• 한국미생물·생명공학회지
• /
• 제33권2호
• /
• pp.96-105
• /
• 2005

공시균인 S. longwoodensis IFO 14251의 autoregulators 및 receptor gene 탐색의 일환으로 기존의 Streptomyces속 receptor gene의 공통배열을 primer로 이용하여 PCR을 수행하였다. 예상되는 100 bp 크기의 단편을 pUC19 vector에 ligation하여 E. coli $DH5{\alpha}$에 transformation한 후, plasmid를 분리하여 BamHI을 처리하여 $2\%$ agarose gel에 전기영동한 결과, pUC19 외에 receptor gene PCR product가 100 bp 위치에 존재하는 것을 확인하였다. 형질전환된 plasmid로 PCR을 수행한 후, 염기배열을 결정하여 분석한 결과, Streptomyces sp. 유래의 receptor gene의 일부분임이 확인되었다. 따라서 S. longwoodensis IFO 14251에는 lysocellin 생산에 관여한다고 추정되는 autoregulator receptor protein을 코드하는 유전자가 존재할 것으로 예상되어 100 bp의 PCR product를 probe로 이용하여 Southern 및 colony hybridization을 통하여 4.4 kb의 SphI 단편을 가지는 plasmid(pSLT)를 제작하였고 이를 sequencing한 결과, Streptomyces 속 유래의 autoregulator receptor 단백질을 코드하는 유전자와 3개의 open reading frame(651 bp)을 확인하여 sltR이라 명명하였다. 유전자 해석 결과, 기존의 autoregulator receptor proteins과 비교시 $35{\sim}46\%$의 homology를 나타내었다. 재조합 단백질의 발현을 위해, sltR/pET-l7b plasmid를 제작하고 E. coli BL21(DE3)/pLysS을 host cell로 이용하여 재조합 단백질을 발현시켰다. SltR 재조합 단백질의 정제는 DEAE-Sephacel column chromatography와 DEAE-5PW chromatography(HPLC)를 통해 수행하였다. Gel filtration chromatography(HPLC, 55 kDa)와 SDS-PAGE(28 kDa)를 통해 분자량을 확인한 결과, 재조합 단백질은 dimer형태로 존재하는 것으로 확인되었다. 또한, 결합활성에 있어 A-factor type의 autoregulator에 대해 가장 강한 결합활성을 나타내었다.

• 한국산학기술학회논문지
• /
• 제20권3호
• /
• pp.562-569
• /
• 2019

최근에 원 거리에서 폭발 물질의 감지를 위해 라만 분광 기기의 관심이 점차 증가하고 있다. 더불어 측정된 화학물질에 대한 라만 스펙트럼을 대용량 데이터베이스의 알려진 라만 스펙트라와 비교하여 식별할 수 있는 고속 검색 방법에 대한 요구도 커지고 있다. 지금까지 가장 간단하고 널리 사용되는 방법은 주어진 스펙트럼과 데이터베이스 스펙트라 사이의 유클리드 거리를 계산하고 비교하는 방법이다. 하지만 고차원 데이터의 속성으로 검색의 문제는 그리 간단하지 않다. 가장 큰 문제점중의 하나는 검색 방법에 있어서 연산량이 많아 계산 시간이 너무 오래 걸린다는 것이다. 이러한 문제점을 극복하기 위해, 우리는 정렬된 분산에 따른 MPS Sort+PDS 방법을 제안하였다. 이 방법은 벡터의 두 개의 주요한 특징으로 평균과 분산을 사용하여 후보가 될 수 없는 많은 코드워드를 계산하지 않으므로 연산량을 줄이고 계산 시간을 줄여준다. 본 논문에서 우리는 기존의 방법보다 더욱 더 향상된 2가지 새로운 방법의 고속 검색 알고리즘을 제안한다. PCA+PDS 방법은 전체 데이터를 사용하는 거리 계산과 똑같은 결과를 가지면서 PCA 변환을 통해 데이터의 차수를 감소시켜 계산량을 줄여준다. Hierarchical Cluster Tree 알고리즘은 PCA 변환된 스펙트라 데이터를 사용하여 이진 계층 클러스터 트리를 만든다. 그런 후 입력 스펙트럼과 가장 가까운 클러스터부터 검색을 시작하여 후보가 될 수 없는 많은 스펙트라를 계산하지 않으므로 연산량을 줄이고 계산 시간을 줄여준다. 실험은 정렬된 분산에 따른 MPS Sort+PDS와 비교하여 PCA+PDS는 60.06%의 성능 향상을 보였다. Hierarchical Cluster Tree는 PCA+PDS와 비교하여 17.74%의 성능향상을 보였다. 실험결과는 제안된 알고리즘이 고속 검색에 적합함을 확인시켜 준다.