1. 서 론
1.1 대사체학의 정의
대사체학의 의미
최근 “-omics”종류의 하나인 metabolomics는 유전자나 단백질의 변화유무를 연구하는 genomics(유전체학)나 proteomics(단백질체학)를 포함하여 특정한 생물학적 변화 과정들을 통하 여 생성된 저분자 대사체의 프로파일들을 체계적이며 종합적으로 연구하는 학문임.
대사체학은 유전자 표현형과 단백질체의 분석만으로 해석할 수 없는 세포내 변화 등의 상관 관계를 대사 네트워크 전체를 통해 고찰하고, 얻어진 결과를 통하여 최종생성물의 변화량에 대 한 원인을 해석하는 유일한 연구분야임.
유전학, 전사체학 및 단백질체학과 더불어 대사 프로파일링을 통하여 얻은 세포 기능에 대한 정보들을 종합하여 복잡한 생명체의 구조를 규명하려는 연구를 시도하고 있음.
대사체(metabolite)는 저분자로서 대사 과정의 중간체 또는 최종산물임. 일차 대사체는 직접적 으로 정상적인 성장, 분화 및 번식을 포함하고, 이차 대사체는 위와 같은 과정을 포함하지 않지 만 생태기능에 중요함.
일반적으로 대사체(metabolite)는 생체의 phenotype을 가장 잘 나타내는 정량할 수 있는 소분자 로서 완전한 대사체의 프로파일은 그 자체로서, 또는 유전자의 발현(gene expression)과 연관된 지
메타볼롬 해독을 통한 시중유통 더덕의 대사체 지문분석
김명동 강원대학교 생명공학부
식의 data와 조합하여 생체에서 발현되는 여러 생리학적, 병리학적 발현에 관한 상당한 정보를 제 공함.
“대사체”라는 용어는 세포 부유물(cell suspension) 혹은 모든 생체액(biological fluid) 안에 존재 하는 작은 분자량(100~1,000)을 갖는 대사체의 집단체를 말함. “대사체학”이란 세포 또는 조직 내의 대사체의 거동, 변화 등을 체계적으로 확인·정량하고, 그 결과로부터 대사체군을 다양한 생 리·병리적 상태와 연관지어 대사체 네트워크를 다시 해석하는 총체적 연구를 말함.
대사체군(metabolome)은 세포, 조직 또는 생체 내에 존재하는 저분자량의 전체 대사체의 집단 (대사 중간체, 호르몬, 기타 신호 분자 및 이차 대사체)으로서 대사 반응 등의 거대한 조직망을 형 성함.
대사체학 연구를 위해서는 대사체의 변화를 네트워크 모델로 이해하고, metabolom의 변화를 검출·확인하기 위한 초정밀분석기술과 그 결과를 다시 생체의 생리적 상태와 연관지어 해석하기 위한 통계분석이 기초가 됨.
메타볼로믹스(metabolomics)와 비슷한 의미인 메타보노믹스(metabonomics)는 환경적인 자극이 나 유전적 변형에 의한 생체의 역동적인 대사반응 등을 연구하는 분야임.
이러한 대사체 연구 중 대사체 프로파일링 연구는 세포 또는 조직 내의 대사체의 거동, 변화 등 을 체계적으로 확인하고 정량함으로써 대사체군을 생리 상태와 연관 지어 대사체 네트워크를 이 해하고 다시 해석하고 대사체 변화를 네트워크 모델로 이해하는 새로운 패러다임임.
초정밀분석기술인 프로파일링 연구는 크게 대사체를 총체적으로 분석하는 global(non-targeted) profiling과 lipid, hormone등과 같은 특정 대사체를 분석하는 targeted profiling으로 나눌 수 있음.
이와 같은 분석을 위해 미량 정밀분석기기인 기체크로마토그래피/질량분석기, 액체크로마토그 래피/질량분석기, 또는 미세전기영동기/질량분석기 등의 최첨단 장비들이 필수적이며, 분석된 자 료를 정리하기 위한 통계분석 기술이 요구됨.
