 종자 시료로부터 전세포추출물의 적외선분광 스펙트럼 데이터 다변량통계분석을 통해 대두 계통별 수준에서 종간 유연관계 규명 및 식별체계를 확립하였다(Fig. 2). 각 대두 종자시료의 적외선분광 스펙트럼을 비교한 결과 대두 시료들은 FT-IR 스펙트럼상의 1,700 ~ 1,550, 1,550 ~ 1,300, 1,250 ~ 950 cm^-1 부위에서 대사체의 양적, 질적 패턴 변화가 크게 이루어짐을 알 수 있었다(Fig.
대두 파우더로부터 전세포추출물을 제조하기 위하여 파우더 5 mg을 Eppendorf tube (1.5 mL)로 옮겨준 다음 추출용매(20% methanol)를 100 µL 첨가하였다.
대두에 존재하는 주요 지방산(팔미틱산, 스테아릭산, 올레익산, 리노레익산 그리고 리노레닉산)의 함량 예측 PLS 모델을 확립하였다(Fig. 4). 본 연구에서는 PLS 회귀모델의 정확도 향샹을 위하여 서로 다른 지역에서 재배된 대두 계통 시료를 사용하였다.
PCA 성분 추출은 아이겐벨류(eigenvalues)가 1 이상을 기준으로 총 10개를 추출하였으며 추출된 각 PCA 성분들은 상관분석을 수행하기 위한 데이터로 사용하였다. 또한 PCA 성분 추출에 중요한 역할을 하는 스펙트럼 부위를 알아보기 위해 PCA loadings을 조사하였다.
분석 온도는 초기 컬럼의 온도를 50°C에서 1분간 유지한 다음 매분당 15°C 상승하여 200°C까지 상승시킨 다음 9분간 유지하였으며 최종적으로 분당 2°C 씩 상승하여 250°C까지 올린 다음 2분간 유지하였다.
지방산 분석은 flame ionized detector (FID)를 사용하였으며 사용된 컬럼은 INNOWAX capillary column(Agilent, USA, 30 m × 0.32 mm × 0.5 μm)을 사용하였다.
지방산 함량예측 모델링 개발을 위해 39개 대두 계통별 종자로부터 기체크로마토그라피 분석을 통한 지방산의 정량 분석을 수행하였다. 대두 시료의 대표적인 지방산 분석 크로마토그람은 Fig.
총 지방산 분석을 위해 콩 건조 시료 20 mg에 2 ml의 saponification reagent (7.5 M NaOH:CH3OH, 1:1 v/v)를 넣어준 다음 100°C 수조에서 30분간 반응을 시켜 지방산을 추출하였다.
추출이 완료된 전세포추출물은 사용직전까지 -20°C 냉동고에 보존하면서 실험을 수행하였다.

