• 제목/요약/키워드: metal stability

검색결과 1,256건 처리시간 0.029초

새로운 포단드에 의한 피크린산 일가 양이온 염의 용매추출 (The Solvent Extraction of Univalent Cation Picrates by New Podands)

  • 정종화;조성배;김진은;김재상;이심성
    • 분석과학
    • /
    • 제6권1호
    • /
    • pp.29-37
    • /
    • 1993
  • 말단기에 페닐(B), 벤질(Bz), 피리딘(Py), 퀴놀린(Q) 또는 나프탈렌(Np), 그리고 에테르 사슬에 산소(O) 또는 황(S) 주개원자를 갖는 몇 가지 포단드를 합성하여 1가 양이온과의 결합특성을 NMR 적정법과 용매추출법으로 조사하였다. NMR 적정에 의하면 대부분의 포단드는 1가 양이온과 1:1 착물을 형성하며, 특히 은이온과의 상호작용에서 에테르 사슬의 황 원자는 안정도를 증가시키는 효과를 나타내었다. 또한 포단드를 이용하여 에테르 수용액층에서 클로로포름층으로 알칼리 금속, 은, 탈륨 및 암모늄 등의 피크린산 1가 양이온염을 추출하였다. 은이온에 대한 추출률은 $Q_2O_4$, $Q_2O_5$$BQO_5$와 같이 퀴놀린을 포함하는 포단드의 경우 각각 86.8, 86.6 및 48.0%였으나 나프탈렌을 갖는 $Np_2O_4$$Np_2O_5$에 의해서는 거의 추출되지 않았다. 한편, $Bz_2O_3S_2$(89.4%), $B_2O_2S_2$(76.8%), $B_2O_3S_2$(58.9%), $Py_2O_2S_2$(58.8%), $Py_2O_3S_2$(42.1%) 및 $B_2O_4S$(15.0%)의 경우, 황 원자와 벤질기를 갖는 $Bz_2O_3S_2$가 가장 큰 은이온 추출 선택성을 나타내었다. 이러한 결과는 HSAB 이론에 의한 황 원자와 은이온과의 강한 상호작용 뿐 아니라 페닐기 대신에 벤질기가 치환됨으로써 유연한 메틸렌기 공간에 의해 두 방향족 말단기 사이의 ${\pi}-{\pi}$ 스택킹 상호작용이 효과적으로 증가하기 때문이다. 추출계수는 안정도 및 추출률과 비슷한 경향성을 나타내었는데, 이로부터 추출계수에 주된 영향을 미치는 요인으로는 포단드의 구조와 밀접한 관계가 있는 안정도임을 알 수 있었다.

  • PDF

Pseudomonas pseudoalcaligenes KF707에서 유래한 protocatechuate 3,4-dioxygenase 의 저해 및 화학적 메커니즘 (Inhibition and Chemical Mechanism of Protocatechuate 3,4-dioxygenase from Pseudomonas pseudoalcaligenes KF707)