1.2 연구필요성
사회적·경제적 필요성
우리나라 전 국토의 65%를 차지하는 산림은 토양 및 생태계 보전, 수원 함양 등 공익적 가치로 환산하는 경우 약 34조6천억 원의 가치를 가지고 있으나, 임산물 생산액은 1조7,268억 원으로 GDP의 0.2%에 불과한 실정임.
따라서 산림자원에 대한 수요를 증대시키고 다양한 산림 자원을 소득으로 연결시키기 위해 서는 유휴 산지를 자원화하고 산림 식용자원의 산업화 추진이 절실하며, 산림 식용자원 중에는 밤, 대추, 표고, 산채, 송이 등이 대표적임.
이중 산채류의 생산 비율을 살펴보면, 취나물 45.8%, 도라지 18.0%, 더덕 11.2%, 고사리 9.1%, 두 릅 5.9%, 기타 등으로 더덕이 3위를 차지하고 있음.
더덕(Codonopsis lanceolata)은 초롱꽃과에 속하는 다년생 덩굴식물로 한국, 만주, 일본, 대만 등 지의 심산의 활엽수목 아래에서 자라며, 우리나라에는 전국적으로 산야에서 자생하고 있음.
더덕은 예로부터 인삼과 함께 한방재료 및 식품으로 사용되어 왔으며, 특히 독특한 향과 맛 때 문에 기호식품으로서의 가치가 매우 큼.
더덕은 기호식품으로서의 가치뿐 아니라 주요 생리활성 성분으로 triterpenoid와 saponin 등이 밝혀져 있으나 조성과 생리활성에 대한 연구는 아직 미흡한 실정임.
더덕에 대한 연구를 통해 더덕의 일반성분, 아미노산 및 지방산 조성, 더덕뿌리의 연도별 항 산화능, 식이성 고콜레스테롤 혈중 흰쥐의 혈청의 지질 개선 효과, 더덕의 메탄올 추출물에서 thymocyte의 T 세포 증식 및 대식세포 활성화 효과 등이 확인되었음.
하지만 더덕의 저장·유통 중의 품질 변화, 미생물상, 유효성분의 분리정제에 대한 연구가 여전 히 미비한 상황이며, 더덕은 인삼과는 달리 약용보다는 식품으로서 그 가치가 훨씬 높은 상황이 나 이를 이용한 가공식품은 매우 한정된 실정임.
중국산 더덕이 수입 농산물에서 차지하는 비중이 매우 높아지는 현실에서, 더덕의 무게나 모양
에 의한 현재의 등급기준 이외의 더덕의 맛과 품질을 결정하는 마커에 의한 더덕 가격의 형성이 요 구되고 있음.
최근의 멜라민 사태에서 볼 수 있듯이 FTA 상황하에서의 국경을 넘나드는 식품의 원재료 및 가공품의 사전검사 및 사후관리는 매우 중요한 문제로 대두되고 있음. 뿐만 아니라, 국내에서 유통되는 농산물의 상당부분이 중국에서 수입되는 현실에서 고가의 국내산으로 둔갑하는 저 가/저품질의 농산물 원재료를 판별해야 하는 필요성이 크게 대두되고 있음.
수입개방화 추세에 따라 값싼 외국산 농산물이 무분별하게 수입되고, 이들 농산물이 국산으 로 둔갑 판매되는 등 부정유통사례가 늘어나고 있어, 공정한 거래질서를 확립하고 생산농업인 과 소비자를 보호할 필요가 있음. 또한 더덕은 각 산지별로 관능적인 차이가 크고, 시장에서 형 성되는 가격의 차이가 크므로, 산지별·시기별 더덕 마커의 발굴이 절실하게 요구되고 있음.
기술적 필요성
국내의 경우 강원도, 제주도 및 경북의 일부지역에서 생산되는 더덕이 대부분을 차지하고 있으나 산지별 및 수확시기별 더덕의 품질차이에 대한 과학적인 자료는 매우 미흡한 실정임.
더덕의 수확시기 또는 재배더덕과 야생더덕의 일반성분의 차이에 대한 자료는 일부 확보된 상 태이나, 통계적으로 유의성 있게 그 품질을 판별할 수 있는 근거가 없어 시장에서의 더덕가격은 매우 주관적으로 형성되고 있으며, 더구나 값싸고 품질이 낮은 중국산 더덕이 시장을 잠식하고 있어 더덕시장에 더욱 혼란을 야기하고 있는 실정임.