대상 데이터

0)에서 PCA(Principal component analysis)와 PLS-DA (Partial least square discriminant analysis)분석을 수행하였다. PCA 성분 추출은 아이겐벨류(eigenvalues)가 1 이상을 기준으로 총 10개를 추출하였으며 추출된 각 PCA 성분들은 상관분석을 수행하기 위한 데이터로 사용하였다. 또한 PCA 성분 추출에 중요한 역할을 하는 스펙트럼 부위를 알아보기 위해 PCA loadings을 조사하였다.
건조된 silicon plate는 Tensor 27에 장착된 HTS-XT (Bruker Optics GmbH) 고효율 자동화 장치를 이용하여 스펙트럼을 조사하였다. 각 시료의 스펙트럼은 총 4,000-400 cm^-1 범위에서 그리고 4 cm^-1 간격으로 총 128회 반복 측정된 평균 스펙트럼을 분석에 사용되었다. 각 시료의 FT-IR 스펙트럼은 통계적 분석을 위해 각각 3반복 측정하였다.
본 연구에서는 총 153종의 대두(Glycine max Merrill) 종자를 사용하였다. 대두 종자는 김선태교수(부산대학교)와 정순천박사(한국생명공학연구원)로부터 각각 2011년에 채종하여 건조된 종자를 제공받아 본 연구에 사용하였다. 각 대두는 계통별로 종피의 색이 황색에서 검정색까지 다양하였으며(Fig.
4). 본 연구에서는 PLS 회귀모델의 정확도 향샹을 위하여 서로 다른 지역에서 재배된 대두 계통 시료를 사용하였다. RMSEP (root-mean-square error of prediction) 값이 최소화 되고 그리고 R² (correlation coefficient of determination) 값이 최대화 될 수 있도록 calibration models 개발에 사용되는 적외선 분광스펙트럼 레인지와 PLS factors의 수를 최적화하여 PLS regression 모델을 개발하였다.
본 연구에서는 총 153종의 대두(Glycine max Merrill) 종자를 사용하였다. 대두 종자는 김선태교수(부산대학교)와 정순천박사(한국생명공학연구원)로부터 각각 2011년에 채종하여 건조된 종자를 제공받아 본 연구에 사용하였다.
Baseline 교정을 위해 FT-IR 스펙트럼 분석 영역의 양 끝점(1,800-800 cm^-1)의 흡광도를 0으로 조정하였으며 실험 상의 오차를 최소화하기 위하여 각 스펙트럼을 동일 면적으로 normalization 하였다. 이후 데이터의 mean centering과정을 거쳐 2차 미분을 수행한 다음 전처리가 완료된 스펙트럼 데이터를 다변량 통계분석 분석을 위한 표준화된 데이터로 사용하였다.
회귀모델 개발을 위한 두 개의 변수로 X변수는 적외선 분광스펙트럼 데이터를 사용하였으며 Y변수는 GC분석을 통해 확인된 각 시료별 지방산 함량 데이터를 사용하였다. 전체 데이터 세트는 둘로 나누어 PLS 모델 개발을 위한 트레이닝 세트(39개 계통)와 개발된 모델의 정확도 조사를 위한 검증 세트(10개 계통)로 나누어 사용하였다. 모델 개발에 필요한 최적 요인수를 결정하기 위해 leave-one-out 방법을 사용하였다(Martens and Naes 1993).
대두 종자시료로부터 지방산 함량 예측 모델을 개발하기 위하여 PLS 회귀 알고리즘을 사용하였다. 회귀모델 개발을 위한 두 개의 변수로 X변수는 적외선 분광스펙트럼 데이터를 사용하였으며 Y변수는 GC분석을 통해 확인된 각 시료별 지방산 함량 데이터를 사용하였다. 전체 데이터 세트는 둘로 나누어 PLS 모델 개발을 위한 트레이닝 세트(39개 계통)와 개발된 모델의 정확도 조사를 위한 검증 세트(10개 계통)로 나누어 사용하였다.

데이터처리

)를 사용하였다. FT-IR 스펙트럼 데이터의 다변량 통계분석을 위해 먼저 FT-IR 스펙트럼 데이터의 baseline 교정, normalization 및 mean centering 등 스펙트럼의 전처리 과정을 R 프로그램(version 2.15.0)을 이용하여 수행하였다. Baseline 교정을 위해 FT-IR 스펙트럼 분석 영역의 양 끝점(1,800-800 cm^-1)의 흡광도를 0으로 조정하였으며 실험 상의 오차를 최소화하기 위하여 각 스펙트럼을 동일 면적으로 normalization 하였다.
각 시료별로 예측된 값의 통계적 유의성(p < 0.05)조사는 ANOVA 분석을 통해 검증하였다.
각 시료의 스펙트럼은 총 4,000-400 cm^-1 범위에서 그리고 4 cm^-1 간격으로 총 128회 반복 측정된 평균 스펙트럼을 분석에 사용되었다. 각 시료의 FT-IR 스펙트럼은 통계적 분석을 위해 각각 3반복 측정하였다. FT-IR 스펙트럼 조사 및 데이터 변환에 사용된 프로그램은 Bruker 에서 제공하는 OPUS Lab (ver.
다변량통계분석은 가공된 적외선분광 스펙트럼 데이터(1,800 to 800 cm^-1)를 사용하였으며 NIPALS 알고리즘 (Wold 1966)을 이용하여 R 프로그램(version 2.15.0)에서 PCA(Principal component analysis)와 PLS-DA (Partial least square discriminant analysis)분석을 수행하였다. PCA 성분 추출은 아이겐벨류(eigenvalues)가 1 이상을 기준으로 총 10개를 추출하였으며 추출된 각 PCA 성분들은 상관분석을 수행하기 위한 데이터로 사용하였다.
2006). 모델의 정확성 검증을 위해서는 초기 시료집단에서 사용하지 않은 시료를 이용하여 각 지방산 성분별 함량을 예측하였으며 기체크로마토그라피 분석을 통한 실측값과 회귀분석을 통하여 상관계수 값을 결정하였다. 각 시료별로 예측된 값의 통계적 유의성(p < 0.
4D)이 모두 높은 상관계수 값을 가져 calibration models의 예측 정확도가 높음을 알 수 있었다. 실측 검증을 위해 확립된 최적의 PLS regression 모델을 이용하여 10종의 대두 계통으로부터 각각의 지방산 함량 값을 예측하였으며 기체크로마토그라피 분석에 의해 얻어진 실측값과 상관분석을 실시하였다(Table 2). 또한 예측값의 통계적 유의성 검증결과 스테아릭산(p > 0.

