[국내논문]벼 유전자원의 아밀로스 및 단백질 성분 함량 분포에 관한 자원정보 구축 Construction of Database System on Amylose and Protein Contents Distribution in Rice Germplasm Based on NIRS Data원문보기
본 연구는 선행연구에서 개발된 근적외선 분광법(NIRS) 예측모델을 활용하여 농업유전자원센터에서 보존 중인 국내외 벼유전자원의 아밀로스 및 단백질 함량 자료를 통계 처리하여 자원 분포를 파악하기 위한 데이터베이스를 구축하고자 하였다. 예측모델의 $R^2$ 값은 아밀로스 분석결과 0.970이었고, 단백질은 0.983이었다. 미지시료 측정 시 정확도를 평가하기 위해 외부검정과정을 거친 결과 $R^2$ 값은 아밀로스 분석결과 0.962였고, 단백질은 0.986이었다. 벼 자원을 재래종, 육성품종, 잡초형, 육성계통으로 나누어 NIRS를 이용하여 성분 분석한 후 함량분포를 확인하였다. 찰벼 평균 아밀로스는 재래종, 육성품종, 잡초형에서 동일하게 8.7%였고, 육성계통은 10.3%였다. 메벼 평균 아밀로스는 재래종 22.3%, 육성품종 22.7%, 잡초형 23.6%, 육성계통 24.2%였다. 전체 벼 자원 중 아밀로스 함량 9%이하 waxy type은 5.0%, low amylose는 5.5%, middle amylose는 20.5%, high amylose는 69.0%를 차지하였다. 단백질 분석 결과 평균함량은 재래종 8.2%, 육성품종 8.0%, 잡초형 7.9%, 육성계통 7.9%였다. 찰벼의 다양성지수 평균은 0.62, 메벼는 0.80이었고, 단백질 다양성지수는 평균 0.51이었다. 임의의 함량구간 내 자원비율은 정규분포의 표준화과정을 통해 확인하였다. 임의 구간에 대한 자원분포비율 산출 결과는, 재래종 아밀로스 6.4-8.7% 구간의 자원비율은 0.45였고, 22.3-26.1% 구간은 0.40, 단백질 7.3-8.2% 구간은 0.26이었다. 육성품종 아밀로스 8.7-9.4% 구간의 자원비율은 0.19였고, 20.1-22.7% 구간은 0.32, 단백질 6.1-8.3% 구간은 0.51이었다. 잡초형 아밀로스 6.6-9.7% 구간은 0.67이었고, 23.6-24.8% 구간은 0.19, 단백질 7.0-7.9% 구간은 0.33이었다. 육성계통 아밀로스 10.0-12.0% 구간의 자원비율은 0.47이었고, 24.2-28.0% 구간은 0.40, 단백질 7.0-7.9% 구간은 0.26이었다. 어떤임의 구간을 지정하여도 자원의 비율을 쉽게 구할 수 있으며, NIRS 분석과 통계분석과정을 통해 얻어진 자원별, 성분함량별 특성 자료는 효율적인 자원관리를 위한 데이터베이스 시스템 구축을 위한 기초 자료로 활용될 수 있을 것으로 판단된다.