국내에서 재배되는 더덕의 경우 유전학적인 방법을 동원하여 계통간의 유사성을 연구한 결과 는 다수 확보된 상태이나, 유전적인 차이에 의해서 기인하는 대사체 및 관능평가 결과에 대한 자 료는 전무한 상태임.
더덕의 경우 맛과 품질을 결정하는 요인이 탄수화물 또는 단백질 같은 일반성분뿐만 아니라 다양한 휘발성 성분, 사포닌 및 이눌린 등이 있어 각 지역에서 생산되는 더덕의 특징적인 대사체 를 확보하는 것이 필요하며, 더덕의 대사체와 관능평가 결과를 통계적인 방법을 이용하여 분석 한다면 더덕의 품질을 결정하는 지표마커(indicative marker)를 발굴할 수 있을 것으로 사료됨.
학문적 필요성
대사체학은 2005년 5월에 발간된 Technology Review지에 앞으로 유망한 10대 과학기술(10
Emerging Technology) 중의 하나로 소개되었음.
대사체학은 생체 내 대사체군 분석을 통하여 표적 대사체를 발굴함으로써 진단법을 개발하 고, 그 기능을 규명하여 병인을 밝혀 나갈 수 있을 것임.
또한 새로운 대사체 관련기술 및 신약개발을 위한 신규 작용점을 도출하여 21세기 국내 BT 관 련 연구개발 체계의 완성을 가능하게 할 것임.
대사체학은 미지 유전자들의 기능을 밝혀내고자 하는 기능 유전체학(functional genomics) 또 는 체내의 단백질이 얼마의 양으로, 어떤 환경에서 발현되는가를 연구하는 단백질체학(proteom- ics)의 연구방향과는 구별되어지는 분야임.
2. 연구내용 및 방법
2.1 연구의 최종목표
더덕 (산지A)
더덕 (산지B)
대사체 해독
국내 시중 더덕의 지문분석
●LC-MS(/MS)
●GC-MS
●NMR
●통계분석
더덕 (산지C)
3. 결과 및 고찰
3.1 계획대비 결과 요약
연구내용 당초 계획 진행결과
시중유통 더덕의 확보
시중에서 유통되고 있는 전국 주요산지 의 더덕을 구매함(강원, 경북, 제주 등 3지 역 이상).
시중에서 유통되고 있는 전국 주요산지의
더덕을 구매하였음(홍성, 예천, 청원, 양구, 영월, 강진, 횡성 등 전국 7개 지역).
정확한 산지정보 획득을 위하여 시료는 각 지역의 농업기술 센터로부터 입수함.
각 지역의 농업기술센터의 추천을 받은 업 체로부터 더덕을 입수하였음.
분석용 시료제조
기기분석을 위한 더덕 대사체의 추출, 농축 및 동결건조.
기기분석을 위하여 더덕 대사체의 추출, 농 축 및 동결건조물을 확보하였음.
추출과정은 열수, 용매 또는 초임계
추출방법을 사용함. 추출과정은 열수를 이용하였음.
시료 중에 함유된 대사체의 농도에 따라 농축 및 동결건조 과정을 수행함.
시료 중에 함유된 대사체의 농도는 충분한 것으로 판단되어 별도의 농축과정은 거치 지 않았음.
기기분석
준비된 시료의 대사체 라이브러리를 GC- MS 또는 LC-MS를 이용하여 분석함.
준비된 시료의 대사체 라이브러리를 GC-MS를 이용하여 분석하였음.
통계적인 유의수준 확보를 위하여 기기분 석 과정은 최소 2회 이상 반복함.
통계적인 유의수준 확보를 위하여 기기분 석 과정은 최소 3회 반복하였음.
시료 간에 유의적인 차이를 보이는 지표 물질은 추가적인 동정(identification)을 위 한 LC-MS/MS 또는 NMR 분석을 실시함 (지표물질 2종 이상 발굴).
시료 간에 유의적인 차이를 보이는 지표물 질은 GC-MS 분석을 통하여 발굴하였음.