이론/모형

각 시료의 FT-IR 스펙트럼은 통계적 분석을 위해 각각 3반복 측정하였다. FT-IR 스펙트럼 조사 및 데이터 변환에 사용된 프로그램은 Bruker 에서 제공하는 OPUS Lab (ver. 7.0, Bruker Optics Inc.)를 사용하였다. FT-IR 스펙트럼 데이터의 다변량 통계분석을 위해 먼저 FT-IR 스펙트럼 데이터의 baseline 교정, normalization 및 mean centering 등 스펙트럼의 전처리 과정을 R 프로그램(version 2.
모델 개발에 필요한 최적 요인수를 결정하기 위해 leave-one-out 방법을 사용하였다(Martens and Naes 1993). 그리고 최적 모델은 RMSEP (root mean square error of prediction), 상관계수(coefficient of determination, R²) 값을 이용하여 선발하였다(Terhoeven-Urselmans et al. 2010; Liu et al. 2006). 모델의 정확성 검증을 위해서는 초기 시료집단에서 사용하지 않은 시료를 이용하여 각 지방산 성분별 함량을 예측하였으며 기체크로마토그라피 분석을 통한 실측값과 회귀분석을 통하여 상관계수 값을 결정하였다.
대두 종자시료로부터 지방산 함량 예측 모델을 개발하기 위하여 PLS 회귀 알고리즘을 사용하였다. 회귀모델 개발을 위한 두 개의 변수로 X변수는 적외선 분광스펙트럼 데이터를 사용하였으며 Y변수는 GC분석을 통해 확인된 각 시료별 지방산 함량 데이터를 사용하였다.
전체 데이터 세트는 둘로 나누어 PLS 모델 개발을 위한 트레이닝 세트(39개 계통)와 개발된 모델의 정확도 조사를 위한 검증 세트(10개 계통)로 나누어 사용하였다. 모델 개발에 필요한 최적 요인수를 결정하기 위해 leave-one-out 방법을 사용하였다(Martens and Naes 1993). 그리고 최적 모델은 RMSEP (root mean square error of prediction), 상관계수(coefficient of determination, R²) 값을 이용하여 선발하였다(Terhoeven-Urselmans et al.
콩으로부터 지방산 분석은 MIDI 방법에 따라 수행하였다(Sasser 1990). 총 지방산 분석을 위해 콩 건조 시료 20 mg에 2 ml의 saponification reagent (7.

