• Applied Biological Chemistry
• /
• 제17권2호
• /
• pp.125-137
• /
• 1974

Selenomonas ruminantium 균체(菌體)를 TCA로 가열(加熱) 분해(分解)한 후 chloroform : methanol (1 : 3)로 추출(抽出)한 당지질(糖脂質)을 분리(分離)하고 이 당지질(糖脂質)을 acetone가용부분(可溶部分) spot A화합물(化合物)과 acetone불용부분(不溶部分)에서 ether로 다시 가용부분(可溶部分)을 추출(抽出)한 spot B화합물(化合物)의 두 부분(部分)으로 분리(分離)하고 이 두 화합물(化合物)에 대(對)하여 각각(各各) 그 화학구조(化學構造)를 구명(究明)하며 당지질(糖脂質)의 구조(構造)를 추정(推定)한 바 다음과 같은 결과(結果)를 얻었다. 1. 두 화합물(化合物)의 적외선흡수분석결과(赤外線吸收分析結果) spot A는 amino당(糖)에 O-acyl 및 N-acyl지방산(脂肪酸)이 결합(結合)하였으며 spot B는 amino당(糖)에 O-acyl 및 N-acyl지방산(脂肪酸)이 결합(結合)하고 인(燐)을 함유(含有)하고 있음을 알았다. 2. 두 화합물(化合物)을 GLC에 의(依)하여 지방산조성(脂肪酸組成)을 조사(調査)한 바 spot A.B화합물중(化合物中)에 있는 O-acyl 및 N-acyl 지방산(脂肪酸)은 ${\beta}-OH\;C_{13:0}$지방산(脂肪酸)이 대부분(大部分)이 였는데 저급(低級)의 hydroxy지방산(脂肪酸) ${\beta}-OH\;C_{9:0}$도 특이적(特異的)으로 함유(含有)되여 있음을 알았다. 3. 두 화합물(化合物)을 hydrazine분해(分解)를 시킨 결과(結果)를 paper chromatography로 조사(調査)한 바 spot A화합물(化合物)은 glucosamine 이 2분자(分子) 결합(結合)하여 있는 chitobiose와 같은 Rf 치(値)를 나타냈음으로 2분자(分子)의 glucosamine이 결합(結合)됨을 확인(確認)하고 spot B 화합물(化合物)의 낮은 Rf치(値)는 glucosamine에 인(燐)이 결합(結合)되여 있음을 알았다. 4. spotA화합물(化合物)의 산분해물(酸分解物)을 다시 ninbydrine으로 산화분해(酸化分解) 시키면 arabinose만이 생기는 것으로 보아 glucosamine의 amino기(基)는 $C_2$의 위치(位置)에 결합(結合)하여 있음을 알았다. 5. N-acetyl화(化)한 spot A에 $NaBH_4$를 추리(處理)한 결과(結果) glucosamine의 전량(全量)이 반감(半減)하는 것으로 보아 2분자(分子)의 glucosamine이 결합(結合)되여 있는 것을 알 수 있고 Morgan-Elson반응(反應) 및 $NaIO_4$분해(分解)에 의(依)하여 2개(個)의 glucosamine은 1.6결합(結合)임을 확인(確認)하였다. 6. N-acetyl화(化)한 spot A.B화합물(化合物)에 ${\beta}-N-acetyl$ glucosarninidase를 반응(反應)시킨 결과(結果) spot A화합물(化合物)은 100% N-acetyl glucosamine으로 분해(分解)되고 spot B화합물(化合物)은 분해(分解)되지 않았으므로 spot A화합물(化合物)만이 ${\beta}$결합(結合)을 하고 있음을 알았다. 7. $^{32}P$함유(含有) spot B화합물(化合物)에 phosphodiesterase 및 phosphomonoesterase를 작용(作用)시킨 결과(結果) phosphodiesterase는 반응(反應)치 않고 phosphomonoesterase에 의(依)하여 100% $^{32}P$가 유리(遊離)되는 것으로 보아 glucosamine 2분자(分子)에 한계의 인(燐)이 monoester결합(結合)을 하고 있음을 알 수 있다. 8. spot A화합물(化合物)은 glucosaminiyl ${\beta}-1.6-glucosamine$의 결합(結合)을 하였고 O-acyl 및 N-acyl지방산(脂肪酸)이 결합(結合)되여 있으며 주지방산(主脂肪酸)은 ${\beta}-OH\;C_{13:0}$임을 알았다. 9. spot B화합물(化合物)도 glucosaminyl ${\beta}-1.6-glucosamine$의 결합(結合)을 하고 O-acyl 및 N-acyl지방산(脂肪酸)이 결합(結合)되여 있으며 주지방산(主脂肪酸)은 ${\beta}-OH\;C_{13:0}$이나 인(燐)이 monoester결합(結合)을 하고 있는 것이 spot A화합물(化合物)과 특이(特異)함을 알았다.