통계분석 산지별 더덕의 대사체 해독을 위한
principal component analysis(PCA) 실시함.
PCA로 더덕의 대사체를 해석하는 데 충분 한 결과를 얻을 수 있었음.
통계분석
ITS(internal transcribed spacer) 유전자 분석.
문헌조사결과 국내 더덕의 ITS는 거의 차이 가 없는 것으로 보고되어 별도로 수행하지 않았음.
시료 간에 통계학적으로 유의적 차이가 있는 마커의 추가 발굴 및 동정.
시료 간에 통계학적으로 유의적 차이가 있 는 마커의 추가 발굴 및 동정 확인하였음.
더덕 시료 간 hierarchical clustering dendrogram 작성.
더덕 시료 간 hierarchical clustering dendrogram 확보하였음.
3.2 실험과정
분석용 시료 제조 과정
1) 횡성을 비롯한 전국 7개 지역에서 생산된 더덕을 확보하였음.
2) 열수 추출과정을 통하여 더덕시료의 추출물을 확보하였음.
3) 이를 동결 건조하여 고체 상태의 시료를 확보하였음.
4) 동일 무게의 동결건조된 더덕 추출물 시료를 70% 에탄올에 용해하였음.
5) Speed-Vac을 이용하여 건조시켰음.
기기분석 과정
1) 건조된 시료를 GC/MSD(Agilent Quadrupole 5975C GC/MSD & 7890 GC system, USA)로 분석 하기 위하여, Silylation 및 Oximation 전처리를 실시하였음.
2) DB-5MS column(J&W Scientific, Folsom, CA, USA)을 사용하여 70~300oC의 승온 조건으로 약 58분간 분석하였음.
3) 이동상은 헬륨가스를 사용하였으며 시료는 1µl를 주입하였고, split ratio는 1:100로 하였음.
4) Simca P+ 12 버전(Umetrics, Sweden)을 사용하여 주성분분석(PCA)을 실시하고 scatter plot 및 loading plot을 작성하였음.
3.3 실험결과
GC-MS 결과 분석
주성분분석은 각 변수들의 변량을 고유값(eigenvalue)과 고유벡터(eigenvector)의 곱으로 나타낼 수 있는데, 고유값은 통계적인 파라미터들이 갖는 고유의 값이고, 고유벡터는 방향성(+,-)을 갖는 값임. 각 고유값의 제곱의 합은 1을 넘지 못하고, 이 고유의 수치는 전체의 변량을 설명할 수 있는 비율을 의미함.
보통 각 x와 y축의 PC변량의 고유값의 합은 0.7 이상을 추천하며 최근 그 이상을 요구하기도 함. Principal component(PC) 변량의 분산을 가장 크게 할 때의 PC를 PC1이라 하고 그 다음의 값 을 PC2, PC3, ... PCn의 순으로 기여도는 작아짐. 분리도의 정도는 x와 y축의 PC변량(PC1&PC2, PC1&PC3 또는 PC2&PC3 등)의 선택으로 분산이 달라지기 때문에 이로 인하여 패턴은 변화될 수 있음.
PCA의 분석 전에 시료들은 기준이 다르기 때문에 표준화 과정을 보통 거치며, centering 등 다 양한 방법 등이 사용되고 있으나 데이터의 부적합한 processing의 전처리로 오인되어 적용하지 않 는 경우도 많음. 주성분분석은 미지의 분석시료의 분석에 적합한 unsupervised method임.
Scatter plot
PCA의 결과를 PC1과 PC2를 이용하여 나타내었으며, 7가지의 더덕시료를 GC/MSD로 3반복 분 석한 후, Simca P+12 버전(Umetrics, Sweden)으로 PCA분석을 실시하였으며, 각 지역의 더덕을 a부 터 g로 표시하였음. 이를 바탕으로 각 지역의 더덕들이 cluster를 형성한다는 것을 확인할 수 있었 으며, 산지별 더덕들이 서로 다른 성분을 함유하고 있다는 것을 예측할 수 있었음.
