• 한국초지조사료학회지
• /
• 제26권1호
• /
• pp.53-62
• /
• 2006

본 연구는 시료 및 스펙트럼의 전처리 방법이 근적외선 분광법을 이용한 옥수수 사일리지의 화학적 조성분의 예측능력에 미치는 영향을 평가하기 위해 수행되었다. 시료의 전처리 방법은 건조하여 분쇄하는 방법(Oven Dried Grinding), 액화 질소처리 후 분쇄하는 방법(Liquid Nitrogen Grinding) 그리고 생사일리지(Intact Fresh)처리로 하였으며 4개의 스펙트럼의 수처리(1,4,4, 2,6,4, 2,10,5) 방법을 이용하여 다변량회귀분석법인 변형부분최소자승회귀법(MPLS)을 통해 검량식을 작성하였다. 시료의 전처리 방법에 의해서 유도된 검량식의 예측 능력은 섬유소 성분(NDF, ADF)과 일반 조성분(CP, Ash) 모두에서 Oven dried grinding (ODG) > Liquid nitrogen grinding (LNG)>Intact fresh (IF) 처리 순으로 우수하였다. 또한 스펙트럼의 수처리 방법에 의한 결과는 시료의 전처리 방법에 따라 그 예측 능력이 다르게 나타났다. 옥수수 사일리지의 섬유소 함량을 예측하기 위한 최적의 시료 전처리 및 스펙트럼 수처리 방법은 NDF는 ODG 처리에 2,10,5 수처리 방법 $(R^2=0.86)$, ADF는 ODG 처리에 2,10,5 수처리 방법 $(R^2v=0.93)$이 가장 우수한 전처리 방법으로 나타났다. 조단백질 함량과 조회분 함량을 측정하기 위한 최적의 시료 전처리 및 스펙트럼 수처리 방법은 조단백질은 ODG 처리에 1,4,4 수처리 방법$(R^2v,=0.91)$, 조회분은 ODG 처리에 2,10,5 수처리 방법$(R^2v=0.89)$이 가장 우수한 전처리 방법으로 판단된다. 이상의 연구 결과를 종합해보면 근적외선 분광법을 이용한 사일리지의 화학적 조성분 함량 측정은 적은 오차 범위 내에서 신속하고 정확한 분석법이 될 수 있음을 확인 할 수 있었다. 비록 원물 생시료(IF)에 대한 직접적인 측정은 다소 예측 정확성이 떨어지지만 현장 적용성과 편리성을 높이기 위해서는 생시료의 측정시 오차를 줄일 수 있는 스펙트럼의 수처리 방법이나 산란보정 방법과 같은 데이터 처리기법에 대한 더 많은 연구가 앞으로 진행되어야 한다고 생각되어진다.

• 한국근적외분광분석학회:학술대회논문집
• /
• 한국근적외분광분석학회 2001년도 NIR-2001
• /
• pp.1153-1153
• /
• 2001