본 연구는 선행연구에서 개발된 근적외선 분광법(NIRS) 예측모델을 활용하여 농업유전자원센터에서 보존 중인 국내외 벼유전자원의 아밀로스 및 단백질 함량 자료를 통계 처리하여 자원 분포를 파악하기 위한 데이터베이스를 구축하고자 하였다. 예측모델의 $R^2$ 값은 아밀로스 분석결과 0.970이었고, 단백질은 0.983이었다. 미지시료 측정 시 정확도를 평가하기 위해 외부검정과정을 거친 결과 $R^2$ 값은 아밀로스 분석결과 0.962였고, 단백질은 0.986이었다. 벼 자원을 재래종, 육성품종, 잡초형, 육성계통으로 나누어 NIRS를 이용하여 성분 분석한 후 함량분포를 확인하였다. 찰벼 평균 아밀로스는 재래종, 육성품종, 잡초형에서 동일하게 8.7%였고, 육성계통은 10.3%였다. 메벼 평균 아밀로스는 재래종 22.3%, 육성품종 22.7%, 잡초형 23.6%, 육성계통 24.2%였다. 전체 벼 자원 중 아밀로스 함량 9%이하 waxy type은 5.0%, low amylose는 5.5%, middle amylose는 20.5%, high amylose는 69.0%를 차지하였다. 단백질 분석 결과 평균함량은 재래종 8.2%, 육성품종 8.0%, 잡초형 7.9%, 육성계통 7.9%였다. 찰벼의 다양성지수 평균은 0.62, 메벼는 0.80이었고, 단백질 다양성지수는 평균 0.51이었다. 임의의 함량구간 내 자원비율은 정규분포의 표준화과정을 통해 확인하였다. 임의 구간에 대한 자원분포비율 산출 결과는, 재래종 아밀로스 6.4-8.7% 구간의 자원비율은 0.45였고, 22.3-26.1% 구간은 0.40, 단백질 7.3-8.2% 구간은 0.26이었다. 육성품종 아밀로스 8.7-9.4% 구간의 자원비율은 0.19였고, 20.1-22.7% 구간은 0.32, 단백질 6.1-8.3% 구간은 0.51이었다. 잡초형 아밀로스 6.6-9.7% 구간은 0.67이었고, 23.6-24.8% 구간은 0.19, 단백질 7.0-7.9% 구간은 0.33이었다. 육성계통 아밀로스 10.0-12.0% 구간의 자원비율은 0.47이었고, 24.2-28.0% 구간은 0.40, 단백질 7.0-7.9% 구간은 0.26이었다. 어떤임의 구간을 지정하여도 자원의 비율을 쉽게 구할 수 있으며, NIRS 분석과 통계분석과정을 통해 얻어진 자원별, 성분함량별 특성 자료는 효율적인 자원관리를 위한 데이터베이스 시스템 구축을 위한 기초 자료로 활용될 수 있을 것으로 판단된다.
This study was carried out to build a database system for amylose and protein contents of rice germplasm based on NIRS (Near-Infrared Reflectance Spectroscopy) analysis data. The average waxy type amylose contents was 8.7% in landrace, variety and weed type, whereas 10.3% in breeding line. In common...
This study was carried out to build a database system for amylose and protein contents of rice germplasm based on NIRS (Near-Infrared Reflectance Spectroscopy) analysis data. The average waxy type amylose contents was 8.7% in landrace, variety and weed type, whereas 10.3% in breeding line. In common rice, the average amylose contents was 22.3% for landrace, 22.7% for variety, 23.6% for weed type and 24.2% for breeding line. Waxy type resources comprised of 5% of the total germplasm collections, whereas low, intermediate and high amylose content resources share 5.5%, 20.5% and 69.0% of total germplasm collections, respectively. The average percent of protein contents was 8.2 for landrace, 8.0 for variety, and 7.9 for weed type and breeding line. The average Variability Index Value was 0.62 in waxy rice, 0.80 in common rice, and 0.51 in protein contents. The accession ratio in arbitrary ranges of landrace was 0.45 in amylose contents ranging from 6.4 to 8.7%, and 0.26 in protein ranging from 7.3 to 8.2%. In the variety, it was 0.32 in amylose ranging from 20.1 to 22.7%, and 0.51 in protein ranging from 6.1 to 8.3%. And also, weed type was 0.67 in amylose ranging from 6.6 to 9.7%, and 0.33 in protein ranging from 7.0 to 7.9%, whereas, in breeding line it was 0.47 in amylose ranging from 10.0 to 12.0%, and 0.26 in protein ranging from 7.0 to 7.9%. These results could be helpful to build database programming system for germplasm management.
This study was carried out to build a database system for amylose and protein contents of rice germplasm based on NIRS (Near-Infrared Reflectance Spectroscopy) analysis data. The average waxy type amylose contents was 8.7% in landrace, variety and weed type, whereas 10.3% in breeding line. In common rice, the average amylose contents was 22.3% for landrace, 22.7% for variety, 23.6% for weed type and 24.2% for breeding line. Waxy type resources comprised of 5% of the total germplasm collections, whereas low, intermediate and high amylose content resources share 5.5%, 20.5% and 69.0% of total germplasm collections, respectively. The average percent of protein contents was 8.2 for landrace, 8.0 for variety, and 7.9 for weed type and breeding line. The average Variability Index Value was 0.62 in waxy rice, 0.80 in common rice, and 0.51 in protein contents. The accession ratio in arbitrary ranges of landrace was 0.45 in amylose contents ranging from 6.4 to 8.7%, and 0.26 in protein ranging from 7.3 to 8.2%. In the variety, it was 0.32 in amylose ranging from 20.1 to 22.7%, and 0.51 in protein ranging from 6.1 to 8.3%. And also, weed type was 0.67 in amylose ranging from 6.6 to 9.7%, and 0.33 in protein ranging from 7.0 to 7.9%, whereas, in breeding line it was 0.47 in amylose ranging from 10.0 to 12.0%, and 0.26 in protein ranging from 7.0 to 7.9%. These results could be helpful to build database programming system for germplasm management.