8 6 4 2 0 -2 -4 -6 -8
-11 -10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 11
t[2]
t[1]
a eee
gg gg
a c ccc c
d d d
fff dd
b b b b b
a
a a
그림 1 Score plot. a: 홍성더덕, b:예천더덕, c: 청원더덕, d: 양구더덕, e: 영월더덕, f: 강진더덕, g: 횡성더덕.
Loading plot
Score plot과 비교하여 어떤 화합물들이 각 더덕시료를 특징지워 주는지 알 수 있었음. Score plot 과 마찬가지로 PC1 및 PC2를 사용하여 분석되었으며, PC1과 PC3 및 PC2와 PC3를 활용하면, 다 른 패턴의 loding plot을 확인할 수 있었음. 그림 2에 나타낸 64개의 대사물질은 표 1에서 확인할 수 있음.
p[2]
p[1]
0.20 0.10 -0.00 -0.10 -0.20
-0.20 -0.15 -0.10 -0.05 -0.00 0.05 0.10 0.15 0.20 0.25
1424
64 28
850 59
18 23
43 26
30
4 31 39
5 2 42
21 12 2016 3740
1 49 10
53 15 32 27
3 586 11
48 19
33
38 22 11
25 3432 4446
그림 2 Loading plot.
표 1 Loading plot에 나타낸 1~64번까지의 화합물
ID Metabolite ID Metabolite ID Metabolite
1 Sulfate 23 Ornithine 45 Sorbopyranose
2 Valine 24 Fructose 46 Sedoheptulose
3 Malonic acid 25 Gluconic acid 47 Mannopyranoside
4 Urea 26 Ribose 48 Xylitol
5 Amino levulinic acid 27 Galactose 49 Arabinofuranose
6 Leucine 28 Glucose 50 Arabinose
7 Isoleucine 29 Lysine 51 Rythronic acid
8 Glycine 30 Mannose 52 Pentanedioic acid
9 Succinic acid 31 Tyrosine 53 Glutamine
10 Butanoic acid 32 Glucitol 54 Ribitol
11 Fumaric acid 33 Mannitol 55 1-aza-4-phospha-
cyclohexane
12 Serine 34 Glucosamine 56 Galactopyranose
13 Th reonine 35 Mannonic acid 57 Glucopyranose
14 Aspartic acid 36 Altrose 58 1H-indole-2-carboxylic acid 15 Malic acid 37 Hexadecanoic acid 59 Galactopyranoside
16 Proline 38 Talose 60 Xylofuranose
17 Trihydroxybutyric acid 39 Myo-inositol 61 Tryptophan
18 Quinoline 40 Octadecanoic acid 62 Fucose
19 Glutamic acid 41 Xylopyranose 63 Mannopyranose
20 Phenylalanine 42 Ribofuranose 64 Citric acid
21 Asparagine 43 Benzenamine
22 Ribofuranose 44 Arabitol
Score scatter 3D plot
7가지 더덕을 공간적으로 구분하여 분석함으로써 평면도표보다 세부적인 구분이 가능하였음.
-10-8-6-4-2 02 46 810
15
10 5 0 -5-10 10 -15 8 6 4 2 0 -2 -4 -6 -8 -10
15
810
46 02 -4-2 -8-6 -8
t[1] t[2]
-6 -4 -2 0 2 4 6 8 10
10 5
0 -5 -10
그림 3 Score scatter 3D plot.
설명 가능한 변수의 확률은 낮지만 2차원상의 score plot에서 잘 분리되지 않던 c와 d그룹을 PC3를 포함한 3차원의 공간상에서 보다 명확하게 구분할 수 있었음.
Hierarchical clustering dendrogram
Score 및 loading plot의 matching plot으로 산지별 더덕시료들의 특징적인 성분을 동정할 수 있었음.
a~g의 표시는 각 더덕의 생산 지역을 나타내며, Var_1~64번은 화합물의 ID로 앞의 표 1과 동일 하게 정리되었음. Var_1~64번에서 score-loading contribution과의 상관성을 보여주고 있음.
홍성 더덕(a)은 25번, 32번, 34번 등의 화합물들과 비슷한 영역을 나타내고 있으며, 이 화합물들 은 gluconic acid, glucitol, mannonic acid 등이었음. 예천 더덕(b)은 1번(sulfate)과 비슷한 영역에서 확 인되었음.