Directive 79/373/EEC on the marketing of compound feeding stuffs, provided far a flexible declaration arrangement confined to the indication of the feed materials without stating their quantity and the possibility was retained to declare categories of feed materials instead of declaring the feed materials themselves. However, the BSE (Bovine Spongiform Encephalopathy) and the dioxin crisis have demonstrated the inadequacy of the current provisions and the need of detailed qualitative and quantitative information. On 10 January 2000 the Commission submitted to the Council a proposal for a Directive related to the marketing of compound feeding stuffs and the Council adopted a Common Position (EC N$^{\circ}$/2001) published at the Official Journal of the European Communities of 2. 2. 2001. According to the EC (EC N$^{\circ}$ 6/2001) the feeds material contained in compound feeding stufs intended for animals other than pets must be declared according to their percentage by weight, by descending order of weight and within the following brackets (I :< 30%; II :> 15 to 30%; III :> 5 to 15%; IV : 2% to 5%; V: < 2%). For practical reasons, it shall be allowed that the declarations of feed materials included in the compound feeding stuffs are provided on an ad hoc label or accompanying document. However, documents alone will not be sufficient to restore public confidence on the animal feed industry. The objective of the present work is to obtain calibration equations fur the instanteneous and simultaneous prediction of the chemical composition and the percentage of ingredients of unground compound feeding stuffs. A total of 287 samples of unground compound feeds marketed in Spain were scanned in a FOSS-NIR Systems 6500 monochromator using a rectangular cup with a quartz window (16 $\times$ 3.5 cm). Calibration equations were obtained for the prediction of moisture ($R^2$= 0.84, SECV = 0.54), crude protein ($R^2$= 0.96, SECV = 0.75), fat ($R^2$= 0.86, SECV = 0.54), crude fiber ($R^2$= 0.97, SECV = 0.63) and ashes ($R^2$= 0.86, SECV = 0.83). The sane set of spectroscopic data was used to predict the ingredient composition of the compound feeds. The preliminary results show that NIRS has an excellent ability ($r^2$$\geq$ 0, 9; RPD $\geq$ 3) for the prediction of the percentage of inclusion of alfalfa, sunflower meal, gluten meal, sugar beet pulp, palm meal, poultry meal, total meat meal (meat and bone meal and poultry meal) and whey. Other equations with a good predictive performance ($R^2$$\geq$0, 7; 2$\leq$RPD$\leq$3) were the obtained for the prediction of soya bean meal, corn, molasses, animal fat and lupin meal. The equations obtained for the prediction of other constituents (barley, bran, rice, manioc, meat and bone meal, fish meal, calcium carbonate, ammonium clorure and salt have an accuracy enough to fulfill the requirements layed down by the Common Position (EC Nº 6/2001). NIRS technology should be considered as an essential tool in food Safety Programs.

• 한국근적외분광분석학회:학술대회논문집
• /
• 한국근적외분광분석학회 2001년도 NIR-2001
• /
• pp.1031-1031
• /
• 2001

The mammary gland is made up of remarkably sensitive tissue, which has the capability of producing a large volume of secretion, milk, under normal or healthy conditions. When bacteria enter the gland and establish an infection (mastitis), inflammation is initiated accompanied by an influx of white cells from the blood stream, by altered secretory function, and changes in the volume and composition of secretion. Cell numbers in milk are closely associated with inflammation and udder health. These somatic cell counts (SCC) are accepted as the international standard measurement of milk quality in dairy and for mastitis diagnosis. NIR Spectra of unhomogenized composite milk samples from 14 cows (healthy and mastitic), 7days after parturition and during the next 30 days of lactation were measured. Different multivariate analysis techniques were used to diagnose the disease at very early stage and determine how the spectral properties of milk vary with its composition and animal health. PLS model for prediction of somatic cell count (SCC) based on NIR milk spectra was made. The best accuracy of determination for the 1100-2500nm range was found using smoothed absorbance data and 10 PLS factors. The standard error of prediction for independent validation set of samples was 0.382, correlation coefficient 0.854 and the variation coefficient 7.63%. It has been found that SCC determination by NIR milk spectra was indirect and based on the related changes in milk composition. From the spectral changes, we learned that when mastitis occurred, the most significant factors that simultaneously influenced milk spectra were alteration of milk proteins and changes in ionic concentration of milk. It was consistent with the results we obtained further when applied 2DCOS. Two-dimensional correlation analysis of NIR milk spectra was done to assess the changes in milk composition, which occur when somatic cell count (SCC) levels vary. The synchronous correlation map revealed that when SCC increases, protein levels increase while water and lactose levels decrease. Results from the analysis of the asynchronous plot indicated that changes in water and fat absorptions occur before other milk components. In addition, the technique was used to assess the changes in milk during a period when SCC levels do not vary appreciably. Results indicated that milk components are in equilibrium and no appreciable change in a given component was seen with respect to another. This was found in both healthy and mastitic animals. However, milk components were found to vary with SCC content regardless of the range considered. This important finding demonstrates that 2-D correlation analysis may be used to track even subtle changes in milk composition in individual cows. To find out the right threshold for SCC when used for mastitis diagnosis at cow level, classification of milk samples was performed using soft independent modeling of class analogy (SIMCA) and different spectral data pretreatment. Two levels of SCC - 200 000 cells/$m\ell$ and 300 000 cells/$m\ell$, respectively, were set up and compared as thresholds to discriminate between healthy and mastitic cows. The best detection accuracy was found with 200 000 cells/$m\ell$ as threshold for mastitis and smoothed absorbance data: - 98% of the milk samples in the calibration set and 87% of the samples in the independent test set were correctly classified. When the spectral information was studied it was found that the successful mastitis diagnosis was based on reviling the spectral changes related to the corresponding changes in milk composition. NIRS combined with different ways of spectral data ruining can provide faster and nondestructive alternative to current methods for mastitis diagnosis and a new inside into disease understanding at molecular level.

