[논문]반응표면분석법을 이용한 Lactobacillus paracasei SRCM201474의 생산배지 최적화

하광수; 김진원; 임수아; 신수진; 양희종; 정도연

doi:10.5352/jls.2020.30.6.522

반응표면분석법을 이용한 Lactobacillus paracasei SRCM201474의 생산배지 최적화
Application of Response Surface Methodology in Medium Optimization to Improve Lactic Acid Production by Lactobacillus paracasei SRCM201474 원문보기

생명과학회지 = Journal of life science, v.30 no.6, 2020년, pp.522 - 531

하광수 ((재)발효미생물산업진흥원) , 김진원 ((재)발효미생물산업진흥원) , 임수아 ((재)발효미생물산업진흥원) , 신수진 ((재)발효미생물산업진흥원) , 양희종 ((재)발효미생물산업진흥원) , 정도연 ((재)발효미생물산업진흥원)

초록
AI-Helper

본 연구는 반응표면분석법을 이용하여 L(+)형 젖산 생산향상을 위한 배지조성을 확립하기 위해 수행되었다. L(+)형 젖산을 선택적으로 고생산하는 것으로 알려진 9종의 Lactobacillus paracasei 균주를 전국에서 수집한 김치 시료로부터 선별하였으며, 젖산 생산량과 glucose로부터의 전환률 분석을 통하여 젖산 생산 배지 최적화를 수행하기 위한 균주로 SRCM201474를 선발하였다. 선택된 11개의 배지 조성 중 젖산 생산에 가장 큰 영향을 미치는 요인을 분석하기 위한 방법으로 Plack-Burman design (PBD)을 설계하였으며, 통계분석을 통해 탄소원으로는 glucose, sucrose, molasses, 질소원으로는 peptone을 최종 선정하였다. 젖산 생산 배지 최적화를 위한 각 변수들의 농도 최적화를 수행하기 위한 방법으로 반응표면분석법 중 적은 실험수로도 최적값을 산출할 수 있는 hybrid design 설계 하였다. 실험 모델에 의한 L. paracasei SRCM201474 균주를 이용한 젖산 생산배지 조성과 최적 농도는 glucose 15.48 g/l, sucrose 16.73 g/l, molasses 39.09 g/l, peptone 34.91 g/l로 나타났으며, 이때의 젖산 생산량은 33.38 g/l로 예측되었다. ANOVA 분석을 통해 가정된 실험 모델의 적합성과 유의성을 확인하였으며, 최종적으로 분석된 최적배지에서의 반복실험을 통한 젖산 생산량을 측정하여 모델에 의해 예측된 젖산생산량과 동일함을 검증하였다. 본 연구를 통해 L(+)형 젖산을 선택적으로 고생산하는 균주를 선발하였으며, 배지 최적화를 수행하여 생분해성 플라스틱 생산을 위한 산업적 젖산 생산에 적용할 수 있는 연구자료로 활용될 수 있을 것으로 판단된다.

Abstract ▼ AI-Helper

The aim of this study was to establish the optimal medium composition for enhancing L(+)-lactic acid (LLA) production using response surface methodology (RSM). Lactobacillus paracasei SRCM201474 was selected as the LLA producer by productivity analysis from nine candidates isolated from kimchi and identified by 16S rRNA gene sequencing. Plackett-Burman design was used to assess the effect of eleven media components on LLA production, including carbon (glucose, sucrose, molasses), nitrogen (yeast extract, peptone, tryptone, beef extract), and mineral (NaCl, K2HPO4, MgSO4, MnSO4) materials. Glucose, sucrose, molasses, and peptone were subsequently chosen as promising media for further optimization studies, and a hybrid design experiment was used to establish their optimal concentrations as glucose 15.48 g/l, sucrose 16.73 g/l, molasses 39.09 g/l, and peptone 34.91 g/l. The coefficient of determination of the equation derived from RSM regression for LLA production was mathematically reliable at 0.9969. At optimum parameters, 33.38 g/l of maximum LLA increased by 193% when compared with MRS broth as unoptimized medium (17.66 g/l). Our statistical model was confirmed by subsequent validation experiments. Increasing the performance of LLA-producing microorganisms and establishing an effective LLA fermentation process can be of particular benefit for bioplastic technologies and industrial applications.