청원더덕(c)은 48번, 57번 등의 화합물들과 겹쳐지고 있으며, 이들은 xylitol, glucopyranose 등임.
1.0
0.8
0.6
0.4
0.2
-0.0
-0.2
-0.4
-0.6
-0.8
-1.0
-1.0 -0.8 -0.6 -0.4 -0.2
p(corr)[1], t(corr)[1]
-0.0 0.2 0.4 0.6 0.8 1.0
Var_24 gg g
b b
b b b g
Var_14
Var_9Var_60 Var_44Var_46
Var_59 Var_43 Var_38 Var_35
Var_18Var_23
Var_22 Var_4 Var_5 Var_39 Var_53
Var_27 Var_55Var_54
Var_19 Var_49Var_6Var_10 Var_11
Var_15
Var_8
Var_13 Var_12 Var_7
Var_21 Var_20Var_1 Var_28
Var_29 Var_23
Var_2 Var_3
Var_26
Var_33
Var_31 Var_30
c
fff ccc Var_32c
Var_48
e
d d d d d
eee
Var_1 Var_58
a a
a a
a Var_34
Var_25Var_42
그림 4 Hierarchical clustering dendrogram.
a: 홍성더덕, b:예천더덕, c: 청원더덕, d: 양구더덕, e: 영월더덕, f:강진더덕, g: 횡성더덕.
양구더덕(d)은 54번, 55번, 56번 등의 화합물들과 비슷한 영역에 나타났으며, ribitol, 1-aza-4- phosphacyclohexane, galactopyranose 등이었음.
영월더덕(e)은 특정 화합물들과 겹쳐지는 영역은 없었으나, 64가지의 마커와 비교하였으므로 수를 더 늘린다면 가능성이 있다고 판단됨. 또한 가까이에 있는 9번, 60번, 46번, 59번 등의 화합 물들이 succinic acid, xylofuranose, sedoheptulose, galactofuranoside 등인 것으로 미루어 보아 이와 비 슷한 화합물들을 함유하고 있을 것으로 예상됨.
강진더덕(f )은 36번(altrose), 39번(myo-inositol) 등과 비슷한 영역에서 확인되었으며, 64가지의 화
합물들 중에서 가장 많은 화합물들이 집중된 곳에서 나타나고 있으므로, 이용 가능한 화합물 들을 가장 많이 포함하고 있을 것으로 예상됨. 횡성더덕(g)은 33번(mannitol), 28번(glucose) 등의 화합물들과 함께 나타나고 있음.
표 2 지역별 cluster에서 확인된 화합물
지역 화합물 번호 특징적인 화합물(마커)
홍성(a)
22 Ribofuranose
25 Gluconic acid
35 Mannonic acid
38 Talose
41 Xylopyranose
예천(b) 1 Sulfate
30 Mannose
청원(c)
3 Malonic acid
26 Ribose
32 Glucitol
48 Xylitol
양구(d))
6 Leucine
34 Glucosamine
55 1-aza-4-phosphacyclohexane 58 1H-indole-2-carboxylic acid
영월(e)
9 Succinic acid
60 Xylofuranose
46 Sedoheptulose
59 Galactopyranoside
강진(f)
4 Urea
31 Tyrosine
37 Hexadecanoic acid
39 Myo-inositol
40 Octadecanoic acid
횡성(g)
24 Fructose
28 Glucose
33 Mannitol
64 Citric acid
각 지역별 더덕들에서 나타나는 특징적인 화합물들을 확인함으로써, 식품 원재료의 원산지 및 품질을 판별할 수 있는 체계적이고 과학적인 근거를 마련하였음. 같은 식재료도 원산지와 재배 방식에 따라서 함유하고 있는 영양소와 화합물이 상이할 수 있으며, 이는 더 나아가 우수한 더덕 을 생산할 수 있는 기술개발의 동기를 부여할 것으로 기대됨.
4. 요 약
산지에서 유통되고 있는 전국 주요산지의 더덕을 7개 지역에서 구매하였음. 구매지역은 홍성, 예 천, 청원, 양구, 영월, 강진, 횡성으로 중하품의 더덕을 사용하였으며, 각 지역의 농업기술센터의 추천을 받아 정확한 산지정보를 획득하고자 하였음.