• 한국식품저장유통학회지
• /
• 제19권1호
• /
• pp.95-103
• /
• 2012

본 연구는 원유의 실시간 휴대용품질측정 시스템 개발을 위한 기초 연구로서 원유 시료의 온도에 따른 가시광선-근적외선 스펙트럼을 측정하였으며, 다양한 수학적 전처리방법을 적용하여 유성분 예측모델을 개발하였다. 스펙트럼 측정은 원유 시료 180개에 대해 스펙트럼의 수학적 전처리 방법으로 평활화, 정규화, MSC, 1차 및 2차 미분을 사용하였고 예측모델은 부분최소자승법을 이용하였다. 유성분을 분석한 결과 함량 범위와 평균은 지방이 각각 2.44~6.42%, 4.05%, 단백질은 각각 2.44~4.28%, 3.35%, 무지고형분은 각각 7.85~9.57%, 8.76%로 나타났다. 또한 유당의 함량 범위와 평균은 각각 3.93~5.24%, 4.74%였으며 요소태질소의 경우에는 각각 4.6~15.1 mg/dl, 10.27 mg/dl로 대부분 권장 기준을 만족하였다. 원유 시료의 온도에 따른 스펙트럼은 1,400~2,500 nm에서 큰 차이를 보였으며 온도가 상승함에 따라 흡광도가 높아지는 것을 알 수 있었다. 원유 시료의 온도에 따른 유성분 예측모델을 400~2,500 nm의 영역에서 개발하였으며 예측성능은 지방과 무지고형분의 경우 온도변화와 무관하였다. 단백질과 유당, 요소태질소의 예측성능은 온도가 낮을수록 급격히 감소하여 스펙트럼 측정 시 원유 시료의 온도를 $40^{\circ}C$로 유지하는 것이 필요함을 알 수 있다. $40^{\circ}C$의 원유 스펙트럼에 대해 수학적 전처리를 수행한 결과 평활화를 수행하여 측정 장치 자체의 노이즈를 감소시킬 수 있었고 정규화를 수행하여 기준선을 일치시킬 수 있었다. 또한 MSC를 수행하여 빛의 산란에 의한 영향을 제거하여 스펙트럼간의 차이를 감소시킬 수 있었고 1차 및 2차 미분을 수행한 결과 기준선 일치와 기존 스펙트럼에서 나타나지 않았던 파장영역에 대한 분석이 가능함을 알수 있다. 다중회귀분석의 stepwise 방법을 이용하여 최적 파장영역을 선정하고 유성분 예측모델을 개발한 결과 요소태질소를 제외하고 대부분 근적외선 영역에서 우수한 상관관계를 보여주었다. 지방과 단백질은 원시 스펙트럼의 검증부 결정계수가 각각 0.93, 0.92에서 정규화를 수행한 결과 각각 0.98, 0.92로 원시 스펙트럼의 결과가 우수하여 큰 개선이 없었으나 RPD는 각각 4.10, 3.41에서 5.47, 3.73으로 높아져 정밀도가 향상됨을 알 수 있다. 무지고형분과 유당의 예측모델은 원시 스펙트럼의 경우 각각 0.82, 0.75로 예측모델로 사용하기에는 어려웠으나 각각 평활화와 MSC를 수행하였을 때 검증부 결정계수가 0.90, 0.80으로 크게 개선되어 유성분 예측모델의 신뢰성 향상에 기여할 수 있을 것으로 판단된다. 요소태질소의 경우 가시광선 영역에서 가장 우수한 상관관계를 보여주었으나 검증부 결정계수, 오차, RPD가 각각 0.61, 1.56%, 1.58로 다른 성분에 비해 매우 낮게 나타났다. 이를 개선하기 위해 수학적 전처리를 수행하였으나 크게 개선되지 않았으므로 요소태질소의 신뢰성 있는 모델을 개발하기 위해서는 부분최소자승법 외에 다양한 알고리즘의 적용이 필요할 것으로 판단된다.