본 연구에서는 NIRS를 활용한 벼 유전자원에 대한 예측모델 개발 및 대량평가체계 구축에 관한 선행연구(Oh et al., 2017a; Oh et al., 2017b)를 기반으로 농업유전자원센터에 보존되어있는 벼 유전자원에 대한 아밀로스 및 단백질에 대한 대량 평가를 실시하여 전반적인 함량 분포를 파악하고, 자원의 특성 및 보존 정보를 실시간으로 반영하여 수요자에게 제공할 수 있는 데이터베이스 시스템 구축을 기반으로 프로그래밍 개발을 위한 기초 자료로 활용하고자 하였다.
제안 방법
벼 유전자원 511자원의 현미가루 상태에 대한 근적외선 스펙 트럼을 측정하기 위해 근적외선 분광분석기(FOSS, XRD nearinfrared)와 기기 구동을 위한 전용프로그램인 ISI scan (FOSS, ver. 4.2.0)을 사용하였으며, micro insert ring을 끼운 mini sample cup에 시료 약 0.6 g을 채운 후 sample cup backs를 이 용하여 시료 내 공극을 없애준 후, 실온조건 가시광선 및 근적외 선 대역(400-2500 ㎚)에서 한 자원 당 3반복 scanning하여 근 적외선 스펙트럼을 얻었다. 이후 검량식 작성을 위하여 벼 유전 자원 511자원 별 아밀로스함량 및 조단백질함량을 입력하여, 습 식분석값이 저장된 근적외선 스펙트럼을 파일형태로 저장하였다.
현미가루 시료 약 600 ㎎을 micro insert ring을 끼운 mini sample cup에 채운 후 sample cup backs를 이용하여 시료 내 공극을 없애준 후 실온조건 가시광선 및 근적외선 대역(400- 2500 ㎚)에서 한 자원 당 2반복하여 스펙트럼을 측정하였다. 스 펙트럼 측정은 NIRS (FOSS, XRD near-infrared)를 사용하였고, 아밀로스 및 단백질 함량 계산은 개발된 NIRS 예측모델이 입력된 NIRS 구동 전용프로그램인 ISI scan (FOSS, ver.
대상 데이터
본 실험에 사용한 국내외 벼 유전자원은 농업유전자원센터에서 보관 중인 전체 벼 자원을 대상으로 GMS 프로그램을 이용하여 분양 가능한 27,309자원을 선정하였으며, 재래종 4,948자원, 육성품종 6,157자원, 잡초형 6,206자원, 육성계통 9,998자원으로 구성되었다(Table 1). 자원 종자 50립을 실험실용 현미기로 탈영시킨 후 사미, 피해립을 제거하여 현미립을 준비하였다.
데이터처리
50e)의 standard normal variance와 detrend 기능을 이용한 시료 입도차이에서 발생하는 스펙트럼 산란현상 보정, 수학적 처리, 회귀분석과 같은 일련의 연속적 처리과정을 거쳐 검량식 작성에 사용되었다. 수학적 처리는 1,4,4,1 (1st derivative, 4 ㎚ gap, 4 point smooth, 1 pointsecond smooth)을 사용하였으며, 회귀분석은 검량식 작성과 동시에 cross validation결과를 얻을 수 있는 modified partial least squares (MPLS)법을 사용하였다. 습식분석값과 NIRS 측정값의 통계적 해석과 상관관계분석은 WINISI Ⅲ project manager의 global equation 기능을 사용하여 예측모델을 개발 하였으며, 개발된 예측모델 중 습식분석값을 가장 잘 예측할 수 있는 최적 예측모델은 RSQ (R2 ), Standard error of calibration (SEC), Standard error of prediction (SEP), Slope, Bias, Standard error of cross-validation (SECV) 및 One minus the ratio of unexplained variance to total variance (1-VR) 등의 통계치를 고려하여 선별하였다.