주제어

표/그림 (10)

표 Table 1. Matrix of the Plackett-Burman design experiments on eleven variables with response values
그림 Fig. 1. Neighbor-joining phylogenetic tree constructed using 16S rRNA gene of L. paracasei SRCM201474.
표 Table 2. Results of lactic acid production and conversion rate from glucose by 10 isolates of L. paracasei strains in MRS medium
그림 Fig. 2. Time course profile of lactic acid production by L. paracasei SRCM201474 in MRS broth as unoptimized medium.
그림 Fig. 3. Main effect plot for each variable on lactic acid production by L. paracasei SRCM201474.
표 Table 3. ANOVA (analysis of variance) for the experimental parameters of Plackett-Burman design affecting lactic acid production
표 Table 4. Hybrid design quadratic polynomial model for lactic acid production an response values
표 Table 5. ANOVA for experimental results of the hybrid design (quadratic model)
그림 Fig. 4. The three-dimensional response surface plots of lactic acid production as predicted by the quadratic model.
그림 Fig. 5. Comparison of lactic acid production in different media, MRS (unoptimized medium) as well as comparing the model to experimental value.

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 전국에서 수집한 김치로부터 선택적으로 L(+)형의 젖산을 생산하는 것으로 알려진 젖산균을 분리, 동정 하여 선발하였으며, 통계학적 기법인 반응표면분석법을 이용 하여 젖산의 생산에 영향을 미치는 배지 성분을 조사하고 선별된 성분들의 젖산을 생산하기 위한 최적 농도를 설정하여 산업적 배지조건을 확립하고자 하였다.