• 한국축산시설환경학회지
• /
• 제18권3호
• /
• pp.257-266
• /
• 2012

본 연구는 조사료 품질평가에서 근적외선 분광법의 현장 이용성 확대를 위하여 시료 전처리 방법에 따른 이탈리안 라이그라스 사일리지의 사료가치 및 발효품질의 예측정확성을 평가하기 위하여 수행되었으며 검량식 개발을 위하여 이탈리안 라이그라스 사일리지를 전북지역에서 174점을 수집하였다. 시료 전처리 방법은 사일리지를 건조 후 분쇄하는 방법과 원물 (생) 시료를 건조 분쇄하지 않는 방법을 두었으며 각각의 시료는 근적외선 분광기를 이용하여 스펙트럼을 측정한 후 측정된 스펙트럼과 실험실 분석값간에 상관관계를 이용한 다변량회귀분석법을 통하여 검량식을 유도한 다음 각 성분별로 예측 정확성을 평가하였다. 시료 전처리 방법에 따른 이탈리안 라이그라스 사일리지의 수분함량의 예측 정확성은 건조 분쇄하지 않은 원물(생)시료를 그대로 측정하는 방법 (SECV 1.37%, $R^2$=0.96)이 건조 분쇄처리 방법 (SECV 4.31%, $R^2$=0.68) 보다 예측 정확성이 높게 나타났다. ADF와 NDF 함량의 예측 정확성은 건조 후 분쇄처리한 방법이 개발된 검량식을 상호검증 (SECV)한 결과 각각 0.72% ($R^2$=0.97)와 0.85% ($R^2$=0.94)로 높게 나타났으며 조회분함량 평가에 대한 검량식개발 결과는 건조분쇄하지 않은 원물(생) 시료 전처리 방법에서 가장 낮은 정확성 (SECV 1.17%, $R^2$=0.66)을 나타내었다. pH와 젖산함량은 건조 분쇄 전처리 방법에서 각각 0.48 ($R^2$=0.87)와 0.24% ($R^2$=0.87)로 우수한 결과를 나타내었다. 이상의 연구결과를 종합해보면 근적외선분광법을 이용한 시료 전처리 방법에 따른 이탈리안 라이그라스 사일리지의 사료가치 및 발효품질 평가에 대한 예측정확성은 수분함량을 제외하고는 건조 후 분쇄하는 시료 전처리 방법이 예측 정확성 측면에서는 우수한 것으로 나타났으나 시료 전처리가 필요치 않은 원물(생) 시료의 측정 방법도 매우 양호한 예측 정확성을 보임으로써 실제 근적외선분광법의 현장 활용측면에서는 매우 유용한 전처리 방법으로 판단되어진다.

