• 생명과학회지
• /
• 제18권11호
• /
• pp.1592-1599
• /
• 2008

$\beta$-Lactam계 항생물질에 강한 내성을 가지는 균주 Bacillus sp. J105가 생산하는 $\beta$-lactamase의 유전자를 E. coli DH5$\alpha$에 cloning하였다. Cosmid vector pLAFR3을 이용하여, Sau3AI 으로 부분 분해한 chromosomal DNA와 BamHI으로 처리한 pLAFR3을 ligation하였다. In vitro packaging kit를 사용하여 E. coli에 형질도입 하였으며 $\beta$-lactamase양성 clone주를 획득하였다. 이 recombinant plasmid ($\beta$-lac+)를 pACYC184 (4.2kb) vector를 사용하여 subcloning 하여 최종 $\beta$-lactamase의 활성이 있는 6.4 kb 단편이 포함된 pKL11${\Delta}4.6$을 제작하였다. 이 단편을 DNA 염기서열을 분석한 결과 309개의 아미노산으로 구성된 $\beta$-lactamase를 코딩하는 927 bp를 포함하고 있었다. 클로닝된 $\beta$-lactamase 유전자의 upstream을 포함하는 170 bp의 염기서열을 분석한 결과, B. thuringinesis와 B. cereus 유래의 $\beta$-lactamase 유전자의 upstream 부위와 97%의 일치를 보였다. 본 연구에서 클로닝된 $\beta$-lactamase의 아미노산을 서열을 NCBI BLAST program을 이용하여 분석해 본 결과 B. thuringinesis와 B. cereus의 $\beta$-lactamase와 각각 97%와 94%의 일치를 보였다. 또한 계통도 분석 결과 역시 본 연구에서 클로닝된 $\beta$-lactamase의 아미노산을 서열은 B. thuringinesis와 B. cereus 와 유전학적으로 아주 밀접한 관계를 보여주었다. 이 pKL11-${\Delta}4.6$를 E. coli에서 형질전환 시켜 발현 양상을 조사해 본 결과 $\beta$-lactamase의 secretion efficiency는 약 $4{\sim}5%$％였다. E. coli의 세포 내 단백질로부터 $\beta$-lactamase를 정제하여 분자량을 확인한 결과 31 kDa로 wild type의 분자량과 일치함을 확인하였다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.669-681
• /
• 2023

과일 나무의 생육을 평가하는 중요한 지표인 엽록소 함량을 추정하는데 비교적 많은 노동력의 투입이 요구되고 오랜 시간이 소요되는 기존의 파괴 조사 대신 비파괴적 조사 방식인 원격탐사기술을 적용하기 위한 연구가 시도되고 있다. 이 연구에서는 2년(2021, 2022) 간 무인기 기반의 초분광 영상을 이용하여 배나무 잎의 엽록소 함량을 비파괴적으로 추정하는 연구를 수행하였다. 영상 처리로 추출된 배나무 캐노피(canopy)의 단일 band 반사율은 시간 변화에 따라 불안정한 복사 효과를 최소화하기 위해 밴드비화(band rationing) 되었다. 밴드비(band ratios)를 입력 변수로 머신러닝 알고리즘인 elastic-net, k-nearest neighbors (KNN)과 support vector machine을 사용하여 추정(calibration, validation) 모델들을 개발하였다. Full band ratios 기반 추정 모델들의 성능과 비교하여 계산 비용 절감과 재현성 향상에 유리한 key band ratios를 선정하였다. 결과적으로 모든 머신러닝 모델에서 full band ratios를 이용한 calibration에 coefficient of determination (R²)≥0.67, root mean squared error (RMSE)≤1.22 ㎍/cm², relative error (RE)≤17.9%)와 validation에 R²≥0.56, RMSE≤1.41 ㎍/cm², RE≤20.7% 성능을 비교하였을 때, key band ratios 네 개가 선정되었다. 머신러닝 모델들 사이에 validation 성능에는 비교적 큰 차이가 없어 calibration 성능이 가장 높았던 KNN 모델을 기준으로 삼았으며, 그 key band ratios는 710/714, 718/722, 754/758, 758/762 nm가 선정되었다. Calibration에서 R²=0.80, RMSE=0.94 ㎍/cm², RE=13.9%와 validation에서 R²=0.57, RMSE=1.40 ㎍/cm², RE=20.5%를 나타내었다. Validation의 기준으로 한 성능 결과는 배나무 잎 엽록소 함량을 추정하기에 충분하지 않았지만, 앞으로의 연구에 기준이 될 key band ratios를 선정했다는 것에 의미가 있다. 추후 연구에서는 추정 성능을 향상하기 위해 지속적으로 추가 데이터세트를 확보하여 선정된 key band ratios의 신뢰성 검증과 함께 실제 과원에 재현 가능한 추정 모델로 고도화할 필요가 있다.