제안 방법

20종의 김치 시료로부터 분리한 미생물의 16S rRNA 유전자 염기서열 분석결과 9종의 L(+)형 젖산을 선택적으로 생산 하는 것으로 알려진 Lactobacillus paracasei 균주를 분리하였으며, MRS 배지에서 48시간 배양하여 균주의 성장에 따른 젖산 생산량과 glucose 소비량을 분석하여 glucose로부터의 전환율을 분석하였다(Table 2). 48시간 배양액의 glucose 농도 분석 결과 9균주 모두 100%에 가까운 glucose 소비량을 보였으나 젖산 생산량과 균주 성장대비 젖산 생산량에서 차이를 보였으며, 9주 중 L.
PBD 통계분석 결과에 의해 11개 배지성분 중 젖산 생산에 가장 큰 영향을 미치는 요인으로 glucose, sucrose, molasses, peptone을 선정하였으며, 각 조성의 농도 최적화를 위한 방법 으로 적은 실험으로 추정 하고자하는 모든 항을 추정할 수있는 hybrid design [17]을 선택하여 설계하였다. 3개의 중심 점을 포함한 19개 실험구에 의한 반응값을 Table 4에 나타내었 으며, Design expert 12 program을 이용하여 각 독립변수와 반응값(Y, lactic acid g/l)에 대한 회귀방적식을 아래와 같이 예측하였다.
각 분리 균주를 동정하기 위해 27F forward primer (5’-AGAGTTTGATCCT GGCTCAG-3’)와 1492R reverse primer (5’-GGTTACCTTGTTACGA CTT-3’)를 이용하여 16S ribosomal DNA 서열을 증폭하였으며, Genbank의 database에등록된 표준균주들과 상동성을 분석하였다. Mega 7.0.26 program을 사용하여 근린결합법(neighbor joining method) [18] 을 기반으로 계통도를 분석하여 L(+)형의 젖산을 선택적으로 고생산하는 것으로 알려진 Lactobacillus paracasei 균주를 선별 하였다[23].
PBD 설계에 의한 실험결과를 통해 젖산 생산에 주효과를 나타내는 4개의 독립변수로 glucose, sucrose, molasses, peptone이 선별되었으며, 선별된 4개 변수들의 최적 농도를 분석 하기 위해 적은 실험수로도 추정하고자 하는 값을 분석할 수있는 통계학적 기법[17]인 hybrid design을 선택하여 실험 모형을 설계하였다. 선별된 4개의 각 독립변수 glucose (X₁), sucrose (X₂), molasses (X₃), peptone (X₄)을 -α, -1, 0, +1, +α의 5개의 수준으로 구성하였으며, 3개의 중심점 포함한 19개의 실험구를 설정하였다.
PBD 통계분석 결과에 의해 11개 배지성분 중 젖산 생산에 가장 큰 영향을 미치는 요인으로 glucose, sucrose, molasses, peptone을 선정하였으며, 각 조성의 농도 최적화를 위한 방법 으로 적은 실험으로 추정 하고자하는 모든 항을 추정할 수있는 hybrid design [17]을 선택하여 설계하였다. 3개의 중심 점을 포함한 19개 실험구에 의한 반응값을 Table 4에 나타내었 으며, Design expert 12 program을 이용하여 각 독립변수와 반응값(Y, lactic acid g/l)에 대한 회귀방적식을 아래와 같이 예측하였다.
각 분리 균주를 동정하기 위해 27F forward primer (5’-AGAGTTTGATCCT GGCTCAG-3’)와 1492R reverse primer (5’-GGTTACCTTGTTACGA CTT-3’)를 이용하여 16S ribosomal DNA 서열을 증폭하였으며, Genbank의 database에등록된 표준균주들과 상동성을 분석하였다.
각 젖산균 배양액을 13,000 rpm으로 10분간 원심분리하여 상등액을 얻었으며, 0.45 μm syringe filter (Sartorius, Gottingen, Gemany)를 통해 제균한 상등액을 HPLC분석에 사용하였다.
paracasei SRCM201474로 명명하였다. 계통분석을 위해 근린결합법을 사용하여 evolutionary distance를 추론하였 으며, bootstrap을 1,000회 시행하여 계통도의 신뢰도를 확보 하였다(Fig. 1). L.
반응표면분석법에 의해 산출된 이론적 젖산 생산량을 검증 하기 위해 실험모델에 의해 예측된 젖산 생산을 위한 최적 배지에 SRCM201474 균주를 접종하여 배양한 후 젖산 생산량을 측정하였다. 실제 최적조건하에서 3회 반복실험을 통한 젖산 생산량은 34.
2). 배양 32시간에 도달했을때 배양액 내의 glucose를 모두 소비하여 균주의 최고 성장과 젖산의 최대생산량을 나타내 SRCM201474를 이용한 젖산생산을 위한 배양시간을 32시간 으로 설정하였다.
Louis, MO, USA)가 포함된 MRS (Difco, Sparks, MD, USA) 배지에 도말하여 30℃ 배양기에서 48시간 배양하였다. 배지 위에 형성된 집락의 주변에 투명한 환이 형성된 콜로니를 형태학적 차이를 통해 선별하여 순수 분리하였다.
