김치가 세계 5대 건강식품으로 선정되어 세계인의 주목을 받게 되면서 갓의 수요도 점점 증가하고 있어 다양한 갓품종의 육성이 절실히 요구되는 실정이다. 그러나 아직 품종보급 체계가 미흡하여 자가 채종에 의한 자식약세현상, 순도저하, 상품의 불균일 등의 문제점이 발생하고 있다. 본 실험에서는 갓의 F1 품종 육성체제를 갖추기 위하여 유전자원으로 수집한 갓의 순계분리와 자식계통의 육성, 웅성불 임인자의 도입을 통하여 고품질의 갓을 육성하기 위하여 각 조합을 공시하여 조합능력을 검정하고(인도자사이×고흥담양)조합과 (분리 MS 유기계-MS910×일본 적자색갓 8×강화갓 9) 분리계 조합이 우수하다고 판단되어 양친으로 선발하였다. PCR(Polymerase Chain Reaction)과 염기서열 분석을 통해 CMS type을 확인해 본 결과, MS계통 MSLS와 MSLC는 갓에서 보고된 orf263, orf220 및 orf288 CMS 유전자를 미토콘드리아 DNA에 포함하고 있는 것으로 나타났다. 최종적으로 생산력검정 및 농가 실증시험을 실시하였다.

본 연구에서는 인도 수출용 옥수수의 품종육성을 위하여 인도 현지에서 수집한 다양한 옥수수의 계통 과 품종에 대한 내습성 실험을 수행하였다. 실험대상은 총 20종의 인도수집 옥수수 계통 및 품종과 국 내시판종인 광평옥과 찰옥수수를 이용하였다. 내습성검정을 위하여 하우스 내에 물웅덩이를 설치하고 화분에서 재배한 대조구와 화분을 침수시킨 침수처리구로 구분하여 2주간 재배한 후 초장의 길이를 비 교한 결과 일반구에 대한 침수구의 비율이 높은 H2(92.9%), H18(88.8%), CN114A(98.1%), CN351A (94.3%), Super900M(95.3%), P3394(98.8%), 31N27(96.7%) 등은 비교적 내습성이 강한 것으로 나타 났으며 반면에 H1(78.9%), H8(73.4%), H10(77.1%), H19(79.0%), H26(74.1%), H31(75.7%), H34 (77.5%), H36(77.4%), H40(74.6%) 등은 침수시 많은 수분스트레스를 받는 것으로 사려된다. 침수상태 의 옥수수 잎으로부터 엽록소a, 엽록소b 및 cartenoids의 함량을 측정하여 대조구와 비교함으로서 침수 상태에서 얼마나 많은 엽록소와 cartenoids가 감소되었는지 검정해보니 상기 결과와 동일한 결과를 도 출하였다. 특히 H36(7.249ug·mg-1)과 H40(7.642ug·mg-1)의 경우 엽록소a의 함량이 침수시 급감함 을 보여주었다. 반면에 인도시판종인 37N27(0.630ug·mg-1)과 P3394(1.208ug·mg-1)는 가장 적은 함 량의 변화를 나타내어 우수한 품종임을 알 수 있었다. cartenoids의 함량감소는 엽록체 a의 함량변화와 비례하며 감소하는 경향을 나타내었다.

