Agrobacterium tumefaciens strain CP4 유래 5-enolpyruvylshikimate- 3-phosphate synthase (EPSPS) 유전자를 포함하는 유전자변형생물체 (Living modified organism, LMO)가 개발되었다. 이 같은 LMO는 국내 승인되어 사료용, 식품용, 가공용으로 이용 중이다. 간이면역 검사키트 개발을 위해서는 고효율의 단클론 항체 개발이 필수적이다. 본 연구에서는 대장균 BL21 (DE3)에서 재조합 CP4 EPSPS 단백질을 정제하였으며 SDS-PAGE와 MALDI-TOF MS 분석으로 단백질 특성을 분석하였다. 단클론 항체 제작은 ㈜앱 클론의 SOP 매뉴얼에 따라 진행하였다. 본 연구 결과 5개의 단클론 항체 클론 (2F2, 4B9, 6C11, 10A9, 10G9)를 확보하였다. 5종의 단클론 항체의 효율과 특이도 검정을 위해서 LM 면화 추출액을 이용한 western blotting 분석을 실시하였다. 모든 단클론 항체는 CP4 EPSPS를 함유하는 MON1445와 MON88913을 특이적으로 검출하였으며 비변형 면화 및 타종의 LM 면화에서는 검출되지 않았다. 이러한 결과들을 바탕으로 CP4 EPSPS 단클론 항체는 LMO 에 함유된 CP4 EPSPS 단백질을 타겟으로 항체 기반 검출법 개발에 활용될 것으로 사료된다.

면화는 중요한 섬유 작물로 종자는 가축의 사료로 사용 된다. 작물 생명공학은 농업 분야에서 농업적 형질과 질을 향상시키기 위해 활용되어져 왔다. 국내 식품, 사료, 가 공 제품에 유전자변형 (LM) 면화의 사용이 증가함에 따라 환경으로의 LM 면화의 비의도적 유출 또한 증가하고 있다. LMO 모니터링 사업에서 수집된 LM 면화를 검정하기 위하여 국내 수입 승인된 LM 면화의 검출법 개발이 필요하다. 본 연구에서는 LM 면화 MON757, MON88792, COT67B, GHB811 4종을 대상으로 동시검출법을 개발하였다. 이벤트에 대한 유전 정보는 유럽 JRC와 농림축산검역본부에서 확보하였다. LM 면화의 동시검출법 개발을 위해 이벤트 특 이적인 프라이머를 설계하였으며 특이적인 증폭을 확인하였다. 특이도 검정, 무작위 표준물질 혼합물 분석, 검출한계 분석을 통하여 동시검출법의 정확도와 특이도를 검증하였다. 그 결과 본 동시검출법은 각각의 이벤트를 검출할 수 있으며 LM 표준물질을 활용하여 특이도를 검정하였다. 또한 무작위 표준물질 조합도 정확하게 검출할 수 있다. 검출한 계 분석에서는 25 ng의 미량의 주형 DNA로 단회 분석으로 검출이 가능하다. 결론적으로 4종의 LM 면화 동시검출법을 개발하였으며 LM 면화 자생체 분석에 활용될 것으로 사료 된다.

In this paper, we propose dead pixel detection and compensation method using nonlinear estimator for infrared camera. Infrared camera has dead pixel that is abnormal output values due to complex factors such as manufacturing process, electronic parts and so on. Dead pixels are able to affect detecting a small target. So, It needs detection and Compensation process. However, after Compensation, some dead pixels are remained and detected by the human. They are soft dead pixel. The key idea of this proposed method, detecting soft dead pixels, is that design a nonlinear estimator using image data characteristics. This propose is able to not only detect soft dead pixels but also pixel Compensation that reflects infrared camera output characteristics well.

Maritime monitoring requirements have been beyond human operators capabilities due to the broadness of the coverage area and the variety of monitoring activities, e.g. illegal migration, or security threats by foreign warships. Abnormal vessel movement can be defined as an unreasonable movement deviation from the usual trajectory, speed, or other traffic parameters. Detection of the abnormal vessel movement requires the operators not only to pay short-term attention but also to have long-term trajectory trace ability. Recent advances in deep learning have shown the potential of deep learning techniques to discover hidden and more complex relations that often lie in low dimensional latent spaces. In this paper, we propose a deep autoencoder-based clustering model for automatic detection of vessel movement anomaly to assist monitoring operators to take actions on the vessel for more investigation.

Deep convolutional network is a deep learning approach to optimize image recognition. This study aimed to apply DCNN to the reading of mandibular cortical thinning in digital panoramic radiographs. Digital panoramic radiographs of 1,268 female dental patients (age 45.2 ± 21.1yrs) were used in the reading of the mandibular cortical bone by two maxillofacial radiologists. Among the subjects, 535 normal subject’s panoramic radiographs (age 28.6 ±7.4 yrs) and 533 those of osteoporosis pationts (age 72.1 ± 8.7 yrs) with mandibular cortical thinning were used for training DCNN. In the testing of mandibular cortical thinning, 100 panoramic radiographs of normal subjects (age 26.6 ± 4.5 yrs) and 100 mandibular cortical thinning (age 72.5 ± 7.2 yrs) were used. The sensitive area of DCNN to mandibular cortical thinning was investigated by occluding analysis. The readings of DCNN were compared by two maxillofacial radiologists. DCNN showed 97.5% accuracy, 96% sensitivity, and 99% specificity in reading mandibular cortical thinning. DCNN was sensitively responded on the cancellous and cortical bone of the mandibular inferior area. DCNN was effective in diagnosing mandibular cortical thinning.