생물학적 공정을 이용한 젖산 이성질체의 형태, 생산량 및 순도는 젖산 생산을 위한 미생물 또는 원료에 따라 크게 달라질 수 있는 것으로 알려져 산업적 사용 목적에 따라 다양한 젖산균과 원료를 이용한 연구가 진행되고 있다[1, 3, 11, 13]. 본 연구에서는 L(+)형젖산을 선택적으로 고생산하는 것으로 알려진 L. paracasei 균주를 선별하였으며, 통계학적 분석법을 활용하여 젖산 생산을 위한 배지 최적화를 수행하였다. 향후 산업적 적용을 위한 배양 온도 및 pH 등의 물리적 요인에 대한 추가적인 연구가 진행 된다면 더 높은 젖산 생산이 가능할 것으로 판단된다.
최종선별 균주 SRCM201474를 이용한 젖산 생산에 영향을 미치는 배지성분을 선별하기 위해 방법으로 2개의 수준(+1, -1) 으로 주효과를 나타내는 성분을 선별할 수 있는 PlackettBurman design (PBD)를 사용하였다[9]. 본 연구에서는 Lactobacillus 속 미생물의 성장과 젖산 생산에 영향을 미치는 것으로 알려진 3개의 탄소원(glucose, sucrose, molasses), 4개의 질소원(yeast extract, peptone, tryptone, beef extract), 4개의 무기원소원(NaCl, K₂HPO₄ , MgSO₄ , MnSO₄)를 독립변수로 구성하였으며[3, 5, 20, 24], 각 성분의 고농도 수준(+1)과 저농도 수준(-1)으로 설정하여 독립변수별 젖산 생산에 미치는 영향을 산출하였다(Table 1). 각 실험구의 종속변수는 젖산 생산량(Y, g/l)을 설정하였으며, 실험계획과 통계분석에는 Design expert 12 (Stat-Ease, Inc.
젖산 생산량을 분석하기 위한 column으로는 Aminex HPX-87H (Bio-Rad, California, USA)를 사용했으며, column 온도는 50℃로 설정하였다. 이동상으로는 5 mM sulfuric acid를 0.6 ml/min의 유속으로 흘려주었으며, 자외선-가시광선 검출기(Agilent 1200 UV-Vis Detector, Agilent, USA)를 사용하여 검출하였다.
이에 따라 11개의 배지성분 중 3개의 탄소원으로 선정한 탄소원(glucose, sucrose, molasses)은 중심값으로부터 높은 수준과 낮은 수준을 5±3 g/l로, 질소원 (yeast extract, peptone, tryptone, beef extract)는 4±2 g/l로, 무기원소원(NaCl, K2HPO4, MgSO4, MnSO4)는 0.3±0.2 g/l로설정하여 통계학적 기법으로 PBD를 설계하여 각 독립변수의 젖산생산에 미치는 영향을 분석하였다.
젖산 생산 배지최적화를 수행하기 위해 최종 선발된 SRCM 201474 균주의 배양시간에 따른 젖산 생산과 균주 성장을 조사하기 위해 MRS 액체배지 100 ml에 접종하여 48시간 동안 30 ℃, 150 rpm 진탕배양기에서 배양하였으며, 4시간마다 배양액을 회수하였다. SRCM201474는 배양 8시간까지 급격히 성장하는 대수기를 지나 8시간 이후 점차 성장이 느려져 24시간부터 정지기에 도달하는 것으로 나타났으며, 균주가 성장함에 따라 젖산 생산량도 증가하는 것으로 나타났다(Fig.
05보다 높아 적합성결여 결과가 유의하지 않으므로 실험모델이 회귀모 형을 설명하는데 적합하다고 판단되었다[10]. 젖산 생산을 위한 배지조성으로 선별된 glucose, sucrose, molasses, peptone 의 교호 효과를 분석하기 위해 3차원 반응표면도를 구하여각 독립변수와 젖산 생산 사이의 상호관계를 평가하였다(Fig.4). 설정범위 내에서 젖산 생산에 가장 큰 영향을 미치는 변수는 peptone이었으며, peptone과 molasses의 농도가 높아질수록 젖산 생산량이 증가하는 결과를 얻었다.
젖산 생산의 배지조성 최적화를 위한 젖산 고생산균주로 최종 선별한 Lactobacillus paracasei SRCM201474 균주를 100ml의 MRS 액체배지에 전배양액 1%를 접종하여 48시간 동안 진탕배양기에서 30℃, 150 rpm으로 배양하였으며, 4시간마다 배양액을 회수하여 생균수와 glucose 소비량 및 젖산 생산량을 조사하였다. 배양 시간별 배양액 내의 glucose 소비량을 측정하기 위한 HPLC column으로 ZORBAX carbohydrate column (Agilent, USA)을 사용하였으며, column oven은 30℃ 로 설정하였다.
젖산균 분리를 위한 시료로 전국에서 김치 20종을 수집하였 으며, Bang 등의 방법[2]을 응용하여 수집한 김치 시료 1 g을 9 ml의 0.85% NaCl 용액에 현탁하여 단계희석하고, 각 희석액 100 μl을 0.5% calcium carbonate (sigma-aldrich, St. Louis, MO, USA)가 포함된 MRS (Difco, Sparks, MD, USA) 배지에 도말하여 30℃ 배양기에서 48시간 배양하였다.
젖산균은 Embden-Meyerhof 경로(EM or EMP pathway)를통해 glucose를 이용하여 젖산을 생산하는 것으로 알려져[16] 있으므로, 계통분석을 통해 L(+)형 젖산을 고생산하는 것으로 알려진[22, 23] 9종의 Lactobacillus paracasei 균주를 탄소원으로 glucose를 포함하고 있는 MRS 액체배지에 접종하여 진탕배 양기에서 30℃, 150 rpm으로 48시간 동안 배양하였다. 각 젖산균 배양액을 13,000 rpm으로 10분간 원심분리하여 상등액을 얻었으며, 0.

