[논문]인삼(人蔘)과 홍삼(紅蔘)의 네트워크 약리학적 분석 결과 비교

박소현; 이병호; 진명호; 조수인

doi:10.14374/hfs.2020.28.3.243

인삼(人蔘)과 홍삼(紅蔘)의 네트워크 약리학적 분석 결과 비교
Comparison of network pharmacology based analysis on White Ginseng and Red Ginseng 원문보기

大韓韓醫學方劑學會誌 = Herbal formula science, v.28 no.3, 2020년, pp.243 - 254

박소현 (부산대학교 한의학전문대학원) , 이병호 (인주한방병원) , 진명호 (동의대학교 한의과대학) , 조수인 (부산대학교 한의학전문대학원)

Abstract ▼ AI-Helper

Objectives : Network pharmacology analysis is commonly used to investigate the synergies and potential mechanisms of multiple compounds by analyzing complex, multi-layered networks. We used TCMSP and BATMAN-TCM databases to compare results of network pharmacological analysis between White Ginseng(WG) and Red Ginseng(RG). Methods : WG and RG were compared with components and their target molecules using TCMSP database, and compound-target-pathway/disease networks were compared using BATMAN-TCM database. Results : Through TCMSP, 104 kinds of target molecules were derived from WG and 38 kinds were derived from RG. Using the BATMAN-TCM database, target pathways and diseases were screened, and more target pathways and diseases were screened compared to RG due to the high composition of WG ingredients. Analysis of component-target-pathway/disease network using network analysis tools provided by BATMAN-TCM showed that WG formed more networks than RG. Conclusions : Network pharmacology analysis can be effectively performed using various databases used in system biology research, and although the materials that have been reported in the past can be used efficiently for research on diseases related to targets, the results are unreliable if prior studies are focused on limited or narrow research areas.

주제어

표/그림 (7)

표 Table 1. List of compounds selected as potential bioactive compound from White Ginseng(WG) through the TCMSP database.
표 Table 2. List of compounds selected as potential bioactive compound from Red Ginseng(RG) through the TCMSP database.
그림 Fig. 1. Comparison of compound-target networks of WG(A) and RG(B).
그림 Fig. 2. KEGG pathway enrichment analyses.
그림 Fig. 3. Therapeutic target disease(TTD) enrichment analyses.
그림 Fig. 4. Comparison of compound-target-pathway/disease networks of WG(A) and RG(B).
그림 Fig. 5. Simplified compound-target-pathway/disease networks of WG.

AI 본문요약
AI-Helper

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

문제 정의

. 본 연구에서는 人蔘과 紅蔘을 대상으로 각각 네트워크 약리학적 분석을 통해 의약품으로서의 차별성과 紅蔘의 특이 성분으로 인한 응용 가능성 여부를 확인하고자 하였다.
최근 저자들은 人蔘과 紅蔘을 특정 동물 질환 모델에 사용하여 그 효능의 차이를 탐색하고 있으며, 네트워크 약리학 분석 결과가 저자들이 사용하고자 하는 동물 모델에서 의미있는 결과들을 보일 수 있을 것인지 예측하는 도구의 하나로 본 연구를 수행하였다. 이러한 분석을 진행하는 과정에서 네트워크 약리학 분석법이 가지는 장점과 단점을 확인할 수 있었으며, 그 결과를 보고하는 바이다.
최근 저자들은 人蔘과 紅蔘을 특정 동물 질환 모델에 사용하여 그 효능의 차이를 탐색하고 있으며, 네트워크 약리학 분석 결과가 저자들이 사용하고자 하는 동물 모델에서 의미있는 결과들을 보일 수 있을 것인지 예측하는 도구의 하나로 본 연구를 수행하였다. 이러한 분석을 진행하는 과정에서 네트워크 약리학 분석법이 가지는 장점과 단점을 확인할 수 있었으며, 그 결과를 보고하는 바이다.