• 한국식품과학회지
• /
• 제40권6호
• /
• pp.603-610
• /
• 2008

본 연구는 향미 및 다면적 재래 벼 유전자원에 대하여 근적외선 분광분석법을 이용하여, 현미 및 벼 상태의 향미자원으로부터 spectrum을 획득 후, 아밀로스함량과 단백질함량분석을 하고자 실시하였다. 75점의 향미 및 다면적 재래 유전자원의 현미로부터 측정한 단백질함량의 범위는 3.8-9.3%였으며, 평균 단백질함량은 7.1%이고 아밀로스함량의 범위는 8.5-27.4%였으며, 평균 아밀로스함량은 20.3%이었다. 79점의 향미 및 다면적 재래 유전자원에 대한 벼 상태 및 현미상태에서의 NIR 원시 spectrum을 나타낸 것으로 1,490 nm 이상의 파장범위에서 큰 차이를 보였다. NIR 원시 spectrum을 MPLS방법에 의해서 벼 상태로부터 얻은 spectrum은 1,4,4,1수 처리 방법, 현미상태로부터 얻은 spectrum은 2,4,4,1 수 처리 방법의 결과가 유의성이 높았다. 벼 상태에 대한 MPLS(1,4,4,1)방법에 의한 $R^2$ 및 SEC 값은 protein은 $R^2$ 값이 0.871, SEC 값이 1.37이었고, amylose는 $R^2$값이 0.815, SEC 값이 0.29이었으며, 현미상태의 경우 MPLS(2,4,4,1)방법에 의한 $R^2$ 및 SEC 값은 protein은 $R^2$값이 0.943, SEC값이 0.90이며 amylose는 $R^2$값이 0.859, SEC 값이 0.37로 높은 유의성을 나타내었다. 습식 분석 데이터와 NIR 예측 data에 대한 차이를 살펴보았더니, 평균 단백질 함량의 차이는 벼 상태는 0.06, 현미상태는 0.12 였고, 평균 아밀로스 함량 차이도 벼 상태는 0.33이었고 현미상태는 0.37로 근소한 차이를 보였다.

• 한국자원식물학회지
• /
• 제30권1호
• /
• pp.38-49
• /
• 2017

본 연구에서는 벼 유전자원의 이화학적 대량 분석체계 구축을 위하여 비파괴 분석 방법 중의 하나인 근적외선 분광분석(NIRS) 예측모델을 개발하고, 미지 시료 적용 시 분석 정확도와 실재 적용가능성을 평가하기 위해 교차 검정과 외부 검정을 수행하였다. NIRS 예측모델 개발을 위해 농업유전자원센터 보유자원 중 511자원을 사용하였고, 그 중 아밀로스 농도 대표자원 200점을 추가 선정하여 보존자원과 증식자원의 아밀로스 및 단백질 성분 변화를 비교하였다. 습식분석 상호비교, t-Test를 통한 통계처리 결과로 볼 때 저장고 보존자원과 증식자원 간의 중대한 이화학적 성질의 변이 현상은 관측되지 않았으므로 NIRS 예측모델 개발에 보존자원을 사용하는 것은 가능할 것으로 판단되었다. 511 자원의 습식분석 결과 아밀로스 농도는 6.15-32.25%, 단백질 농도는 4.72-14.81%였다. 현미와 현미가루의 두 가지 시료 형태에 대한 NIR 스펙트럼을 얻었고 일련의 통계적 처리를 이용하여 NIRS 예측모델을 얻었다. 현미의 $R^2$, SEC, Slope 값은 아밀로스 농도의 경우 0.906, 1.741, 0.995였고, 단백질 농도의 경우 0.941, 0.276, 1.011 이었다. 현미가루의 $R^2$, SEC, Slope 값은 아밀로스 농도의 경우 0.956, 1.159, 1.001이었고, 단백질 농도의 경우 0.982, 0.164, 1.003이었다. 이와 같은 결과로 NIRS 예측모델 개발에는 가루형태의 시료가 효율적임을 알 수 있었다. 아밀로스 농도의 경우 9.62-16.58%의 자원밀도가 상대적으로 낮은 구간에 대한 보완을 위해 추가 200자원의 습식분석, NIRS 측정 수행하였으며, 보완된 최적 NIRS 예측모델의 $R^2$, SEC, Slope 값은 아밀로스 농도의 경우 0.970, 1.010, 1.000 이었고 단백질 농도의 경우 0.983, 0.158, 0.998이었다. 최적 NIRS 예측모델의 미지시료 적용 시 정확도를 평가하기 위해 아밀로스는 132자원, 조단백질은 124자원을 검정자원으로 사용하여 외부 검정과정을 거친 결과 $R^2$, SEP 값은 아밀로스 농도의 경우 0.962, 2.349였고, 단백질 농도의 경우 0.986, 0.415였다. 이상의 결과를 종합해 볼 때 본 연구에서 개발된 NIRS 예측모델은 습식분석방법을 대체하여 벼 유전자원의 아밀로스 및 단백질 농도의 대량 분석에 효율적으로 적용 가능할 것으로 판단된다.