성능/효과

B: Two-dimensional PCA score plot of FT-IR spectral data from 153 soybean lines. The first two principal components are displayed, accounting for 39.5% and 16.4% of the total variation (55.9% of total variation). C: PC loading plot based on PCA data of soybean lines.
2). 각 대두 종자시료의 적외선분광 스펙트럼을 비교한 결과 대두 시료들은 FT-IR 스펙트럼상의 1,700 ~ 1,550, 1,550 ~ 1,300, 1,250 ~ 950 cm^-1 부위에서 대사체의 양적, 질적 패턴 변화가 크게 이루어짐을 알 수 있었다(Fig. 2A). 이와 같은 대두 종자의 적외선분광스펙트럼 패턴은 대두 건조종자에서 조사된 적외선 분광 패턴과 거의 유사하였다(Miller et al.
RMSEP (root-mean-square error of prediction) 값이 최소화 되고 그리고 R² (correlation coefficient of determination) 값이 최대화 될 수 있도록 calibration models 개발에 사용되는 적외선 분광스펙트럼 레인지와 PLS factors의 수를 최적화하여 PLS regression 모델을 개발하였다. 각 지방산 성분별 PLS regression 모델의 교차검증에서 팔미틱산(RMSEP = 1.885, R² = 0.97) (Fig. 4A), 스테아릭산(RMSEP = 0.383, R² = 0.93), 올레익산(RMSEP = 3.917, R² = 0.98) (Fig. 4B), 리노레익산(RMSEP = 5.458, R² = 0.98) (Fig. 4C) 그리고 리노레닉산(RMSEP = 1.142, R² = 0.98) (Fig. 4D)이 모두 높은 상관계수 값을 가져 calibration models의 예측 정확도가 높음을 알 수 있었다. 실측 검증을 위해 확립된 최적의 PLS regression 모델을 이용하여 10종의 대두 계통으로부터 각각의 지방산 함량 값을 예측하였으며 기체크로마토그라피 분석에 의해 얻어진 실측값과 상관분석을 실시하였다(Table 2).
2D). 각각의 대두 시료들의 그룹 경계는 PCA에 비해 더욱 작아졌으며 동일 종에 속하는 각 시료들의 반복구들도 각 그룹 내에 위치하여 PCA보다 식별능력이 향상 되었음을 알 수 있었다. 따라서 PCA와 마찬가지로 PLS-DA 또한 대사체 수준에서 대두의 계통 식별 수단으로 활용이 가능할 것으로 기대된다.
이 결과는 본 연구에 사용된 총 153개 대두 계통별 시료에서 총 지방산의 함량 차이가 2배 이상 벗어나지 않음을 의미하는 결과라 사료된다. 그러나 각 계통별로 개별 지방산 성분들의 함량을 비교한 결과 계통별로 차이가 크게 이루어짐을 알 수 있었다. 지방산 함량이 가장 높은 리놀레익산과 올레익산의 경우 계통별 함량변이는 각각 93.
대두 적외선 분광스펙트럼 데이터의 PCA 분석 결과 PC 1과 2 score는 전체 변이량의 각각 35.9%, 16.4%의 설명력을 갖고 있으며 이는 전체 변이량의 약 55.9%를 반영하고 있음을 알 수 있었다(Fig. 2B). 또한 동일 계통에 속하는 반복 조사구들이 다른 계통들 시료와는 별도로 PCA plot 상의 특이적인 위치에서 비교적 인접하여 분포하고 있음을 알 수 있었다.
48 μg이었다. 대두 종자에 존재하는 주요 지방산 성분들은 팔미틱산, 스테아릭산, 올레익산, 리노레익산 그리고 리노레닉산임을 알 수 있었다. 본 연구의 대두 지방산 분석 결과는 대두에 존재하는 지방산 성분들의 함량이 리노레익산(55%), 올레익산(20%), 팔미틱산(13%), 리노레닉산(8%) 그리고 스테아릭산(4%)으로 존재한다는 보고(Pham et al.
본 연구에서는 총 153종의 대두 종자 시료가 분석되었으며 이들 시료들은 상기의 부위에서 계통별로 특이적인 적외선 분광스펙트럼을 보이는 것을 확인할 수 있었다. 더 나아가 이들 지방산 특이적인 적외선 흡광 부위에서 흡광도는 지방산 함량이 높은 계통의 경우 증가하지만 지방산 함량이 낮은 계통 시료들의 경우 반대로 흡광도가 낮아짐을 관찰할 수 있었다. 이는 지방산 함량 차이와 적외선 분광스펙트럼의 흡광도 차이가 양의 상관관계가 있음을 나타내는 결과라 사료된다.