제안 방법

여러 연구논문에서 사용하고 있는 중의학과 관련된 연구용 데이터베이스인 Traditional Chinese Medicine Systems Pharmacology(TCMSP)14)에서 人蔘과 紅蔘각각의 구성 화합물을 확인하였으며, 각 화합물의 흡수, 분포, 대사 및 배설의(ADME) 특성을 고려하여oral bioavailability(OB), drug likeness(DL), Caco-2 투과성의 3종 매개 변수를 사용하여 잠재적 활성 화합물을 선별하였다.
BATMAN-TCM 데이터베이스로부터 人蔘 및 紅蔘이 작용할 것으로 기대되는 타겟 질환들을 선별하여보았다. 통계적으로 유의한 타겟 질환들만을 선별한 결과, 人蔘으로부터는 21종의 질환이(Fig.
. TCMSP에서는 위 매개 변수들의 임계값으로 각각 OB≧30%, DL≧0.18, Caco-2≧0을 권장하고 있으며, 저자들 역시 위 수치에 근거하여 이 조건을 모두 충족하는 성분들을 활성 화합물로 선정하였으며¹⁴⁾, 선별된 잠재적 활성 화합물과 타겟 사이의 네트워크는 연구용 공개 프로그램인 Cytoscape(version3.8.0)를 사용하여 도식화하였다.
人蔘과 紅蔘을 TCMSP 및 BATMAN-TCM 데이터베이스를 활용하여 구성 성분, 타겟 분자, pathway, 타겟 질환 등을 네트워크 약리학 분석법을 활용하여 비교하여 아래와 같은 결론을 얻었다.
앞에서 얻어진 人蔘과 紅蔘의 구성 성분, 타겟 분자, pathway, 질환 등을 종합적으로 관찰하기 위하여 구성성분-타겟 분자 네트워크, 타겟 분자-pathway 네트워크, 타겟 분자-타겟 질환 네트워크를 각각 구성하고 이를 하나의 네트워크로 나타내어 보았다(Fig. 4). 구성 성분-타겟 분자의 연결이 4개 이상 되는 것들을 대상으로 표현하였는데 人蔘의 경우 여전히 많은 네트워크가 형성된데 비해(Fig.
연구 결과를 도식화하여 전체적인 분석 결과를 쉽게 이해할 수 있도록 성분-타겟-질환 등의 네트워크를 도출하고 이들 중 人蔘과 紅蔘의 구성 성분과 많은 네트워크를 형성하여 향후 연구에 적용할 수 있는 후보 질환군을 선정할 수 있도록 하였다. 여기에서는 BATMAN-TCM에서 자체적으로 제공하고 있는 네트워크 생성 도구를 이용하였으며, 타겟들의 상호작용 임계수치들을 조절하여 人蔘과 紅蔘의 네트워크 형성에 차이가 있는지 여부를 쉽게 알 수 있도록 하였고, 이러한 기능을 이용하여 人蔘과 紅蔘의 타겟 질환에 차이가 있는지 여부도 확인하였다.
연구 결과를 도식화하여 전체적인 분석 결과를 쉽게 이해할 수 있도록 성분-타겟-질환 등의 네트워크를 도출하고 이들 중 人蔘과 紅蔘의 구성 성분과 많은 네트워크를 형성하여 향후 연구에 적용할 수 있는 후보 질환군을 선정할 수 있도록 하였다. 여기에서는 BATMAN-TCM에서 자체적으로 제공하고 있는 네트워크 생성 도구를 이용하였으며, 타겟들의 상호작용 임계수치들을 조절하여 人蔘과 紅蔘의 네트워크 형성에 차이가 있는지 여부를 쉽게 알 수 있도록 하였고, 이러한 기능을 이용하여 人蔘과 紅蔘의 타겟 질환에 차이가 있는지 여부도 확인하였다.
위에서와 같이 人蔘과 紅蔘을 2개의 네트워크 약리학 데이터베이스를 활용하여 타겟 등을 확인하여 보았고 효과를 나타낼 수 있을 것으로 예측되는 질환도 선별하여 보았다. 전체적으로는 구성 성분에 관한 연구가 많이 진행되었고 또 데이터메이스에 많은 자료들이 입력되어 있는 人蔘이 그렇지 못한 紅蔘에 비해 많은 활성 물질들이 있을 것으로 추측되었으며 이로 인해 타겟 분자도 훨씬 다양하고 많은 것으로 나타났다.
BATMAN-TCM에서는 人蔘과 紅蔘을 키워드로 이들의 구성 성분들을 확인하고 이러한 성분들이 작용하는 여러 질환들의 pathway를 도출하고 통계적으로 의미 있는 pathway를 선별하였다. 이러한 pathway의 선별 과정에 BATMAN-TCM 데이터베이스에서 Kyoto Encyclopedia of Genes and Genomes(KEGG)와 연동하여 제공하고 있는 자료들을 활용하여 pathway 순위를 결정하여 도식화하였다. 타겟 질환에 대해서도 마찬가지로 의미 있는 질환을 대상으로 순위를 결정하였다.