대상 데이터

20종의 김치 시료로부터 0.5% calcium carbonate가 포함된 MRS 배지에서 투명한 환을 형성하는 균주 121주를 선별하였다.
3에 나타내었다. 각 독립변수들의 영향 및 모델 계수와 같은 통계분석 결과는 Table 3에 나타내었으며, 통계분석 결과를 바탕으로 젖산 생산에 가장 큰 영향을 미치는 배지 조성으로 glucose (X₁, 99.06%), sucrose (X₂, 99.68%), molasses (X₃, 99.64%), peptone (X₅, 99.49%)을 선별하였다. 일반적으로 젖산균은 EM 경로를 통해 젖산을 생산하기 위한 탄소원으로 glucose를 이용하며 [16], sucrose와 peptone은 Lactobacillus 속 미생물을 이용하여 젖산 생산을 위한 배지조성으로 큰 영향을 미치는 것으로 보고된 바 있다[3, 24].
선별된 4개의 각 독립변수 glucose (X1), sucrose (X2), molasses (X3), peptone (X4)을 -α, -1, 0, +1, +α의 5개의 수준으로 구성하였으며, 3개의 중심점 포함한 19개의 실험구를 설정하였다.

데이터처리

본 연구에서는 Lactobacillus 속 미생물의 성장과 젖산 생산에 영향을 미치는 것으로 알려진 3개의 탄소원(glucose, sucrose, molasses), 4개의 질소원(yeast extract, peptone, tryptone, beef extract), 4개의 무기원소원(NaCl, K₂HPO₄ , MgSO₄ , MnSO₄)를 독립변수로 구성하였으며[3, 5, 20, 24], 각 성분의 고농도 수준(+1)과 저농도 수준(-1)으로 설정하여 독립변수별 젖산 생산에 미치는 영향을 산출하였다(Table 1). 각 실험구의 종속변수는 젖산 생산량(Y, g/l)을 설정하였으며, 실험계획과 통계분석에는 Design expert 12 (Stat-Ease, Inc., Minneapolis, MN, USA) program 을 사용하였다.
와 β0는각각 독립변수와 상수계수를, βi, βii, βij는 각 독립변수간의 상호작용 계수를 나타낸다[7]. 회귀분석에 의해 산출된 식은 Design expert 12 program을 이용하여 예측하였으며, 분산분 석을 통해 실험모델의 통계적 유의성을 검정하고 젖산의 최대 생산을 위한 4개의 독립변수들의 최적 농도를 예측하였다.

이론/모형

최종선별 균주 SRCM201474를 이용한 젖산 생산에 영향을 미치는 배지성분을 선별하기 위해 방법으로 2개의 수준(+1, -1) 으로 주효과를 나타내는 성분을 선별할 수 있는 PlackettBurman design (PBD)를 사용하였다[9]. 본 연구에서는 Lactobacillus 속 미생물의 성장과 젖산 생산에 영향을 미치는 것으로 알려진 3개의 탄소원(glucose, sucrose, molasses), 4개의 질소원(yeast extract, peptone, tryptone, beef extract), 4개의 무기원소원(NaCl, K₂HPO₄ , MgSO₄ , MnSO₄)를 독립변수로 구성하였으며[3, 5, 20, 24], 각 성분의 고농도 수준(+1)과 저농도 수준(-1)으로 설정하여 독립변수별 젖산 생산에 미치는 영향을 산출하였다(Table 1).