2B). 또한 동일 계통에 속하는 반복 조사구들이 다른 계통들 시료와는 별도로 PCA plot 상의 특이적인 위치에서 비교적 인접하여 분포하고 있음을 알 수 있었다. 이 결과는 적외선 분광스펙트럼 조사가 비교적 높은 재현성을 가짐을 의미하는 것으로 대두의 계통 식별 수단으로 활용이 가능함을 나타내는 결과라 사료된다.
이러한 결과들을 고려해보면 지방산의 양적, 또는 질적인 변화가 대두의 계통 식별에서 특이적인 대사체 마커로 활용이 가능함을 나타내는 결과라 사료된다. 또한 본 연구에서 제시한 것처럼 적외선스펙트럼의 질적, 양적 차이는 대두 종자에 함유되어 있는 아미노산이나 단백질, 지방산, 그리고 탄수화물계통의 화합물들의 질적, 양적 차이를 직접적으로 반영하고 있음을 의미한다. 따라서 FT-IR 스펙트럼 분석은 대두 계통별로 주요 대사체의 질적, 양적 변화를 규명하고 이들 화합물의 함량이 높은 계통의 신속한 선발 수단으로 활용이 가능할 것으로 기대된다.
또한 예측값의 통계적 유의성 검증결과 스테아릭산(p > 0.01)을 제외하고 모든 지방산 성분들의 예측값이 통계적 유의성을 가지고 있음을 알 수 있었다.
2009). 본 연구에서 대두 계통인 GK15가 지방산 함량이 가장 높은 계통으로 밝혀졌으며, 그 함량은 가장 적은 계통인 GB45 계통에 비해 약 1.75배 높음을 알 수 있었다. 이 결과는 본 연구에 사용된 총 153개 대두 계통별 시료에서 총 지방산의 함량 차이가 2배 이상 벗어나지 않음을 의미하는 결과라 사료된다.
새로운 지방산 조성 변환 신품종 대두 종자를 신속하게 육성하기 위한 핵심 기술요소중의 하나는 바로 간편하고, 빠르고 정확하게 지방산의 함량 조사할 수 있는 방법의 도입이다. 본 연구에서 확립된 것처럼 적외선분광분석법은 간편하고, 재현성이 우수한 방법으로 콩 종자에서 지방산 함량을 동시에 예측 가능하며 더 나아가 각 대사체 수준에서의 차이로 대두 계통 식별이 가능함을 알 수 있었다. 따라서 본 기술의 도입은 기체크로마토그라피에 의한 복잡한 지방산 성분 정성 및 정량 분석을 대체할 수 있는 신속수단으로 활용이 가능할 것으로 기대된다.
2005; Schulz and Baranska 2007). 본 연구에서는 총 153종의 대두 종자 시료가 분석되었으며 이들 시료들은 상기의 부위에서 계통별로 특이적인 적외선 분광스펙트럼을 보이는 것을 확인할 수 있었다. 더 나아가 이들 지방산 특이적인 적외선 흡광 부위에서 흡광도는 지방산 함량이 높은 계통의 경우 증가하지만 지방산 함량이 낮은 계통 시료들의 경우 반대로 흡광도가 낮아짐을 관찰할 수 있었다.
01)을 제외하고 모든 지방산 성분들의 예측값이 통계적 유의성을 가지고 있음을 알 수 있었다. 실측 검증을 통한 상관계수를 조사한 결과, 팔미틱산(R² = 0.8002) (Fig. 5A), 올레익산(R² = 0.8909) (Fig. 5B) 그리고 리노레익산(R² = 0.815) (Fig. 5C)은 회귀 분석 상관계수가 0.8 이상으로 예측 정확도가 비교적 높음을 알 수 있었다. 그러나 스테아릭산(R² = 0.
75배 높음을 알 수 있었다. 이 결과는 본 연구에 사용된 총 153개 대두 계통별 시료에서 총 지방산의 함량 차이가 2배 이상 벗어나지 않음을 의미하는 결과라 사료된다. 그러나 각 계통별로 개별 지방산 성분들의 함량을 비교한 결과 계통별로 차이가 크게 이루어짐을 알 수 있었다.
7 이하로 상대적으로 예측 정확도가 낮음을 알 수 있었다. 이 결과를 보면 콩 종자 내에 비교적 함량이 높았던 팔미틱산, 올레익산 그리고 리노레익산은 모델의 함량 예측 정확도가 높게 나타나지만 반대로 지방산 함량이 낮은 스테아릭산과 리노레닉산은 모델의 예측 정확도가 상대적으로 낮아짐을 알 수 있었다.
총 29종의 대두 계통별 시료로부터 지방산 함량을 조사한 결과 총 지방산의 함량은 건조 시료 0.1 g 당 185.57 μg에서 325.9 μg으로 계통간에 차이가 있었음을 알 수 있었으며 평균 함량은 244.48 μg이었다.