• 한국토양비료학회지
• /
• 제43권6호
• /
• pp.968-974
• /
• 2010

본 연구에서는 토양의 가시 근적외선 스펙트럼의 피크중첩에 의한 분석오차를 감소시킴으로써 토양유기물 추정의 정확도 향상을 위해 이산 웨이블릿 변환 (DWT) 신호처리기법의 적용을 검토하고 공간정보모델링을 통해 토양유기물의 분포도를 작성하고자 하였다. 토양유기물 함량에 따른 스펙트럼의 정량적 변화의 강조를 위해 Continuum 제거, 도함수 변환과 함께 Haar, Daubechies DWT 변환된 스펙트럼을 PLSR 모델에 대입하여 산출한 토양유기물 추정식들은 거의 비슷한 결과를 도출하였고 $R^2$ > 0.6, RPD > 1.5 의 '대략적인' 추정 결과를 보였다. 잡음을 줄이고 신호값을 향상시키기 위해 이산 웨이블렛 변환을 적용한 결과에서 오히려 약간 낮은 성능을 나타내었는데 성긴 근사값 (Coarser approximation) 스펙트럼으로 변환되어 추정식의 유의성이 낮아졌을 가능성이 있다. 따라서 토양의 분광스펙트럼에 더 적합한 이산 웨이블렛 필터와 수준 등의 DWT 조건을 찾고 적용함으로써 추정식의 유의성을 향상시킬 수 있을 것으로 본다. 또한, 유기물에 의한 에너지의 흡수, 반사를 일으키는 주요 파장대의 상관성을 분석하여 선택적으로 해당 영역의 스펙트럼이나 파라미터 값을 산출하여 추정모델에 적용하는 시도도 필요할 것으로 사료된다. 이러한 토양유기물의 추정값과 실측값을 이용해 구역 크리깅을 수행하여 분포지도를 작성하였다. 토양 샘플의 유기물 분석값은 평균값을 중심으로 정규분포를 나타내었는데 크리깅 지도에서도 전반적으로 유사한 패턴의 값이 분포하였다. 추정값을 이용한 크리깅 결과도 실측값을 이용한 분포지도와 유사한 공간적 패턴을 나타내었다. 지도의 우하단부와 중앙 부분에서 실측값 분포보다 추정값 분포지도에서 약간 더 높은 경향을 보였는데 이는 토양 유기물의 추정치와 실측치 간의 오차에 의한 것으로 판단된다. 분광 스펙트럼을 이용한 추정 모델은 정확도 제고가 필요한 단계이나 신속성, 용이성 면에 있어서 토양 특성에 대해 광역 단위에서 다량의 시료 분석에 유용할 것으로 보이고, 또한 지역, 세계 규모의 디지털 토양 매핑, 토양 분류 및 원격탐사 자료와의 연계 분석에 활용될 수 있을 것으로 기대된다.

• 한국작물학회지
• /
• 제64권2호
• /
• pp.70-88
• /
• 2019

본 연구는 선행연구에서 개발된 근적외선 분광분석(NIRS) 예측모델을 활용하여 측정된 국내외 재래종 메벼 유전자원의 아밀로스 및 단백질 함량 자료를 통계처리 하여 자원의 지리적 특성과 성분 함량에 대한 정확한 정보를 제공하기 위해 실시하였다. 1. 정규분포분석 결과 메벼 유전자원의 아밀로스 평균은 22.0%였고, 단백질 평균은 8.2%였으며 전체 자원의 95%를 차지하는 자원들의 함량범위는 아밀로스의 경우 15.0-28.9%, 단백질은 5.4-10.9%였다. 자원의 다양성지수는 아밀로스의 경우 0.81, 단백질은 0.50이었다. 2. ANOVA, DMRT에 사용된 자원 수는 한국 자원의 경우 1,032, 북한은 994, 일본은 800, 중국은 528자원이었다. 국가별 아밀로스 평균함량은 중국 자원의 경우 23.34%, 한국 자원은 21.55%, 일본 자원은 21.45%, 북한 자원은 20.48%였다. 단백질 평균함량은 중국 자원의 경우 9.02%, 일본 자원은 8.06%, 북한 자원은 8.04%, 한국 자원은 7.99%였다. ANOVA 결과 벼 유전자원의 아밀로스 및 단백질 함량은 국가별 차이가 있었고 1% 유의수준에서 차이가 인정되었다. 3. DMRT 결과 국가별 아밀로스 함량은 한국과 일본, 북한, 중국의 세 집단으로 나눌 수 있었으며 각 집단 간 아밀로스 함량차이는 1% 유의수준에서 차이가 인정되었다. 단백질 함량의 경우 한국, 일본, 북한과 중국의 두 집단으로 나눌 수 있었으며 각 집단 간 단백질 함량차이는 1% 유의수준에서 차이가 인정되었다. 북한 자원은 가장 낮은 아밀로스 평균함량을 나타냈고, 한국 자원은 가장 낮은 단백질 평균함량을 나타냈다. 이에 비해 중국 자원은 가장 높은 아밀로스와 단백질 평균함량을 나타냈다. 이러한 지리적 분포에 따른 벼 자원 간 함량차이는 각 지역별 자원 선호도와 품종 특성이 반영된 결과라고 할 수 있다.