성능/효과

1,505 bp의 SRCM201474 균주의 16S ribosomal DNA 유전자 염기서열 분석결과를 GenBank에 등록된 표준균주들의 염기서열과 비교한 결과 L. paracasei strain R094, L. paracasei strain NBRC 15889 균주와 각각 99.93%, 99.87%의 상동성을 보여 L. paracasei SRCM201474로 명명하였다. 계통분석을 위해 근린결합법을 사용하여 evolutionary distance를 추론하였 으며, bootstrap을 1,000회 시행하여 계통도의 신뢰도를 확보 하였다(Fig.
20종의 김치 시료로부터 분리한 미생물의 16S rRNA 유전자 염기서열 분석결과 9종의 L(+)형 젖산을 선택적으로 생산 하는 것으로 알려진 Lactobacillus paracasei 균주를 분리하였으며, MRS 배지에서 48시간 배양하여 균주의 성장에 따른 젖산 생산량과 glucose 소비량을 분석하여 glucose로부터의 전환율을 분석하였다(Table 2). 48시간 배양액의 glucose 농도 분석 결과 9균주 모두 100%에 가까운 glucose 소비량을 보였으나 젖산 생산량과 균주 성장대비 젖산 생산량에서 차이를 보였으며, 9주 중 L. paracasei SRCM201474 균주가 젖산 생산량 및 glucose로부터의 전환율, 성장대비 생산량이 가장 우수한 것으로 나타났다. 이는 같은 Lactobacillus paracasei 종이라도 유전체의 크기와 보유한 plasmid의 수가 달라 유전학적 특성이 다를 수 있으며, 배지조성 등의 성장환경에 따라 성장의 차이가 나타나기 때문으로 판단된다[21].
젖산 생산 배지최적화를 수행하기 위해 최종 선발된 SRCM 201474 균주의 배양시간에 따른 젖산 생산과 균주 성장을 조사하기 위해 MRS 액체배지 100 ml에 접종하여 48시간 동안 30 ℃, 150 rpm 진탕배양기에서 배양하였으며, 4시간마다 배양액을 회수하였다. SRCM201474는 배양 8시간까지 급격히 성장하는 대수기를 지나 8시간 이후 점차 성장이 느려져 24시간부터 정지기에 도달하는 것으로 나타났으며, 균주가 성장함에 따라 젖산 생산량도 증가하는 것으로 나타났다(Fig. 2). 배양 32시간에 도달했을때 배양액 내의 glucose를 모두 소비하여 균주의 최고 성장과 젖산의 최대생산량을 나타내 SRCM201474를 이용한 젖산생산을 위한 배양시간을 32시간 으로 설정하였다.
설정범위 내에서 젖산 생산에 가장 큰 영향을 미치는 변수는 peptone이었으며, peptone과 molasses의 농도가 높아질수록 젖산 생산량이 증가하는 결과를 얻었다. 반응표면분석법으로 예측된 정상점을 안장점(saddle point)으로 젖산 최대 생산 량을 예상한 결과 33.38 g/l로 분석되었으며, 이때의 각 배지조 성별 농도는 glucose 15.48 g/l, sucrose 16.73 g/l, molasses 38.09 g/l, peptone 34.91 g/l로 나타났다.
9969로 실험모형의 적합도를 아주 잘 만족하는 것으로 나타났다(Table 5). 본 연구에서는 회귀방적식을 검정하기 위한 방법으로 적합 성결여(lack of fit)를 사용하고 있으며, 적합성결여의 p-value 가 0.5250으로 나타나 유의성을 판단하는 기준인 0.05보다 높아 적합성결여 결과가 유의하지 않으므로 실험모델이 회귀모 형을 설명하는데 적합하다고 판단되었다[10]. 젖산 생산을 위한 배지조성으로 선별된 glucose, sucrose, molasses, peptone 의 교호 효과를 분석하기 위해 3차원 반응표면도를 구하여각 독립변수와 젖산 생산 사이의 상호관계를 평가하였다(Fig.
분산분석 결과 가정된 모델의 Prob>F 값이 0.0003으로 높은 유의성을 나타내었으며, 결정계수(R-square) 값이 0.9969로 실험모형의 적합도를 아주 잘 만족하는 것으로 나타났다(Table 5).
4). 설정범위 내에서 젖산 생산에 가장 큰 영향을 미치는 변수는 peptone이었으며, peptone과 molasses의 농도가 높아질수록 젖산 생산량이 증가하는 결과를 얻었다. 반응표면분석법으로 예측된 정상점을 안장점(saddle point)으로 젖산 최대 생산 량을 예상한 결과 33.
실제 최적조건하에서 3회 반복실험을 통한 젖산 생산량은 34.03±0.97 g/l로 이론적 예측값인 33.38 g/l와매우 유사함을 확인하였으며, 이는 대조구로 사용된 MRS에서 얻어진 농도의 193%의 증가를 보였다(Fig. 5).