대상 데이터

Beta-sitosterol과 kaempferol은 16종의 타겟을 공유하는데 apoptosis regulator들인 BAX, Bcl-2 및 caspase-3 뿐만 아니라 prostaglandin G/Hsynthase 1과 prostaglandin G/H synthase 2와 같은 타겟을 공유한다(Fig. 1A, 1B). 이러한 타겟들은 종양, 면역 및 염증 반응에 관여하는 분자들로 위 두 물질이 가지는 여러 타겟에서 이러한 병리 기전에 관여되어 있는 분자들이 많이 포함되어 있는데, 이는 기존 연구 결과들이 종양과 염증에 관한 연구가 대다수였는데 따른 것으로 추측된다.
TCMSP 데이터베이스를 활용하여 선별된 人蔘의 잠재적 활성 성분은 모두 20종 이었으나 타겟 단백질이 없는 5개 물질을 제외하면 15개 성분이 최종 선별되었으며, 紅蔘으로부터는 2개 성분만이 선별되었다. 각기 선별된 물질과 이 물질이 작용하는 타겟 사이의 네트워크를 구성한 결과 人蔘 15개의 구성 성분들은 모두 104종의 타겟에 작용하였으며 이 중 kaempferol이 63개의 타겟에 작용하여 가장 많은 타겟을 가지는 것으로 분석되었다(Fig.
1B). 人蔘과 紅蔘이 공통으로 가지는 타겟은 38개로 분석되었는데 이는 beta-sitosterol을 두 약재가 공통으로 함유하고 있는데서 기인한 것이다.
1A). 紅蔘 2종의 성분들은 모두 38종의 타겟에 작용하였으며 이 중 beta-sitisterol이 38개로 가장 많은 타겟을 가지고 있었다(Fig. 1B). 人蔘과 紅蔘이 공통으로 가지는 타겟은 38개로 분석되었는데 이는 beta-sitosterol을 두 약재가 공통으로 함유하고 있는데서 기인한 것이다.
이러한 pathway의 선별 과정에 BATMAN-TCM 데이터베이스에서 Kyoto Encyclopedia of Genes and Genomes(KEGG)와 연동하여 제공하고 있는 자료들을 활용하여 pathway 순위를 결정하여 도식화하였다. 타겟 질환에 대해서도 마찬가지로 의미 있는 질환을 대상으로 순위를 결정하였다.