  • 강태경;김상호;정미자;조용권
    • 생명과학회지
    • /
    • 제25권5호
    • /
    • pp.487-495
    • /
    • 2015
  • Pseudomonas pseudoalcaligenes KF707에서 정제한 protocatechuate 3,4-dioxygenase의 특징을 조사하기 위하여 pH안정성, 화학적 저해, 화학적 수식과 pH의존성 반응 상수에 대한 실험을 수행하였다. 이 효소는 pH 4.5~10.7에서 안정하였다. L-ascorbate와 glutathione은 Kis가 각각 0.17 mM과 0.86 mM인 경쟁적 저해제였으며, DL-dithiothreitol은 Kis 1.57 mM 및 Kii 8.08 mM의 비경쟁적 저해패턴을 나타내었다. Potassium cyanide, p-hydroxybenzoate 및 sodium azide는 Kis가 각각 55.7 mM, 0.22 mM 및15.64 mM이었으며, Kii는 각각94.1 mM, 8.08 mM, 및 662.64 mM인 비경쟁적 저해패턴을 나타내었다. $FeCl_{2}$는 Kis가 $29{\mu}M$로 가장 우수한 경쟁적 저해제였으며, $FeCl_{3}$, $MnCl_{2}$, $CoCl_{2}$, $HgCl_{2}$, $AlCl_{3}$도 각각 Kis가 1.21 mM, 0.85 mM, 3.98 mM, 0.17 mM 및 0.21 mM인 경쟁적 저해패턴을 보였다. 한편, 다른 금속이온들은 비경쟁적 저해패턴을 나타내었다. pH의존성 반응상수의 실험결과로부터 pK 6.2와 9.4의 촉매부위와 pK 5.5와 9.0의 결합부위가 존재함을 알 수 있었다. Lysine, cysteine, tyrosine, carboxyl과 histidine은 각각의 고유한 화학적 수식제에 의해 수식되었는데, 이는 이들 잔기들이 결합과 촉매에 관여한다는 것을 나타낸다. 위 결과를 토대로 화학적 메커니즘을 제시한다.

된장으로부터 분리한 Bacillus subtilis CK-2가 생산하는 가수분해효소의 활성 특성 (Characteristics of Hydrolytic Enzymes that Produced by Bacillus subtilis CK-2 Isolated from Doenjang)

  • 이상협;김철호
    • 생명과학회지
    • /
    • 제27권7호
    • /
    • pp.805-811
    • /
    • 2017
  • 이전의 논문에서 된장으로부터 섬유소와 지질, 녹말, 그리고 단백질을 포함하는 다양한 유기물을 가수분해하는 세균을 분리한 바 있다. 본 연구에서는 분리균주인 Bacillus subtilis CK-2가 생산하는 각종 가수분해효소의 조효소 특성을 확인하였다. 섬유소분해효소의 경우 적정 수소이온농도는 pH 5.0, 적정온도는 $55^{\circ}C$로 확인되었으며, pH 5.0~10.0과 $20{\sim}50^{\circ}C$의 범위에서 높은 활성을 나타내었다. 섬유소분해효소는 $Co^{2+}$ 이온에 의해 활성이 높아지며, 0.45%(w/v)의 $Co^{2+}$ 이온 농도에서 가장 높은 활성을 보였다. 녹말분해효소의 경우 적정 수소이온농도는 pH 5.0, 적정온도는 $50^{\circ}C$로 확인되었으며, pH 4.0~5.0과 $20{\sim}50^{\circ}C$의 범위에서 높은 활성을 나타내었다. 녹말분해효소는 $Co^{2+}$ 이온에 의해 활성이 높아지며, 0.2%(w/v)의 $Co^{2+}$ 이온 농도에서 가장 높은 활성을 보였다. 단백질분해효소의 경우 적정 수소이온농도는 pH 8.0, 적정온도는 $50^{\circ}C$로 확인되었으며, pH 7.0~8.5과 $20{\sim}50^{\circ}C$의 범위에서 높은 활성을 나타내었다. 섬유소분해효소는 $Mn^{2+}$ 이온에 의해 활성이 높아지며, 0.125%(w/v)의 $Mn^{2+}$ 이온 농도에서 가장 높은 활성을 보였다. 이러한 결과로부터 B. subtilis CK-가 생산하는 가수분해효소를 산업적으로 이용하기 위해서는 효소의 종류에 따라 수소이온농도와 온도, 그리고 금속이온을 적절하게 조절할 필요가 있다는 것을 알 수 있다.