후속연구

paracasei 균주를 선별하였으며, 통계학적 분석법을 활용하여 젖산 생산을 위한 배지 최적화를 수행하였다. 향후 산업적 적용을 위한 배양 온도 및 pH 등의 물리적 요인에 대한 추가적인 연구가 진행 된다면 더 높은 젖산 생산이 가능할 것으로 판단된다.

참고문헌 (25)

Ahn, S. J., Cayetano, R. D., Kim, T. H. and Kim, J. S. 2015. Lactic acid production from hydrolysate of pretreated cellulosic biomass by Lactobacillus rhamnosus. Kor. Chem. Eng. Res. 53, 1-5.

원문보기 상세보기
Bang, J. H., Shin, H. J., Choi, H. J., Kim, D. W., Ahn, C. S., Jeong, Y. K. and Joo, W. H. 2012. Probiotic potential Lactobacillus isolates. J. Life Sci. 22, 251-258.

원문보기 상세보기
Chauhan, K. T. and Patel, K. C. 2006. Application of response surface methodology for optimization of lactic acid production using date juice. J. Microbiol. Biotechnol. 16, 1410-1415.

원문보기 상세보기
Choi, J. I., Lee, H. S., Choi, S. K., Kim, J. H., Kim, J. K., Misawa, N., Byun, M. W. and Lee, J. W. 2009. Optimization of medium for axtaxanthin production by Paracoccus sp. using response surface methodology. KSBB J. 24, 321-326.
Dumbrepatil, A., Adsul, M., Chaudhari, S., Khire, J. and Gokhale, D. 2008. Utilization of molasses sugar for lactic acid production by Lactobacillus delbrueckii subsp. delbreuckii mutant Uc-3 in batch fermentation. Appl. Environ. Microbiol. 74, 333-335.

상세보기
Ewaschuk, J. B., Naylor, J. M. and Zello, G. A. 2005. D-lactate in human and ruminant metabolism. J. Nutr. 135, 1619-1625.

상세보기
Ha, G. S., Shin, S. J., Jeong, S. Y., Yang, H. Y., Im, S. A., Heo, J. H., Yang, H. J. and Jeong, D. Y. 2019. Optimization of medium components using response surface methodology for cost-effective mannitol production by Leuconostoc mesenteroides SRCM201425. J. Life Sci. 29, 861-870.
Ha, G. S., Yang, H. J., Jeong, S. J., Ryu, M. S., Kim, J. W., Yang, H. Y., Shin, S. J., Im, S. A., Seo, J. W., Jeong, S. Y. and Jeong, D. Y. 2018. Medium optimization for enhanced growth of Bacillus subtilis SRCM102046 possessing antibacterial activity using response-surface methodology. Kor. J. Food Preserv. 25, 613-624.