성능/효과

1. 중의학과 관련된 시스템 생물학 데이터베이스인 TCMSP를 통해 타겟을 가지는 물질들을 선별하여 人蔘에서는 15종, 紅蔘에서는 2종의 후보 물질을 선별하였으며, 이 중 beta-sitosterol을 공통으로 포함하고 있었다.
2. TCMSP를 활용하여 선별된 물질이 작용할 것으로 예측되는 타겟 분자들과의 네트워크를 분석한 결과 人蔘에서는 104종의 타겟 분자를, 紅蔘에서는38종의 타겟 분자를 도출하였으며, 人蔘과 紅蔘이공통으로 가지는 타겟 분자는 모두 38종이었는데 이 중 종양 및 염증에 관여하는 분자들이 다수 포함되어 있었다.
3. BATMAN-TCM 데이터베이스를 활용하여 타겟 pathway 및 질환들을 선별하여 보았는데, 人蔘의구성 성분이 많은 이유로 인해 紅蔘에 비해 많은 타겟 pathway와 질환들이 선별되었다.
4. BATMAN-TCM에서 제공하는 네트워크 분석 도구를 이용하여 성분-타겟-pathway/질환 네트워크를 분석한 결과 人蔘이 紅蔘보다 많은 네트워크를 형성하였으며, 타겟 질환도 더 다양한 것으로 나타났다.
99. DL은0.04로 선별 조건을 만족하지 못하였으며, 紅蔘에 특이적으로 존재하는 물질 중 하나인 진세노시드 Rg2의 경우 분자량은 785.14, OB는 8.32%, CaCo-2는-1.84, DL은 0.25로 역시 선별 조건을 충족하지 못한 것으로 나타났다.
TCMSP 데이터베이스를 통해 人蔘의 190종의 성분이 확인되었으며, 여기에 ADME 파라미터를 적용하여 추출한 성분은 20종이었다. 이중 타겟 정보가 없는 성분이 5종이었으므로 최종적으로 성분-타겟 네트워크 분석에 사용될 수 있는 성분은 15종이었다(Table 1).
人蔘과 紅蔘에서 공통으로 선별된 활성 물질은 beta-sitosterol 하나였으며 나머지 성분들은 人蔘과 紅蔘에서 각기 달리 선별되었다. 人蔘에서 선별된 성분 중타겟 정보가 없는 물질들은 chrysanthemaxanthin, celabenzine, gomisin B, malkangunin, ginsenoside Rg5_qt 등으로 확인되었으며, 紅蔘에서 선별된 성분중 타겟 정보가 없는 물질은 (6Z,10E,14E,18E)-2,6,10,15,19,23-hexamethyltetracosa-2,6,10,14,18,22-hexaene이었다.
人蔘의 성분-타겟-pathway/질환 네트워크를 조금 더 단순하게 구현하기 위하여 타겟 분자의 상호작용 갯수를 20개 이상으로 제한하였을 때는 통증과 관련되는 2개의 질환과 심부전 외에 혈관질환이 상위에 랭크되는 것을 확인할 수 있었다(Fig. 5).
TCMSP 데이터베이스를 활용하여 선별된 人蔘의 잠재적 활성 성분은 모두 20종 이었으나 타겟 단백질이 없는 5개 물질을 제외하면 15개 성분이 최종 선별되었으며, 紅蔘으로부터는 2개 성분만이 선별되었다. 각기 선별된 물질과 이 물질이 작용하는 타겟 사이의 네트워크를 구성한 결과 人蔘 15개의 구성 성분들은 모두 104종의 타겟에 작용하였으며 이 중 kaempferol이 63개의 타겟에 작용하여 가장 많은 타겟을 가지는 것으로 분석되었다(Fig. 1A). 紅蔘 2종의 성분들은 모두 38종의 타겟에 작용하였으며 이 중 beta-sitisterol이 38개로 가장 많은 타겟을 가지고 있었다(Fig.