본 연구에서는 FT-IR 스펙트럼데이터의 다변량 통계분석 기법을 활용하여 인도수집 옥수수 계통 및 품종으로부터 단백질 함량이 높은 옥수수를 신속하게 선발할 수 있는 선발체계를 확립함과 동시에 lysine과 tryptophan의 함량분석을 목적으로 연구를 수행하였다. 총 48시료의 인도수집 옥수수 계통 및 품종과 국내산 품종을 이용하여 종자로부터 FT-IR 스펙트럼을 조사하였으며, 무작위로 선발된 24시 료를 대상으로 총 단백질 함량을 조사하였다. 대조구로 사용한 광평옥 모계(GPO1)의 경우 단백질 함량 이 9.34 ± 0.3mg/g dw인데 비하여 H4 계통의 경우 단백질 함량이 10.26 ± 0.5mg/g dw로 48개 옥 수수 시료 중에서 가장 높게 나타났다. 특히 옥수수 H4, H6, H11, 그리고 H12 계통의 경우 총 단백질 함량이 각각 10mg/g dw 이상으로 측정되어 광평옥 모계(9.34mg/g dw)와 부계(9.36mg/g dw) 및 이 들의 F1(9.14mg/g dw)보다 총 단백질 함량이 높은 계통으로 판명되었다. Cross-validation test에서 옥수수 종자 내 총 단백질 함량예측 PLS regression model의 regression coefficient(R2) 는 0.77로 비교적 정확하게 총 단백질 함량예측이 가능한 것으로 나타났다. 따라서 본 PLS regression model을 이용하여 단백질 함량이 높은 사일리지 옥수수 계통의 선발이 가능할 것으로 기대되며, 더 나아가 다양 한 옥수수 계통의 신속한 대사체 수준 평가가 가능할 것으로 예상된다.

양파는 Allium에 속하는 조미채소로 한국을 포함한 동아시아 지역에서 경제적으로 중요한 작물이다. 본 연구에서는 슈퍼생생과 뉴마르스 양파 2개 품종의 인경 부위를 이용하여 kinetin 농도 별 백색 체세포배 캘러스 형성율을 조사하였다. 양파의 백색 체세포배 캘러스를 얻기 위하여 실시된 배양 조건은 1mg/L 2.4-D를 첨가한 B5배지를 기본으로 25℃ Dark에서 배양하였다. 관찰하고자 한 kinetin의 농도는 0mg/L, 0.1mg/L, 0.3mg/L, 1mg/L, 3mg/L로 정하여 실험하였으며, MSB배지에서 배양된 2개 품종의 양파인경을 얇게 잘라 B5배지에 치상하였다. 양파의 인경 조직 중 가장 안쪽 부분부터 반응이 시작되어 백색 체세포 배 캘러스가 형성되는 것을 kinetin 농도 별로 배양한 2주 후부터 관찰할 수 있었다. 양파 2개 품종의 인경 조직을 B5배지에 배양한 8주 후에 백색 체세포 배 캘러스 형성율을 조사하였다. 그 결과 슈퍼생생과 뉴마르스의 인경 조직에서 1mg/L 2,4-D와 0.3mg/L 그리고 1mg/L kinetin이 혼용처리 된 B5배지에서 73%와 66.7%로가장 높게 나타나는 것을 알 수 있었다. 본 연구에서 확립된 슈퍼생생과 뉴마르스의 인경 조직을 이용한 백색 체세포배 캘러스 형성 조사 결과는 추후 양파의 식물체 재분화 유도 및 대량증식 연구분야에 활용이 가능할 것으로 기대된다.

In this study we established the high throughput screening system of high functional soybean cultivars using PLS modeling from FT-IR spectral data of soybean(Glycine max L) seeds. Crude extract of 20% methanol from soybean seed powders (153 lines) were used for FT-IR spectroscopy. Total fatty acid, carotenoids, flavonoids and phenolic compounds contents from soybean seed powders were analyzed using UV-spectrum and GC analysis respectively. PCA analysis showed that 153 soybean lines formed a single clusters with a few outlier. PC score 1 and 2 represented 39.5, 16.4% of total variation, respectively. And than showed change patten from the middle to outside for PCA plot. We conducted PLS regression analysis between FT-IR spectral data and fatty acids data. Palmitic acid showed the highest regression coefficient (R=0.78). This result implied that the content of palmitic acid could be predicted from FT-IR spectral data from soybean seed powders with relatively high fidelity. PLS modeling of total carotenoids also showed regression coefficient of 0.69. Regression coefficient of total flavnoids and phenolic compounds were 0.44, 0.39, respectively. At present, we are trying to confirm the accuracy of PLS prediction modeling using targeted metabolite analysis (GC-MS, LC-MS) from predicted soybean lines. To increase the accuracy of PLS modeling, we also trying to standardization of spectroscopy and spectral data processing. Furthermore we are going to develop PLS modeling from GC-MS, LC-MS data. The PLS prediction modeling established in this study could be applied for high throughput screening of other leguminous plant.