후속연구

결론적으로 본 연구에서 확립된 지방산 성분 동시예측 모델링 기술은 대두는 물론 지방산의 조성변화가 요구되는 다양한 유지작물에서도 지방산 성분 예측 모델로 사용이 가능할 것으로 예측되며 이는 궁극적으로 대두의 계통육성에 요구되는 특성검증 시간을 획기적으로 단축 시켜 신품종 육종의 효율을 크게 증대시킬 수 있는 수단으로 활용이 가능할 것으로 기대된다. 아울러 본 기술은 식물 종자는 물론 농산품이나 식품, 의약품의 지방산 관련 특성 검증 수단으로 활용이 가능할 것으로 기대된다.
또한 본 연구에서 제시한 것처럼 적외선스펙트럼의 질적, 양적 차이는 대두 종자에 함유되어 있는 아미노산이나 단백질, 지방산, 그리고 탄수화물계통의 화합물들의 질적, 양적 차이를 직접적으로 반영하고 있음을 의미한다. 따라서 FT-IR 스펙트럼 분석은 대두 계통별로 주요 대사체의 질적, 양적 변화를 규명하고 이들 화합물의 함량이 높은 계통의 신속한 선발 수단으로 활용이 가능할 것으로 기대된다.
각각의 대두 시료들의 그룹 경계는 PCA에 비해 더욱 작아졌으며 동일 종에 속하는 각 시료들의 반복구들도 각 그룹 내에 위치하여 PCA보다 식별능력이 향상 되었음을 알 수 있었다. 따라서 PCA와 마찬가지로 PLS-DA 또한 대사체 수준에서 대두의 계통 식별 수단으로 활용이 가능할 것으로 기대된다.
본 연구에서 확립된 것처럼 적외선분광분석법은 간편하고, 재현성이 우수한 방법으로 콩 종자에서 지방산 함량을 동시에 예측 가능하며 더 나아가 각 대사체 수준에서의 차이로 대두 계통 식별이 가능함을 알 수 있었다. 따라서 본 기술의 도입은 기체크로마토그라피에 의한 복잡한 지방산 성분 정성 및 정량 분석을 대체할 수 있는 신속수단으로 활용이 가능할 것으로 기대된다.
본 연구에서 적외선 분광분석법을 이용하여 확립된 올레익산, 리노레익산 그리고 팔미틱산의 상관계수는 근적외선분광분석법을 통한 예측모델들(Roberts et al. 2006; Kovalenko et al. 2006^b; Patil et al. 2010)과 거의 비슷한 수준으로 정확하게 함량예측이 가능할 것으로 예상된다. 새로운 지방산 조성 변환 신품종 대두 종자를 신속하게 육성하기 위한 핵심 기술요소중의 하나는 바로 간편하고, 빠르고 정확하게 지방산의 함량 조사할 수 있는 방법의 도입이다.
결론적으로 본 연구에서 확립된 지방산 성분 동시예측 모델링 기술은 대두는 물론 지방산의 조성변화가 요구되는 다양한 유지작물에서도 지방산 성분 예측 모델로 사용이 가능할 것으로 예측되며 이는 궁극적으로 대두의 계통육성에 요구되는 특성검증 시간을 획기적으로 단축 시켜 신품종 육종의 효율을 크게 증대시킬 수 있는 수단으로 활용이 가능할 것으로 기대된다. 아울러 본 기술은 식물 종자는 물론 농산품이나 식품, 의약품의 지방산 관련 특성 검증 수단으로 활용이 가능할 것으로 기대된다.
따라서 본 연구는 총 153종의 대두 종자시료로부터 적외선 분광분석 스펙트럼 분석을 실시하고 이들 시료의 기체크로마토그라피 분석법을 이용한 각각의 지방산 함량 데이터를 PLS 회귀 예측 모델링을 통하여 정확도가 높은 지방산 성분별 함량예측 모델링을 개발하고자 한다. 이 PLS 회귀 예측 모델링은 복잡한 지방산 분석 과정을 거치지 않고 지방산 성분별 함량 예측이 가능하여 다수의 대두 자원으로부터 조성이 변환된 새로운 품종 육성에 크게 기여할 수 있을 것으로 사료된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	대두란 무엇인가?	대두는 세계 3대 작물의 하나로 단백질, 섬유소, 미량 영양성분 및 다양한 기능성 성분의 공급원이며 또한 대표적인 유지 작물 중 하나로서 대두의 기름은 인류 및 동물의 매우 중요한 영양원이다(Mateos-Aparicio et al. 2008).
	대두의 중요한 육종 목표는 무엇인가?	2008). 따라서 지방산 조성을 변화시켜서 기능성을 향상시키는 것은 대두의 육종가에게는 매우 중요한 육종 목표로 자리매김을 하고 있다. 이와 같은 대두의 지방산 조성 변환 신품종을 개발하기 위한 돌연변이 육종은 오래 전부터 연구가 이루어져왔다(Rahman et al.
	논문의 연구에서 스테아릭산과 리노레닉산의 예측 정확도가 낮은 것을 통해 논문의 저자는 어떠한 추측을 하였는가?	또한 각각의 지방산 성분들의 경우 공통적인 functional group들을 가지고 있어서 적외선분광분석 스펙트럼의 특이적인 밴드 패턴 또한 유사할 것이다. 즉 동일구조를 가지는 화합물들의 유사한 적외선 분광 스펙트럼 패턴 또한 상대적으로 소량으로 존재하는 물질들의 함량 예측 정확도를 감소시키는 요인으로 작용하였을 것으로 추측된다. 따라서 스테아릭산과 리노레닉산의 예측 정확도를 높이기 위해서는 초기 집단의 변이폭을 증가시킬 수 있도록 초기 시료 수가 증가되거나 또는 PLS regression 외에 다른 알고리즘의 도입을 통한 새로운 모델링이 가능할 것으로 기대된다(Wu et al.