05) 값을 보이는 타겟 pathway들을 확인하여 보았다. 그 결과 人蔘 성분들로부터는47종의 기전이(Fig. 2A), 紅蔘 성분들로부터는 14종의 기전이 선별되었다(Fig. 2B). 이러한 양적 차이는 최초에 선별된 人蔘과 紅蔘의 성분의 차이에 기인한 것으로 데이터베이스에서 어떠한 형태로 자료를 제공하느냐에 따라 다양한 결과들이 나타난다는 것을 알 수 있다.
본 연구에 나타내지는 않았지만 BATMAN-TCM에서 확인된 人蔘 성분은 293종, 紅蔘 성분은 9종이었는데, 이 중 紅蔘의 성분으로 선별된 9종은 진세노시드 Rb2, Rf, Rb1, Rg1, Re, Rd, Rh2, Rc, beta-elemene 등이었다. 이러한 성분들을 이용하여 통계적으로 유의한(P<0.
이상과 같이 비록 제한적이기는 하지만 TCMSP와 BATMAN-TCM 데이터베이스를 활용하여 人蔘과 紅蔘의 네트워크 약리학 분석을 수행하였으며, 그 결과 기존 데이터베이스에는 人蔘이 紅蔘보다 다양한 성분의 활성 연구가 많이 수행된 이유로 인해 타겟 분자 및 질환들이 다양하게 나타났음을 확인할 수 있었다
이중 타겟 정보가 없는 성분이 5종이었으므로 최종적으로 성분-타겟 네트워크 분석에 사용될 수 있는 성분은 15종이었다(Table 1). 이에 비해 紅蔘의 구성 성분은 모두 74종, 여기서 ADME 파라미터를 적용하여 추출한 성분은 3종이었으며, 이 중 타겟 정보가 없는 성분이 1종이었으므로 최종적으로 성분-타겟 네트워크 분석에 사용될 수 있는 성분은 2종이었다(Table 2).
TCMSP 데이터베이스를 통해 人蔘의 190종의 성분이 확인되었으며, 여기에 ADME 파라미터를 적용하여 추출한 성분은 20종이었다. 이중 타겟 정보가 없는 성분이 5종이었으므로 최종적으로 성분-타겟 네트워크 분석에 사용될 수 있는 성분은 15종이었다(Table 1). 이에 비해 紅蔘의 구성 성분은 모두 74종, 여기서 ADME 파라미터를 적용하여 추출한 성분은 3종이었으며, 이 중 타겟 정보가 없는 성분이 1종이었으므로 최종적으로 성분-타겟 네트워크 분석에 사용될 수 있는 성분은 2종이었다(Table 2).
위에서와 같이 人蔘과 紅蔘을 2개의 네트워크 약리학 데이터베이스를 활용하여 타겟 등을 확인하여 보았고 효과를 나타낼 수 있을 것으로 예측되는 질환도 선별하여 보았다. 전체적으로는 구성 성분에 관한 연구가 많이 진행되었고 또 데이터메이스에 많은 자료들이 입력되어 있는 人蔘이 그렇지 못한 紅蔘에 비해 많은 활성 물질들이 있을 것으로 추측되었으며 이로 인해 타겟 분자도 훨씬 다양하고 많은 것으로 나타났다. 또한 타겟 질환의 종류 역시 훨씬 많이 도출되었는데 최상위에 랭크되는 질환은 비슷한 것으로 분석되었다.
BATMAN-TCM 데이터베이스로부터 人蔘 및 紅蔘이 작용할 것으로 기대되는 타겟 질환들을 선별하여보았다. 통계적으로 유의한 타겟 질환들만을 선별한 결과, 人蔘으로부터는 21종의 질환이(Fig. 3A), 紅蔘 성분들로부터는 15종의 질환이 선별되었으며(Fig. 3B), 이 중 통증과 관련 있는 2개의 질환이 동일한 타겟으로 선별되었다. 특이한 점은 人蔘의 대상 타겟질환들은 통계적으로 유의한 차이들이 확인되지만 紅蔘으로부터 선별된 질환들은 동일한 유의확율을 나타내고 있다.