인체 섬유모세포(HGF-1) 배양에서 소아용 치과금속재의 세포친화성에 대한 분자생물학적 연구 (A MOLECULAR BIOLOGIC STUDY ON BIOCOMPATIBILITY OF METALLIC DENTAL MATERIALS USED FOR CHILDREN WITH CULTURED HUMAN GINGIVAL FIBROBLASTS)

  • 김주미;정태성;김신
    • 대한소아치과학회지
    • /
    • 제29권2호
    • /
    • pp.243-254
    • /
    • 2002
  • 소아치과 임상에 흔히 사용되는 3종의 금속재에 의한 인체 섬유모세포(HGF-1)를 이용하여 세포독성에 대한 세포적 및 분자적 접근을 시도하였다. 세포의 성장과 증식 및 세포사, 그리고 이들과 관련된 세포내 신호전달물질 발현의 변화를 보고자 하였고, 세포사는 screening한 후 세포사의 유형(necrosis/apoptosis)을 규명하고자 하였다. HGF-1은 DMEM으로 계대배양한 후 유지하였으며, 사용한 금속재는 stainless steel crown (R), 교정용 band(B), 교정용 wire(W)의 세 종류였다. HGF-1세포의 증식에 대하여 기본적으로 cell count를 하였고, 생존세포 count를 위하여 대조군에 대한 실험군의 상대증식도를 계산하였다. 세포수는 배양일이 지남에 따라 증가하여 7일째에 최고를 나타내었고, 11일째에는 감소하였으며, 대조군과 실험군 사이의 통계적 유의한 차이는 관찰되지 않았다(p>0.05). 대조군에 대한 실험군의 상대증식도 또한 유의한 차이는 없었다(p>0.05). 세포사에 대한 형태적 소견은 괴사(necrosis)를 나타내었다. PCNA lableing index에 대한 대조군과 실험군간에 유의한 차이는 없었다(p>0.05). 신호전달 관련 MAP kinase인 ERK1 및 ERK2, p38, JNK는 배양일의 경과에 따른 발현의 변화는 관찰되었으나, 대조군과 각 실험군 간에 차이는 관찰되지 않았다. 결론적으로 본 연구대상인 stainless steel crown, 교정용 band 와 wire, 세 종류의 소아 치과용 금속재는 단기간의 인체섬유모세포를 이용한 세포친화성 검정에 있어서 세포적, 분자적 위해 양상을 나타내지 않았다.

  • PDF

Li2O-LiCl 용융염에서의 다공성 양극 슈라우드를 이용한1kg 우라늄산화물의 전해환원 (Electrolytic Reduction of 1 kg-UO2 in Li2O-LiCl Molten Salt using Porous Anode Shroud)

  • 최은영;이정;전민구;이상권;김성욱;전상채;이주호;허진목
    • 전기화학회지
    • /
    • 제18권3호
    • /
    • pp.121-129
    • /
    • 2015
  • 사용후핵연료 재활용을 위한 파이로프로세싱의 전해환원 공정에서는 $Li_2O-LiCl$ 용융염을 전해질로 사용하며 금속산화물 형태의 사용후핵연료를 음극, 백금을 양극으로 사용하여 금속전환체를 제조한다. 따라서, 음극에서는 금속산화물이 금속으로 전환되는 환원반응으로 인해 산소 이온이 생성되고, 양극에서는 그 산소이온이 산소 가스가 되는 산화반응이 발생한다. $650^{\circ}C$의 운전 온도에서 발생하는 양극의 산소 가스로 인한 금속 재질 장치의 부식을 막기 위해 양극을 둘러싸는 슈라우드(shroud)를 사용해 산소 가스를 포집하여 전해질로의 확산을 막는 동시에 장치 외부로 배출되도록 한다. 기존에는 슈라우드 자체의 부식과 산소 가스의 염 내 확산을 방지하기 위하여 세라믹을 사용하였으나 비다공성 재질로 인해 산소 이온의 백금 표면으로의 이동 경로를 제한하여 공정의 속도를 좌우하는 전류 크기를 낮춘다는 문제점이 있었다. 이러한 문제를 극복하기 위하여 스테인레스 스틸 mesh로 구성된 다공성 슈라우드의 사용이 수 그램 규모 실험을 통해 제안된 바 있다. 본 연구에서는 킬로그램 규모의 우라늄산화물 전해환원 운전을 통해 다공성 슈라우드의 안정성을 확인 하고자 하였다. 음극의 우라늄산화물로는 크기 1~4 mm, 밀도 $10.30{\sim}10.41g/cm^3$의 파쇄 펠렛 1 kg이 사용되었으며, 백금 전극과 다공성 슈라우드가 포함된 양극 모듈을 사용하였다. 전해환원 종료후 음극에서 우라늄 금속이 성공적으로 얻어졌으며, 백금 양극 및 다공성 슈라우드도 손상 없이 안정하게 사용되었다. $650^{\circ}C$에서의 LiCl의 점도와 동일한 물과 에틸렌글리콜의 혼합물에서 산소 가스를 주입하여 확인 결과 산소 버블이 다공성 슈라우드 외부로 유출되는 것은 관찰되지 않았다.