참고문헌 (36)

Alander JT, Bochko V, Martinkauppi B, Saranwong S, Mantere T (2013) A Review of Optical Nondestructive Visual and Near-Infrared Methods for Food Quality and Safety. Int J Spectrosc 2013 : 341-402
Ascherio A, Willett WC (1997) Health effects of trans fatty acids. Am J Clin Nutr 66(Suppl 4) : 1006-1010
Baranska M, Schutze W, Schulz H (2007) Determination of lycopene and beta-carotene content in tomato fruits and related products: Comparison of FT-Raman, ATR-IR, and NIR spectroscopy. Anal Chem 78 : 8456-8461
Bellincontro A, Taticchi A, Servili M, Esposto S, Farinelli D, Mencarelli F (2012) Feasible application of a portable NIR-AOTF tool for on-field prediction of phenolic compounds during the ripening of olives for oil production. J Agric Food Chem 60 : 2665-2673

상세보기
Chen Q, Zhao J, Liu M, Cai J, Liu J (2008) Determination of total polyphenols content in green tea using FT-NIR spectroscopy and different PLS algorithms. J Pharm Biomed Anal 46 : 568-573

상세보기
Dumas P, Miller LM (2003) The use of synchrotron infrared microspectroscopy in biological and biomedical investigations. Vib Spectrosc 32 : 3-21.

상세보기
Fehr WR, Welke GA, Hammond EG, Duvick DN, Cianzo SR (1991) Inheritance of elevated palmitic acid content in soybean seed oil. Crop Sci 31 : 1522-1524

상세보기
Fernandez K, Agosin E (2007) Quantitative analysis of red wine tannins using Fourier-transform mid-infrared spectrometry. J Agric Food Chem 55 : 7274-7300
Fontaine J, Horr J, Schirmer B (2001) Near-infrared reflectance spectroscopy enables the fast and accurate prediction of the essential amino acid contents in soy, rapeseed meal, sunflower meal, peas, fishmeal, meat meal products, and poultry meal. J Agric Food Chem 49 : 57-66

상세보기
Kovalenko IV, Rippke GR, Hurburgh CR (2006a) Determination of amino acid composition of soybeans (Glycine max) by near-infrared spectroscopy. J Agric Food Chem 54 : 3485-3491

상세보기
Kovalenko IV, Rippke GR, Hurburgh CR (2006b) Measurement of soybean fatty acids by near-infrared spectroscopy; linear and nonlinear calibration methods. J Am Oil Chem Soc 83 : 421-427

상세보기
Lanser AC, List GR, Holloway RK, Mounts TL (1991) FTIR estimation of free fatty acid content in crude oils extracted from damaged soybeans. J Am Oil Chem Soc 68 : 448-449

상세보기
Lee JD, Woolard M, Sleper DA, Smith JR, Pantalone VR, Nyinyi CN, Cardinal AC, Shannon JG (2009) Environmental effects on oleic acid in soybean seed oil of plant introductions with elevated oleic concentration. Crop Sci 49 : 1762-1768

상세보기
Liu Y, Ying Y, Yu H, Fu X (2006) Comparison of the HPLC method and FT-NIR analysis for quantification of glucose, fructose, and sucrose in intact apple fruits. J Agric Food Chem 54 : 2810-2815

상세보기
Marimuthu M, Gurumoorthi P (2013) Phytochemical screening and FT-IR studies on wild and common south indian legumes. Asian J Pharm Clin Res 6(supple 2) : 141-144
Martens H, Naes T (1993) Multivariate Calibration; John Wiley and Sons: Chichester, U.K.
Mateos-Aparicio I, Redondo Cuenca A, Villanueva-Suarez MJ, Zapata-Revilla MA (2008) Soybean, a promising health source. Nutr Hosp 23 : 305-312
Miller SS, Pietrzak LN, Wetzel DL (2005) Preparation of soybean seed samples for FT-IR microspectroscopy. Biotechnic Histochemistry 80(3-4) : 117-121