후속연구

6. 따라서 동물 실험 또는 임상 연구를 통해 도출된 다양한 결과들을 참고하여 네트워크 약리학 연구결과들을 분석할 필요가 있다.
, 다양한 진세노시드들을 더욱 많이 함유한 제품과 의약품들이 개발된다 하더라도 현재와 같은 복용법으로 활성을 나타내기는 쉽지 않을 것으로 생각된다. 구강 복용에 의한 흡수율을 높이기 위해 人蔘 및 紅蔘의 발효 제품들도 속속 개발되고 있는데 이러한 노력들도 지속되어야 할 것이다.
또한 기존에 많은 연구 결과들이 데이터베이스에 입력되어 있다 하더라도 시험관내 실험 또는 효소 반응만을 활용한 활성 연구들이 주를 이룬다면 실제 생체에서 나타날 수 있는 반응들을 정확히 예측하는 것을 불가능할 것으로 보인다. 따라서 향후 네트워크 약리학 분석법을 활용하여 한약 자원의 타겟 및 질환을 예측할 경우에 단순한 시스템 생물학 데이터베이스뿐만 아니라 실제 동물 실험 또는 임상 연구를 통해 도출된 결과들을 참고하여 네트워크 약리학 분석 결과를 해석하는 것이 합리적일 것으로 판단된다.
그러나 본 연구에서와 같이 약리 활성이 기대되는 특이 성분들이 존재하는 紅蔘의 경우 아직 관련 연구가 부족한 경우에 있어서는 네트워크 약리학 분석에 활용할 수 있는 기본 자료의 부족으로 타겟 및 질환을 효율적으로 예측하기는 어려울 것으로 생각된다. 또한 기존에 많은 연구 결과들이 데이터베이스에 입력되어 있다 하더라도 시험관내 실험 또는 효소 반응만을 활용한 활성 연구들이 주를 이룬다면 실제 생체에서 나타날 수 있는 반응들을 정확히 예측하는 것을 불가능할 것으로 보인다. 따라서 향후 네트워크 약리학 분석법을 활용하여 한약 자원의 타겟 및 질환을 예측할 경우에 단순한 시스템 생물학 데이터베이스뿐만 아니라 실제 동물 실험 또는 임상 연구를 통해 도출된 결과들을 참고하여 네트워크 약리학 분석 결과를 해석하는 것이 합리적일 것으로 판단된다.
하지만 네트워크 약리학 분석 결과를 보면 紅蔘의 활성 물질들이 人蔘보다 적은 것으로 나타나는데 이는 아직 紅蔘의 성분들에 대한 다양한 투여 경로와 활성에 대한 연구가 부족한데 기인한 것으로 추측된다. 즉 ADME를 고려한 잠재적 활성 물질의 선별에 참고할만한 기초연구 결과들이 아직은 제한적이므로 紅蔘 특유의 물질들에 대한 연구결과들이 다양하게 보고된 이후에 네트워크 약리학 분석을 시행한다면 그 결과는 다르게 나타날 수도 있을 것이다.
. 특히 중국의 여러 기관에서 제공하고 있는 데이터베이스를 기반으로 개별 한약재, 복합 처방뿐만 아니라 한약재에 함유되어 있는 단일 성분을 활용한 질병 관련 표적 유전자의 예측과 임상응용 가능성 등이 연구되고 있으며, 우리나라의 한의학연구원에서 제공하고　있는 전통의학정보포털과 특허청에서 제공하고 있는 한국전통지식포탈을 활용하여 연구하고자 하는 처방 및 구성 약재와 각 약재의 구성 성분을 확인하여 네트워크 약리학 연구에 활용할 수 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	한의학에서 인삼의 뿌리를 일컫는 말은?	A. Meyer)은 두릅나무과(Araliaceae)에 속한 다년생 초본으로, 한의학에서는 이 식물의 뿌리를 한약재로 人蔘(Ginseng Radix)이라 칭하여 인삼의 가공 방법 중 원형이 그대로 유지되는 1차 가공 과정에서 白蔘 즉 人蔘(Ginseng Radix, White Ginseng, WG)과 紅蔘(Ginseng Radix Rubra, Red Ginseng, RG)이라는 한약재로 각기 의약품으로 유통되고 있으며, 기타 가공 과정을 거쳐 다양한 분말 제품과 음료의 형태로 많은 제품들이 개발 및 시판되고 있다1-3).
	인삼이란?	A. Meyer)은 두릅나무과(Araliaceae)에 속한 다년생 초본으로, 한의학에서는 이 식물의 뿌리를 한약재로 人蔘(Ginseng Radix)이라 칭하여 인삼의 가공 방법 중 원형이 그대로 유지되는 1차 가공 과정에서 白蔘 즉 人蔘(Ginseng Radix, White Ginseng, WG)과 紅蔘(Ginseng Radix Rubra, Red Ginseng, RG)이라는 한약재로 각기 의약품으로 유통되고 있으며, 기타 가공 과정을 거쳐 다양한 분말 제품과 음료의 형태로 많은 제품들이 개발 및 시판되고 있다1-3).
	인삼이 백삼이나 홍삼으로 일컬어지는 과정은?	人蔘은 白蔘으로도 불리는데 제조 과정이 세척, 박피, 건조 등의 공정을 거치는 도중 약재의 색이 흰색을 많이 띠게 되므로 白蔘으로 불리며, 人蔘 또는 水蔘을 세척, 훈증, 1차 건조, 숙성, 2차 건조, 성형 등의 과정을 거치는 동안 붉은 색을 띠게 되므로 紅蔘이라 일컬어진다1,6). 이와 같이 紅蔘은 열처리와 건조과정을 거쳐 제조된 제품으로 가공 과정을 거치는 동안 여러 효소들의 불활성화에 의한 품질의 안정성과저장성이 좋아진다는 점 이외에도 일부 성분들의 화학적으로 변화하게 되어 水蔘과 人蔘에는 존재하지 않았던 새로운 성분들이 생성되고 이러한 성분들 중 일부는 생리 및 약리 활성을 가지는 것으로 지속적으로 보고되고 있다6).

