초록 ▼

생체 및 미생물 발효 시료와 같은 복합 혼합물 시료에는 다양한 생합성 과정에서 생성된 수많은 생리 활성이 큰 유기 대사 물질들이 존재한다. 현재 고성능 기체크로마토그래피를 이용하여 얻은 복합 시료의 유기 성분들의 프로파일 분석과 그의 패턴 인식을 통해서 신진대사 과정의 정상여부, 임상에서의 질병의 진단, 미생물의 분류 및 동정, 발효 식품의 품질 관리 등에 관한 분석 정보를 얻어내는 연구가 전 세계적으로 활발히 진행되고 있다. 본 연구에서는 복합 시료로부터 생리 활성이 큰 유기산과 아미노산 분획을 GC로 분석하여 얻은 GC프로

생체 및 미생물 발효 시료와 같은 복합 혼합물 시료에는 다양한 생합성 과정에서 생성된 수많은 생리 활성이 큰 유기 대사 물질들이 존재한다. 현재 고성능 기체크로마토그래피를 이용하여 얻은 복합 시료의 유기 성분들의 프로파일 분석과 그의 패턴 인식을 통해서 신진대사 과정의 정상여부, 임상에서의 질병의 진단, 미생물의 분류 및 동정, 발효 식품의 품질 관리 등에 관한 분석 정보를 얻어내는 연구가 전 세계적으로 활발히 진행되고 있다. 본 연구에서는 복합 시료로부터 생리 활성이 큰 유기산과 아미노산 분획을 GC로 분석하여 얻은 GC프로파일과 시료 자체의 특성 사이에 높은 상관 관계를 주는 패턴인식법을 확립하고자 했다. 유기산 그룹은 Chromosorb P를 사용한 고상추출법을 적용하여 분리농축한 후 tert.-butyldimethylsilyl (TBDMS) 유도체로 전환했다. 아미노산은 염기성 수용액에서 N(O,S)-isobutyloxycarbonyl (isoBOC) 유도체로 반응시킨 후 Chromosorb P를 사용해서 고상추출하고 TBDMS 유도체로 전환했다. 각 휘발성 유도체를 극성이 서로 다른 dual-capillary column dual channel GC 시스템에 의해서 분석한 후에 머무름지수 (Retention index ; I) 비교법에 의해서 각 성분을 동정하였고 GC-mass spectrometry에 의해서 구조를 확인하였다. GC프로파일을 PLOT 41 프로그램을 이용하여 선 그래프형의 간단한 I 스펙트럼으로 전환한 후 패턴인식법으로서의 유용성을 조사하였다. SAS프로그램을 이용한 단계별 판별 분석법을 통해서 얻어진 판별 변수 중에서 6 변수를 가지고 MS EXCEL 프로그램을 사용하여 스타 그래프로 표현하고 패턴인식법으로서의 유용성을 시험하였다. 또한 정준 판별 분석을 통한 군집 패턴의 유용성을 조사했다. 발효 식품으로서는 4종류의 치이즈, 4종류 김치, 간장, 4종류 차 시료, 미생물 균주 시료로서는 5종류의 효모균, 생체 시료로서는 10명의 비흡연자와 15명의 흡연자 뇨시료, 그리고 10명의 비흡연자와 43명의 흡연자 타액 시료에 유기산 프로파일링법을 적용하여 패턴인식을 시도하였을 때 각 시료내의 종류에 따른 유기산 패턴 차이를 확인하였고 군집 패턴도 뚜렷이 나타났다. 또한 4종류의 포도주 시료에는 아미노산 프로파일링법을 적용하고 패턴인식을 시도하였을 때 각 시료 내 종류에 따른 독특한 패턴 차이를 확인할 수 있었다. 본 연구에서 개발된 각 유기산, 아미노산 프로파일에 대한 패턴인식법은 식품 시료와 품질관리 및 개선, 품질 저하 여부 등의 판별, 그리고 미생물 균주 동정, 예방 의학적 차원에서 생리 대사 과정의 모니터링에 유용하게 활용될 수 있을 것으로 기대한다.

Abstract ▼

Complex samples such as body samples and microbial fermentation samples contain physiologically very active organic metabolites which are formed in the course of various biosynthetic reactions occurring in the living organisms. At present, studies on high resolution gas chromatographic (GC) profili

Complex samples such as body samples and microbial fermentation samples contain physiologically very active organic metabolites which are formed in the course of various biosynthetic reactions occurring in the living organisms. At present, studies on high resolution gas chromatographic (GC) profiling analysis of organic components present in complex samples combined with pattern recognition have been actively undertaken worldwide for monitoring of metabolic changes, clinical diagnosis of diseases, classification and identification of microbial strains and quality control and improvement of fermentation food products. In this research work, we attempted to establish pattern recognition methods for giving the best correlationship between characteristics of complex samples and their GC profiles of organic acids and amino acids. Organic acid fraction was solid-phase extracted using Chromosorb P, with subsequent conversion to tert.-butyldimethylsilyl (TBDMS) derivatives. Amino acid fraction was solid-phase extracted after reaction in alkaline solution to N(O,S)-isobutyloxycarbonyl (isoBOC) derivatives, followed by TBDMS derivatives. The resulting volatile derivatives were directly analyzed on dual-capillary columns of different polarity in dual-channel GC system. Each organic acid and amino acid was identified by retention index (I) matching and further confirmed by gas chromatography-mass spectrometry. GC profiles were then simplified to their corresponding I spectra in line graphical form using PLOT 41 program to test the usefulness of I spectral comparison as a simple pattern recognition method. The stepwise discriminant analysis on the GC profiles using SAS program were performed. And the star symbol graphs were drawn based on 6 discriminant variables using MS EXCEL program to test the usefulness of star graph expression as the rapid pattern redognition method. Canonical discriminant analysis was also carried out to test the usefulness of clustering as the easier pattern recognition method. When the organic acid profiling analysis combined with pattern recognition was applied to 4 kinds of cheese products, 4 kinds of Kimchi products, 4 kinds of soy sauces, and 4 kinds of tea products as the fermentation food products, microbial cell cultures from 5 yeast strains, urine samples from 10 nonsmokers and 15 smokers, and saliva samples from 10 nonsmokers and 43 smokers, distinct differences in organic acid patterns were observed among different kinds within each sample. Same pattern differences of amino acid profiles were found when the combined amino acid profiling and pattern recognition analysis was applied to 4 kinds of white wine. We expect that the present pattern recognition methods combined with the rapid organic acid and amino acid profiling will be useful for the quality control, and improvement of food products, and detection of their adulteration, identification of microbial strains, and physiological monitoring in preventive medicine.