• 한국미생물·생명공학회지
• /
• 제48권2호
• /
• pp.205-214
• /
• 2020

남세균은 수계나 토양 생태계에서 질소 고정 능력으로 인해 질소순환 과정에 중요한 역할을 하는 미생물로 다양한 산업분야에서 활용될 수 있는 유용 물질을 생산할 수 있다. 또한 일부 종은 수생태계에서 유해조류 번성을 일으켜 수자원의 이용을 제한한다. 일반적으로 생물소재은행은 관련 연구를 위해 남세균 배양주를 제공하는 역할을 한다. 하지만 국내 생물소재은행에서는 남세균의 체계적인 보존이 미비한 실정이다. 본 연구에서는 국내에서 분리한 Trichormus variabilis (syn. Anabaena variabilis)를 대상으로 알긴산 마이크로캡슐을 이용한 동결보존기술을 개발하였다. 동결보존제만 사용하는 일반 동결보존법과 세포를 마이크로캡슐에 포집한 후 동결보존제를 혼합하는 두 가지 방법으로 실험을 수행하였고 각각의 효율을 비교하였다. T. variabilis 동결보존 후 35일간 재배양하여 세포수를 비교한 결과 두 가지 동결보존법 모두 재생에 성공하였으며, 초기 농도 1.0 × 10⁵ cells에서 마이크로캡슐 방법은 6.7 × 10⁶ cells로, 일반 동결 보존법은 1.1 × 10⁷ cells로 증가되었다. 또한 배양 14일 후 T. variabilis 세포의 부정형 형태를 발견하였다. 세포 소기관을 관찰하기 위해 투과전자현미경(TEM) 분석을 하였고 lacunae와 lipid body의 크기가 줄어든 것을 확인하였다. 세포 형태와 관련된 mreB 유전자가 동결보존 전에 비해 동결 보존 후 발현량이 54.7%로 감소된 것을 확인하였다. 본 연구결과를 통해 향후 사상성 남조류에 대하여 보존제와 마이크로캡슐을 이용한 동결보존이 가능할 것으로 기대된다.

• 생태와환경
• /
• 제56권3호
• /
• pp.268-279
• /
• 2023

근래에 들어, 머신러닝과 딥러닝 모델은 다양한 수체 내 수질변화를 예측하기 위해 광범위하게 사용되고 있다. 특히, 담수호의 물 이용과 수생태계 건강성에 위협 요인으로 작용할 수 있는 유해남조의 발생을 예측하기 위해 많은 연구자들이 인공지능 모델을 활용하고 있다. 따라서, 본 연구에서는 최근까지 유해남조의 발생을 예측하기 위해 적용된 인공지능 모델링의 선행 연구들을 검토하였고, 딥러닝을 포함하여 머신러닝 모델을 이용한 이 분야 연구의 발전방향을 모색하고자 하였다. 먼저, Elsevier의 초록 인용 데이터베이스인 Scopus를 활용하여 체계적인 문헌 연구를 수행하였다. 주요 키워드를 이용하여 탐색 및 정리된 문헌들을 리뷰한 결과, 딥러닝 모델은 주로 남조 세포수 예측에만 사용되었고, 머신러닝 모델은 남조 세포수 이외에 microcystin, geosmin, 2-MIB와 같은 대사물질 예측에도 초점을 맞추고 있었다. 또한, 남조 세포수와 대사물질의 예측을 위해 활용된 입력변수들은 현저한 차이가 있었다. 남조의 대사물질을 예측하기 위해 딥러닝 모델이 적용된 바가 없었는데, 향후 빅데이터 구축을 통한 대사물질을 예측하는 연구가 필요할 것으로 사료된다.