참고문헌 (19)

Jung MY, Jeon BS, Bock JY. Free, esterified, and insoluble-bound phenolic acids in white and red Korean ginsengs (Panax ginseng C.A. Meyer). Food Chem. 2002;79(1):105-11.

상세보기
Lee MR, Yun BS, In OH, Sung CK. Comparative study of Korean white, red, and black ginseng extract on cholinesterase inhibitory activity and cholinergic function. J Ginseng Res. 2011;35(4):421-8.

원문보기 상세보기
Xiao D, Xiu Y, Yue H, Sun X, Zhao H, Liu S. A comparative study on chemical composition of total saponins extracted from fermented and white ginseng under the effect of macrophage phagocytotic function. J Ginseng Res. 2017;41(3):379-85.

원문보기 상세보기
Ministry of Food and Drug Safety. The Korean Pharmacopoeia. Accessed April 22, 2020, available from:URL: https://nedrug.mfds. go.kr/ekphome.
Herbal Medicine Resources Research Center, Korea Institute of Oriental Medicine. Accessed April 22, 2020, available from:URL: https://oasis. kiom.re.kr/herblib/hminfo.
Han JS, Lee GS, Tak HS, Kim JS, Ra WJ, Choi JE. Change of neutral ginsenoside contents in red and fresh ginseng(Panax ginseng C. A. Meyer) by hydrolysis. Kor J Med Crop Sci. 2014;22(1):23-31.