기계학습을 활용한 상품자산 투자모델에 관한 연구 (A Study on Commodity Asset Investment Model Based on Machine Learning Technique)

  • 송진호;최흥식;김선웅
    • 지능정보연구
    • /
    • 제23권4호
    • /
    • pp.127-146
    • /
    • 2017
  • 상품자산(Commodity Asset)은 주식, 채권과 같은 전통자산의 포트폴리오의 안정성을 높이기 위한 대체투자자산으로 자산배분의 형태로 투자되고 있지만 주식이나 채권 자산에 비해 자산배분에 대한 모델이나 투자전략에 대한 연구가 부족한 실정이다. 최근 발전한 기계학습(Machine Learning) 연구는 증권시장의 투자부분에서 적극적으로 활용되고 있는데, 기존 투자모델의 한계점을 개선하는 좋은 성과를 나타내고 있다. 본 연구는 이러한 기계학습의 한 기법인 SVM(Support Vector Machine)을 이용하여 상품자산에 투자하는 모델을 제안하고자 한다. 기계학습을 활용한 상품자산에 관한 기존 연구는 주로 상품가격의 예측을 목적으로 수행되었고 상품을 투자자산으로 자산배분에 관한 연구는 찾기 힘들었다. SVM을 통한 예측대상은 투자 가능한 대표적인 4개의 상품지수(Commodity Index)인 골드만삭스 상품지수, 다우존스 UBS 상품지수, 톰슨로이터 CRB상품지수, 로저스 인터내셔날 상품지수와 대표적인 상품선물(Commodity Futures)로 구성된 포트폴리오 그리고 개별 상품선물이다. 개별상품은 에너지, 농산물, 금속 상품에서 대표적인 상품인 원유와 천연가스, 옥수수와 밀, 금과 은을 이용하였다. 상품자산은 전반적인 경제활동 영역에 영향을 받기 때문에 거시경제지표를 통하여 투자모델을 설정하였다. 주가지수, 무역지표, 고용지표, 경기선행지표 등 19가지의 경제지표를 이용하여 상품지수와 상품선물의 등락을 예측하여 투자성과를 예측하는 연구를 수행한 결과, 투자모델을 활용하여 상품선물을 리밸런싱(Rebalancing)하는 포트폴리오가 가장 우수한 성과를 나타냈다. 또한, 기존의 대표적인 상품지수에 투자하는 것 보다 상품선물로 구성된 포트폴리오에 투자하는 것이 우수한 성과를 얻었으며 상품선물 중에서도 에너지 섹터의 선물을 제외한 포트폴리오의 성과가 더 향상된 성과를 나타남을 증명하였다. 본 연구에서는 포트폴리오 성과 향상을 위해 기존에 널리 알려진 전통적 주식, 채권, 현금 포트폴리오에 상품자산을 배분하고자 할 때 투자대상은 상품지수에 투자하는 것이 아닌 개별 상품선물을 선정하여 자체적 상품선물 포트폴리오를 구성하고 그 방법으로는 기간마다 강세가 예측되는 개별 선물만을 골라서 포트폴리오를 재구성하는 것이 효과적인 투자모델이라는 것을 제안한다.