상세보기
Patil AG, Oak MD, Taware SP, Tamhankar SA, Rao VS (2010) Nondestructive estimation of fatty acid composition in soybean (Glycine max (L.) Merrill) seeds using near-infrared transmittance spectroscopy. Food Chem 12 : 1210-1217
Pham AT, Lee JD, Shannon JG, Bilyeu KD (2010) Mutant alleles of FAD2-1A and FAD2-1B combine to produce soybeans with the high oleic acid seed oil trait. BMC Plant Biol 10 : 195

상세보기
Quinones-Islas N, Meza-Marquez OG, Osorio-Revilla G, Gallardo-Velazquez T (2013) Detection of adulterants in avocado oil by Mid-FTIR spectroscopy and multivariate analysis. Food Res Int 51 : 148-154

상세보기
Rahman SM, Takagi Y, Kubota K, Miyamoto K, Kawakita T (1994) High oleic mutant in soybean induced x-ray irradiation. Biosci Biotechnol Biochem 58 : 1070-1072

상세보기
Roberts CA, Ren C, Beuselinck PR, Benedict HR, Bilyeu K (2006) Fatty acid profiling of soybean cotyledons by near-infrared spectroscopy. Appl Spectrosc 60 : 1328-1333

상세보기
Sasser M (1990) Identifcation of Bacteria by gas chromatography of cellular fatty acids. MIDI Technical Note 101, MIDI, Newark
Sato T, Uezono I, Morishita T, Tetsuka T (1998) Nondestructive estimation of fatty acid composition in seeds of Brassica napus L. by near-infrared spectroscopy. J Am Oil Chem Soc 75 : 1877-1881

상세보기
Sato T, Maw A, Katsuta M (2003) NIR reflectance spectroscopic analysis of the FA composition in sesame (Sesamum indicum L.) seeds. J Am Oil Chem Soc 80 : 1157-1161

상세보기
Schulz H, Baranska M (2007) Identification and quantification of valuable plant substances by IR and Raman spectroscopy. Vib Spectrosc 43 : 13-25

상세보기
Scibisz I, Reich M, Bureau S, Gouble B, Causse M, Bertrand D, Renard CMGC (2011) Mid-infrared spectroscopy as a tool for rapid determination of internal quality parameters in tomato. Food Chem 125 : 1390-1397

상세보기
Soriano A, Perez-Juan PM, Vicario A. Gonzalez JM, Perez-Coello MS (2007) Determination of anthocyanins in red wine using a newly developed method based on Fourier transform infrared spectroscopy. Food Chem 104 : 1295-1303

상세보기
Terhoeven-Urselmans T, Vagen T-G, Spaargaren O, Shepherd KD (2010) Prediction of soil fertility properties from a globally distributed soil mid-infrared spectral library. Soil Sci Soc Am J 74 : 1792-1799

상세보기
Tilman BL, Gorbet DW, Person G (2006) Prediction oleic and linoleic acid content of single peanut seed using near-infrared reflectance spectroscopy. Crop Sci 46 : 2121-2126

상세보기
Velasco L, Goffman D, Becker HC (1999) Development of calibration equations to predict oil content and fatty acid composition in Brassicaceae germplasm by near-infrared reflectance spectroscopy. J Am Oil Chem Soc 76 : 25-30

상세보기
Wold H (1966) Nonlinear Estimation by Iterative leasr squares procedures. In: David F, (eds), Research Papers in Statistics, Wiley, New York, pp. 411-444
Wolkers WF, Oliver AE, Tablin F, Crowe JH (2004) A fourier transform infrared spectroscopy study of sugar glasses. Carb Res 339 : 1077-1085

상세보기
Wu JG, Shi CH, Zhang HZ (2006) Study on developing calibration model of fat acid composition in intact rapeseed by near infrared reflectance spectroscopy. Spectrosc Spect Anal 26 : 259-262
Yang H, Irudayaraj J, Paradkar MM (2005) Discriminant analysis of edible oils and fats by FTIR, FT-NIR and FT-Raman spectroscopy. Food Chem 93 : 25-32

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format