기기분석을 위하여 더덕을 전처리하였음. 열수 추출물을 이용하였으며, 시료 중에 함유된 대사 체의 농도는 충분한 것으로 판단되어 별도의 농축과정은 거치지 않았음. 각 추출물에서 색과 점 성에서 각각의 특성을 관찰할 수 있었으며, 동결건조를 통하여 기기분석용 샘플을 준비하였음.
준비된 시료를 이용하여 GC-MS로 더덕 대사체 라이브러리를 분석하였음. 통계적인 유의수준 확보를 위하여 기기분석 과정은 최소 3회를 반복하였음. 시료 간의 유의적인 차이를 보이는 지표 물질은 GC-MS 분석을 통하여 발굴하였음.
PCA(principal component analysis)로 더덕의 대사체를 해석하는 데 충분한 결과를 얻을 수 있었 음. 시료 간에 통계학적으로 유의적 차이가 있는 마커의 추가 발굴 및 동정을 확인하였으며, 이를 바탕으로 더덕 시료 간의 hierarchical clustering dendrogram을 작성하였음.
각 산지별 더덕의 메타볼롬 라이브러리를 확보·분석함으로써 국내에서 유통되는 더덕의 원산 지를 판별할 수 있는 근거자료를 확보하였음. 더덕의 맛과 품질에 큰 영향을 끼치는 지표성분을 발굴할 수 있을 것이며, 지표가 되는 맛 또는 기능성분을 증강시킬 수 있는 더덕재배기술을 개발 하기 위한 동기를 불러일으킬 수 있을 것으로 기대됨.
참고문헌
김상국, 강동균, 미기군, 정상환, 이승필, 이상청, 최부술. 1999. 표고에 따른 더덕의 향기성분과 정유 함량. 한 국약용작물학회지. 7(1):58-62.
김혜자. 1985. 자연산과 재배더덕의 일반성분 및 아미노산 조성. 한국식품과학회지. 17(1):22.
맹영선, 박혜경. 1990. 더덕의 지방산 및 아미노산 조성. 한국식품영양과학회지. 6(4):51-57.
박부덕, 박용곤, 최광수. 1985. 더덕의 연근별 화학성분에 관한 연구, 제 1보, 일반성분, 무기질 및 단백질 분 획. 한국식품영양학회지. 14(3):174.
박부덕, 박용곤, 최광수. 1985. 더덕의 연근별 화학성분에 관한 연구, 제 2보, 지질분획의 분리. 한국영양식량 학회지. 14(3):280.
오해숙, 김준호, 최무영. 2006. 야산 재배 더덕의 향기성 향기성분에 관한 연구. 한국약제학회지. 22(6):774- 782.
유장렬, 김석원, 구본초. 2006. molecular and cellular biology news “식물대사체학(Plant Metabolomics)”. 한국 생명공학연구원 식물유전체연구센터, 생물지원센터. 28-29.
이상영, 신효선. 1971. 감자의 지방질 성분에 관한 연구, 제 1보, 유리 및 결합지질 중의 지방질 조성에 관하여.
한국식품과학회지. 11(4):291.
정진섭, 나태선. 1977. 사삼의 terpenoid 성분에 관한 연구. 생약학회지. 8(2):49.
최문영, 김경민, 최민석, 허윤석, 이해나, 이충우, 권성원. 2008. 가공시간에 따른 인삼의 대사체학 분석. 한국 약제학회지. 38(1):23-29.
Bauer T, Garbe D, Surburg H. 1990. Common fragrance and flavor materials. VCH Publishers. NY. 8-110.
Camacho D, Fuente A, Mendes P. 2005. The origin of correlations in metabolomics data. Metabolomics. 1(1):53-63.
Chuman T. 1977. Chemical on aroma constituents of Turkish tobacco. Jpn. Mono. Cor. Cent. Res. Inst. Sci. 119:45- 92.
Chuyng BS, Na DS. 1977. Studies lanceolata Bent. et Hook Kor. J. Pharm. 8:47-49.