이론/모형
이후 분쇄기로 약 2분간 분쇄하여 균일한 현미가루 상태로 만든 후 NIRS를 이용하여 현미시료의 아밀로스함량과 단백질 함량을 측정하였다. 수분함량 분석은 곡류 및 곡류제품-수분함 량측정(산업통상자원부 국가기술표준원, 표준번호: KS H ISO 712)기준을 참조하여 130℃ 온도조건에서 수분측정기(Shimadzu, Japan)를 사용하여 시료의 수분을 측정하였고, 이들 준비된 현미시료들은 13℃ 저온저장고에 보관하여 수분함량 14% 이하 상태로 시험에 사용하였다.
성능/효과
NIRS로 측정된 자원들의 함량 분포그래프와 함수를 이용한 정규분포를 비교한 결과 완전히 일치하지는 않지만 상호 유사도가 매우 높아 통계적 분석이 가능할 것으로 판단되었다. 벼 유전자원은 약 3만 자원으로 전체 자원을 하나의 자료형식으로 볼 수 없으므로 통계적 표현이 필요하였고, 아밀로스, 단백질 성분을 기반으로 전체자원의 분포를 파악할 수 있었다. 이들 자원에 대한 실시간 정보제공은 프로그래밍을 통해 이루어져야할 것으로 사료된다.
, 1994). 이상의 결과들을 종합해 볼때 개발된 최적 NIRS 예측모델은 기존의 습식분석에 의한 성분 분석 결과와 높은 상관도를 가지며, 분석정확도 또한 큰 차이가 없는 것으로 나타났다. 개발된 NIRS 예측모델은 습식 분석에 소요되는 시간과 경비를 절감하여 대량의 벼 유전자원 에 대한 신속한 이화학적 특성 분석에 적용 가능할 것으로 사료 된다.
후속연구
이들 자원에 대한 실시간 정보제공은 프로그래밍을 통해 이루어져야할 것으로 사료된다. 따라서 통계적 절차에 의한 분석정보 결과는 computer programming software를 개발하는데 기초자료로 활용될 수 있을 것으로 판단된다.
이상의 결과들을 종합해 볼때 개발된 최적 NIRS 예측모델은 기존의 습식분석에 의한 성분 분석 결과와 높은 상관도를 가지며, 분석정확도 또한 큰 차이가 없는 것으로 나타났다. 개발된 NIRS 예측모델은 습식 분석에 소요되는 시간과 경비를 절감하여 대량의 벼 유전자원 에 대한 신속한 이화학적 특성 분석에 적용 가능할 것으로 사료 된다.
질의응답
핵심어
질문
논문에서 추출한 답변
벼란 무엇인가?
벼는 아시아 지역에서 생산과 소비의 대부분이 이뤄지고 있으며, 중국과 인도는 주요 쌀 생산국으로 전 세계 생산량의 50% 이상을 차지한다(Oh et al., 2016; Peng et al.
군 집들 간의 특성을 상호 비교하고 차별 유무를 파악하기 위하여 어떤 연구가 진행되었는가?
, 2018). 해안 사구에 자생하는 식물에 존재하는 폴리페놀, 플라보노이드 함량과 항산화 활성 비교(Kim and Cha, 2017), 콩류의 이소플라본 함량과 항산화활성 및 혈전용해 활성 비 교(Oh et al., 2002), 작물의 생장과 환경요인 상호간의 영향 평가(Lee et al., 2017; Nam et al., 2015) 비교 등의 통계분석 연구 가 보고되었다. 한국산 초롱꽃과의 약리작용(Kim and Kang, 2018), 국내산 버섯의 영양성분 함량 및 항산화 활성(Lee et al.
근적외선 분광법의 장점은?
근적외선 분광법(NIRS)는 대량의 시료를 복잡한 전처리 과정 없이 다양한 성분을 빠른 시간 내 분석이 가능하다는 장점이 있어 다양한 농작물 품질평가방법에 적용되고 있다(Kim et al., 2008a, 2008b; Song et al.
이 논문을 인용한 문헌
저자의 다른 논문 :
연구과제 타임라인
LOADING...
LOADING...
LOADING...
LOADING...
LOADING...
활용도 분석정보
상세보기
다운로드
내보내기
활용도 Top5 논문
해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다. 더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.