원문보기 상세보기
Geng J, Fu W, Yu X, Lu Z, Liu Y, Sun M, Yu P, Li X, Fu L, Xu H, Sui D. Ginsenoside Rg3 alleviates ox-LDL induced endothelial dysfunction and prevents atherosclerosis in ApoE(-/-) mice by regulating PPAR-gamma/FAK signaling pathway. Front Pharmacol. 2020;11:500.

상세보기
Zhu Y, Zhu C, Yang H, Deng J, Fan D. Protective effect of ginsenoside Rg5 against kidney injury via inhibition of NLRP3 inflammasome activation and the MAPK signaling pathway in high-fat diet/streptozotocininduced diabetic mice. Pharmacol Res. 2020;155:104746.

상세보기
Mathiyalagan R, Wang C, Kim YJ, Castro-Aceituno V, Ahn S, Subramaniyam S, Simu SY, Jimanez-Parez ZE, Yang DC, Jung SK. Preparation of polyethylene glycol-ginsenoside Rh1 and Rh2 conjugates and their efficacy against lung cancer and inflammation. Molecules. 2019; 24(23):4367. doi: 10.3390/molecules24234367.

상세보기
Ramesh T, Kim S, Hwang S, Sohn S, Yoo S, Kim S. Panax ginseng reduces oxidative stress and restores antioxidant capacity in aged rats. Nutr Res. 2012;32(9):718-26.

상세보기
Gui Y, Ryu G. Effects of extrusion cooking on physicochemical properties of white and red ginseng (powder). J Ginseng Res. 2014; 38(2):146-53.

원문보기 상세보기
Lee AY, Chun JM. Prediction of efficacy of the compounds and atherosclerosis target gene in Yijin-tang based on network pharmacology. Korean Herb Med Inf. 2017;5(3):31-42.
Yang L, Liu W, Hu Z, Yang M, Li J, Fan X, Pan H. A systems pharmacology approach for identifying the multiple mechanisms of action of the Wei Pi Xiao decoction for the treatment of gastric precancerous lesions. Evid Based Complement Alternat Med. 2019;2019:1562707.

상세보기
Lab of Systems Pharmacology. TCMSP: Traditional Chinese Medicine Systems Pharmacology Database and Analysis Platform. Accessed April 22, 2020, available from:URL:http://lsp.nwsuaf.edu.cn/tcmsp.php.
Beijing Proteome Research Center. BATMANTCM: Bioinformatics Analysis Tool for Molecular mechANism of Traditional Chinese Medicine. Accessed April 22, 2020, available from:URL: http://bionet.ncpsb.org/batman-tcm/index.php/Home/Index/index.
Cheng Y, Chen Y, Li J, Qu H, Zhao Y, Wen C, Zhou Y. Dietary beta-sitosterol improves growth performance, meat quality, antioxidant status, and mitochondrial biogenesis of breast muscle in broilers. Animals. 2019; 9(3):71. doi: 10.3390/ani9030071.

상세보기
Yin Y, Liu X, Liu J, Cai E, Zhu H, Li H, Zhang L, Li P, Zhao Y. Beta-sitosterol and its derivatives repress lipopolysaccharide/ d-galactosamine-induced acute hepatic injury by inhibiting the oxidation and inflammation in mice. Bioorg Med Chem Lett. 2018;28(9): 1525-33.

상세보기
Zhao Y, Xu Y, Li Y, Jin Q, Sun J, E Z, Gao Q. Supplementation of kaempferol to in vitro maturation medium regulates oxidative stress and enhances subsequent embryonic development in vitro. Zygote. 2020;28(1):59-64.

상세보기
Hofer S, Geisler S, Lisandrelli R, Nguyen Ngoc H, Ganzera M, Schennach H, Fuchs D, Fuchs JE, Gostner JM, Kurz K. Pharmacological targets of kaempferol within inflammatory pathways-A hint towards the central role of tryptophan metabolism. Antioxidants. 2020;9(2):180. doi: 10.3390/antiox9020180.

상세보기

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