Court WA, Hendel JG. 1978. Determination of nonvolatile organic and fatty acids in flue cured tobacco by gas liquid chromatography. J. Chroma. Sci. 16:314-317.
Denis AC. 1982. Techniques of analysis of flavours. In Food Flavours Part A. Introduction Morton ID, Macleod AJ(ed). Elsev. New York NY. USA. 27-30.
Dunn WB, Bailey NJC, and Johnson HE. 2005. Measuring the matabolome: current analytical technologies.
Analyst. 130:606-625.
Fiehn O, Kopka J, Dormann P, Altmann T, Trethewey RN, Willmitzer L. 2000. Metabolite profiling for plant functional genomics. Nat. Biotechnol. 18:1157-1161.
Fukuzumi T. 1971. Studies on the flavor components of oriental tobacco leaves, Bull. of Okayama Tobacco Expt.
Station. 30:103-134.
Green C, Pucarelli F, Marikoo A, Manley C. 2004. Recreating flacors from Nature. Food Technol. 58(11):28-34.
Ha JH. 1997. Characteristics of the volatile flavor compounds on the oil from roasted sesame seed. Kor. J. Food Sci.
Technol. 29(6):1101-1104.
Han BH, Kang SS, Woo WS. 1976. Triterpenoids from Codonopsis lanceolata. J. Pharm. Soc Kor. 20:79.
Jennings W, Shibamoto T. 1980. Qualitative analysis of flavor and fragrance volatiles by glass capillary gas chromatography. Academic Press. Inc. 9-28.
Kell DB, Darby RM, Draper J. 2001. Genomic computing: explanatory analysis of plant expression profiling data
using machine learning. Plant Physiol. 126:043-949.
Kim HJ. 1985. Proximate and amino acid composition of wild and cultivated Codonopsis lanceolta. Kor. J. Food Sci.
17(1)22-24.
Kim JH, Kang KR, Kim JJ, Oh CH. 1992. Comparative sampling procedures for the volatile flavor components of Codonopsis lanceolata. Kor. J. Food Sci. Technol. 24(2):171-176.
Kim SW, Ban SH, Chung H, Cho SH, Chung HJ, Choi PS, Yoo OJ, Liu JR. 2004. Tazonomic discrimination of higher plants by multivariate analysis of Fourier transform infrared spectroscopy data. Plant Cell Rep. 23:246- 250.
Lee SP, Kim SK, Choi BS, Lee SC, Kim KU. 1995. Growth and aromatic constituents of wild and domesticated Codonopsis lanceolata grown at two different regions. kor. J. Crop. Sci. 40(5):587-593.
Lee SP. Kim SK, Choi BS, Lee SC, Yeo SK. 1998. Effects of organic matter applications on general components and essential oils in Codonopsis lanceolata. Kor. J. Med. Crop. Sci. 6(1):21-27.
Lee SP, Kim SK, Nam Ms, Choi BS, Lee SC. 1996. Effects of shading and organic matter applications on growth and aromatic constituents of Codonopsis lanceolata. Kor. J. Crop. Sci. 41(4):496-504.
Oh HS, Kim JH, Choi MY. 2005. Change of volatile flavor components of Codonopsis lanceolata cultivated on a wild fill and stored at carious conditions. Kor. J. Commun. liv. Sci. 16(4):15-23.
Park JY, Kim YH, Kim KS, Kwag JJ. 1989. Volarile flavor component of Codonopsis lanceolata Traut. J. Kor. Agr.
Chem. Soc. 32(4):338-343.
Raamsdonk LM, Teusink B, Broadhurst D, Zhang N, Hayes A, Walsh MC, Berden JA, Brindle KM, Kell DB, Rowland JJ, Westerhoff HV, van Dam K, Oliver SG. 2001. A functional genomics strategy that uses metabolome data to reveal the phenotype of silent mutations. Nature Biotech. 19:45-50.
Yang SY, Kim HK, Lefeber AWM, Erkelens C, Angelova N, Choi YH, Verpoorte R. 2006. Application of two- dimensional nuclear magnetic resonance spectroscopy to quality control of ginseng commercial products. Planta Med. 72:364-369.