• 한국균학회지
• /
• 제22권4호
• /
• pp.309-324
• /
• 1994

68종의 병든 작물(作物)에서 분리한 총 2,276균주의 Rhizoctonia solani를 균사융합군(菌絲融合群) 검정결과(檢定結果), 균사융합군(菌絲融合群) AG-1, AG-2-1, AG-2-2, AG-3, AG-4, AG-5로 분류되었다. 이들 균주중 1,091균주는 AG-1으로 동정(同定)되고, 326 균주는 AG-2-1, 191 균주는 AG-2-2, 71 균주는 AG-3, 505 균주는 AG-4, 92 균주는 AG-5로 동정(同定)되였다. AG-1의 균주들중에서 791 균주는 배양형 IA 로 분류되고, 280 균주는 배양형 IB, 나머지 균주들은 배양형 IC 로 분류되었다. AG-2-2의 균주들 중에서 112 균주는 배양형 IIIB로 분류되고, 나머지 균주들은 배양형 IV로 분류되었다. AG-1의 배양형 IA, IB, IC 는 각각 7종, 26종, 2종의 작물(作物)에서 분리되었다. AG-2-1은10 종의 작물(作物)에서 분리되었다. AG-2-2의 배양형 IIIB와 IV는 각각 7종 및 3종의 작물(作物)에서 분리되었다. AG-3은 감자에서만 분리되었다. AG-4는 43종의 작물(作物)에서 분리되었으며, AG-5는 13종의 작물(作物)에서 분리되었다. 45종의 작물(作物)에서는 단일한 균사융합군(菌絲融合群)이 분리되었으나, 나머지 작물(作物)에서는 둘 혹은 둘 이상의 균사융합군(菌絲融合群)이 분리되었다. 일부 균사융합군(菌絲融合群) 혹은 배양형의 배양적인 모습은 서로 비슷하였으나, 하나의 균사융합군(菌絲融合群) 혹은 배양형에 속하는 균주들의 배양적인 모습은 다른 균사융합군(菌絲融合群) 혹은 배양형에 속하는 균주들의 배양적인 모습과 대부분 달랐다. AG-1, AG-2-2, AG-4, AG-5의 균사생장 최적온도(最適溫度) 범위는 $26{\sim}30^{\circ}C$이고, AG-2-1과 AG-3의 균사생장 최적온도(最適溫度) 범위는 $22{\sim}26^{\circ}C$였다. AG-2-1의 균사생장 최저온도(最低溫度)는 $2{\sim}3^{\circ}C$로서 가장 낮았고, AG-1(IA)와 AG-4의 균사생장 최저온도(最低溫度)는 $10{\sim}11^{\circ}C$로서 가장 높았으며, 이외 다른 균사융합군(菌絲融合群)의 균사생장 최저온도(最低溫度) 범위는 $5{\sim}10^{\circ}C$였다. AG-2-2(IIIB)의 균사생장 최고온도(最高溫度)는 $36{\sim}37^{\circ}C$로서 가장 높았고, AG-2-1의 균사생장 최고온도(最高溫度)는 $29{\sim}30^{\circ}C$로서 가장 낮았으며, 이외 다른 균사융합군(菌絲融合群)의 균사생장 최고온도(最高溫度) 범위는 $31{\sim}36^{\circ}C$였다. $26^{\circ}C$에서의 균사생장율(菌絲生長率)을 비교한 결과, AG-1(IC)가 가장 빨리 자랐으며, AG-1(IA) 와 AG-1(IB)가 다음으로 빨리 자라고, AG-2-1이 가장 느리게 자랐다.

• 지능정보연구
• /
• 제25권2호
• /
• pp.25-38
• /
• 2019

정보화 시대의 넘쳐나는 콘텐츠들 속에서 사용자의 관심과 요구에 맞는 양질의 정보를 선별해내는 과정은 세대를 거듭할수록 더욱 중요해지고 있다. 정보의 홍수 속에서 사용자의 정보 요구를 단순한 문자열로 인식하지 않고, 의미적으로 파악하여 검색결과에 사용자 의도를 더 정확하게 반영하고자 하는 노력이 이루어지고 있다. 구글이나 마이크로소프트와 같은 대형 IT 기업들도 시멘틱 기술을 기반으로 사용자에게 만족도와 편의성을 제공하는 검색엔진 및 지식기반기술의 개발에 집중하고 있다. 특히 금융 분야는 끊임없이 방대한 새로운 정보가 발생하며 초기의 정보일수록 큰 가치를 지녀 텍스트 데이터 분석과 관련된 연구의 효용성과 발전 가능성이 기대되는 분야 중 하나이다. 따라서, 본 연구는 주식 관련 정보검색의 시멘틱 성능을 향상시키기 위해 주식 개별종목을 대상으로 뉴럴 텐서 네트워크를 활용한 지식 개체명 추출과 이에 대한 성능평가를 시도하고자 한다. 뉴럴 텐서 네트워크 관련 기존 주요 연구들이 추론을 통해 지식 개체명들 사이의 관계 탐색을 주로 목표로 하였다면, 본 연구는 주식 개별종목과 관련이 있는 지식 개체명 자체의 추출을 주목적으로 한다. 기존 관련 연구의 문제점들을 해결하고 모형의 실효성과 현실성을 높이기 위한 다양한 데이터 처리 방법이 모형설계 과정에서 적용되며, 객관적인 성능 평가를 위한 실증 분석 결과와 분석 내용을 제시한다. 2017년 5월 30일부터 2018년 5월 21일 사이에 발생한 전문가 리포트를 대상으로 실증 분석을 진행한 결과, 제시된 모형을 통해 추출된 개체명들은 개별종목이 이름을 약 69% 정확도로 예측하였다. 이러한 결과는 본 연구에서 제시하는 모형의 활용 가능성을 보여주고 있으며, 후속 연구와 모형 개선을 통한 성과의 제고가 가능하다는 것을 의미한다. 마지막으로 종목명 예측 테스트를 통해 본 연구에서 제시한 학습 방법이 새로운 텍스트 정보를 의미적으로 접근하여 관련주식 종목과 매칭시키는 목적으로 사용될 수 있는 가능성을 확인하였다.