상세보기
Jeong, S. J., Yang, H. J., Ryu, M. S., Seo, J. W., Jeong, S. Y. and Jeong, D. Y. 2018. Statistical optimization of culture conditions of probiotic Lactobacillus brevis SBB07 for enhanced cell growth. J. Life Sci. 28, 577-586.
Kim, D. S. and Park, Y. S. 2014. Optimization of gas mixing- circulation plasma process using design of experiments. J. Environ. Sci. Int. 23, 359-368.

원문보기 상세보기
Kim, K. A., Kim, M. G., Jang, K. L. and Jun, H. K. 2003. Production of L-lactic acid from soluble starch by Enterococcus sp. JA-27. J. Microbiol. Biotechnol. 31, 250-256.
Lee, K. W., Park, H. S. and Kim, Y. H. 2010. Crystalization behavior and thermal property of poly(D-lactic acid-b-L-lactic acid). Text. Sci. Eng. 47, 406-413.
Mirdamadi, S., Sadeghi, H., Sharafi, N., Fallahpour, M., Mohseni, F. A. and Bakhtiari, M. R. 2002. Comparison of lactic acid isomers produced by fungal and bacterial strains. Iran. Biomed. J. 6, 69-75.
Moon, S. K., Wee, Y. J. and Choi, G. W. 2012. A novel lactic acid bacterium for the production of high purity L-lactic acid, Lactobacillus paracasei subsp. paracasei CHB2121. J. Biosci. Bioeng. 114, 155-159.

상세보기
Oh, E. J., Yang, J. A., Yang, S. Y., Kim, J. K. and Han, S. K. 2007. Drug delivery system for protein drugs. Polym. Korea 18, 444-449.
Papagianni, M. 2012. Metabolic engineering of lactic acid bacteria for the production of industrially important compounds. Comput. Struct. Biotechnol. J. 3, e201210003.

상세보기
Roquemore, K. G. 1976. Hybrid designs for quadratic response surfaces. Technometrics 18, 419-423.

상세보기
Saitou, N. and Nei, M. 1987. The neighbor-joining method: a new method for reconstructing phylogenetic trees. Mol. Biol. Evol. 4, 406-425.

상세보기
Sim, H. S. and Kim, M. D. 2015. Characteristics of lactic acid production by Lactobacillus buchneri isolated from Kimchi. Microbiol. Biotechnol. Lett. 43, 286-290.

원문보기 상세보기
Srivastava, A. K., Tripathi, A. D., Jha, A., Poonia, A. and Sharma, N. 2015. Production, optimization and characterization of lactic acid by Lactobacillus delbrueckii NCIM 2025 from utilizing agro-industrial byproduct (cane molasses). J. Food Sci. Technol. 52, 3571-3578.

상세보기
Stefanovic, E. and McAuliffe, O. 2018. Comparative genomic and metabolic analysis of three Lactobacillus paracasei cheese isolates reveals considerable genomic differences in strains from the same niche. BMC Genomics 19, 205.

상세보기
Vijayakumar, J., Aravindan, R. and Viruthagiri, T. 2008. Recent trends in the production, purification and application of lactic acid. Chem. Biochem. Eng. Q. 22, 245-264.

상세보기
Vodnar, D. C., Venus, J., Schnelder, R. and Socaclu, C. 2010. Lactic acid production by Lactobacillus paracasei 168 in discontinuous fermentation using lucerne green juice as nutrient substitute. Chem. Eng. Technol. 33, 468-474.

상세보기
Wee, Y. J., Kim, J. N., Yun, J. S., Park, D. H., Kim, D. M. and Ryu, H. W. 2004. Fed-batch culture of Enterococcus faecalis RKY1 for L(+)-lactic acid production. Kor. J. Biotechnol. Bioeng. 19, 410-414.
Yun, J. S., Moon, S. K., Wee, Y. J. and Ryu, H. W. 2003. Biotechnological production and industrial applications of lactic acid. KSBB J. 4, 64-68.

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

연합인증