• 한국자원식물학회지
• /
• 제32권2호
• /
• pp.124-143
• /
• 2019

본 연구는 선행연구에서 개발된 근적외선 분광법(NIRS) 예측모델을 활용하여 농업유전자원센터에서 보존 중인 국내외 벼유전자원의 아밀로스 및 단백질 함량 자료를 통계 처리하여 자원 분포를 파악하기 위한 데이터베이스를 구축하고자 하였다. 예측모델의 $R^2$ 값은 아밀로스 분석결과 0.970이었고, 단백질은 0.983이었다. 미지시료 측정 시 정확도를 평가하기 위해 외부검정과정을 거친 결과 $R^2$ 값은 아밀로스 분석결과 0.962였고, 단백질은 0.986이었다. 벼 자원을 재래종, 육성품종, 잡초형, 육성계통으로 나누어 NIRS를 이용하여 성분 분석한 후 함량분포를 확인하였다. 찰벼 평균 아밀로스는 재래종, 육성품종, 잡초형에서 동일하게 8.7%였고, 육성계통은 10.3%였다. 메벼 평균 아밀로스는 재래종 22.3%, 육성품종 22.7%, 잡초형 23.6%, 육성계통 24.2%였다. 전체 벼 자원 중 아밀로스 함량 9%이하 waxy type은 5.0%, low amylose는 5.5%, middle amylose는 20.5%, high amylose는 69.0%를 차지하였다. 단백질 분석 결과 평균함량은 재래종 8.2%, 육성품종 8.0%, 잡초형 7.9%, 육성계통 7.9%였다. 찰벼의 다양성지수 평균은 0.62, 메벼는 0.80이었고, 단백질 다양성지수는 평균 0.51이었다. 임의의 함량구간 내 자원비율은 정규분포의 표준화과정을 통해 확인하였다. 임의 구간에 대한 자원분포비율 산출 결과는, 재래종 아밀로스 6.4-8.7% 구간의 자원비율은 0.45였고, 22.3-26.1% 구간은 0.40, 단백질 7.3-8.2% 구간은 0.26이었다. 육성품종 아밀로스 8.7-9.4% 구간의 자원비율은 0.19였고, 20.1-22.7% 구간은 0.32, 단백질 6.1-8.3% 구간은 0.51이었다. 잡초형 아밀로스 6.6-9.7% 구간은 0.67이었고, 23.6-24.8% 구간은 0.19, 단백질 7.0-7.9% 구간은 0.33이었다. 육성계통 아밀로스 10.0-12.0% 구간의 자원비율은 0.47이었고, 24.2-28.0% 구간은 0.40, 단백질 7.0-7.9% 구간은 0.26이었다. 어떤임의 구간을 지정하여도 자원의 비율을 쉽게 구할 수 있으며, NIRS 분석과 통계분석과정을 통해 얻어진 자원별, 성분함량별 특성 자료는 효율적인 자원관리를 위한 데이터베이스 시스템 구축을 위한 기초 자료로 활용될 수 있을 것으로 판단된다.