본 연구는 FT-IR 스펙트럼 데이터를 기반으로 다변량통계분석을 이용하여 생육 온도변화에 따른 파파야(Carica papaya L.)의 대사체 수준 식별을 통해 기후 변화에 대응하여 작물의 육종 연구의 기초자료로 활용하고자 한다. 1. FT-IR 스펙트럼 데이터로부터 PCA(principal component analysis), PLS-DA(partial least square discriminant analysis) 그리고 HCA(hierarchical clustering analysis) 분석을 실시하였다. 2. 파파야 품종은 1700–1500, 1500–1300, 1100–950 cm-1부 위에서 대사체의 양적, 질적 패턴 변화가 FT-IR 스펙트럼상에 서 나타났다. FT-IR 스펙트럼의 1700–1500 cm-1부위는 주로 Amide I 과 II을 포함하는 아미노산 및 단백질계열의 화합물 들의 질적, 양적 정보를 나타내고, 1500–1300 cm-1부위는 phosphodiester group을 포함한 핵산 및 인지질의 정보가 반영이 되고, 1100–950 cm-1부위는 단당류나 복합 다당류를 포함 하는 carbohydrates 계열의 화합물들이 질적, 양적 정보가 반영되는 부위이다. 3. PCA score plot 상측으로부터 +0oC(A)에서 +4oC(C)로 변화하는 것을 볼 수 있다. (A) 그룹은 주로 현재 기온에서 재배되는 파파야가 분포되면서 그룹을 형성하고 있고, (B) 그 룹은 평년 기온에서 +2oC 증가한 것을 가정하여 재배된 파파야가 그룹을 형성하였다. 또한, (C) 그룹은 (B) 그룹에서 +2oC, 평년 기온에서 +4oC 증가한 것을 가정하여 재배된 파파야가 그룹을 형성하였다. 4. PLS-DA 분석의 경우 PCA 분석보다 생육온도에 따른 그룹 간 식별이 뚜렷하게 나타났다. 5. 본 연구에서 확립된 파파야 생육온도에 따른 대사체 수준 식별 기술은 파파야의 품종, 계통의 신속한 선발 수단으로 활용이 가능할 것으로 기대되며 육종을 통한 신품종개발 가속화에 기여할 수 있을 것으로 예상된다.

본 연구에서는 커피(C. Arabica)의 FT-IR 스펙트럼 데이터 를 기반한 다변량통계분석을 이용한 대사체 분석을 통해 품종 식별을 하여 육종 연구에 기초자료로 활용하고자 한다. 1. FT-IR 스펙트럼 데이터를 이용한 PCA(principal component analysis), PLS-DA(partial least square discriminant analysis) 그리고 HCA(hierarchical clustering analysis) 분석을 통해 품종 분류가 가능하였다. 2. 커피 품종들은 FT-IR 스펙트럼 부위인 1700-1500-1 (Amide I 과 II을 포함하는 아미노산 및 단백질계열의 화합물 들), 1500-1300-1 (phosphodiester group을 포함한 핵산 및 인지질의 정보), 1100-950cm-1 (단당류나 복합 다당류를 포함하는 carbohydrates 계열의 화합물)에서 질적, 양적 정보의 차이가 나타났다. 3. PCA 상에 나타난 8품종의 커피 품종이 각각 그룹을 형성하였다. 그 중 ‘Caturra’와 ‘Mahsellesa’ 품종은 각각의 그룹을 나타내면서 C. arabica 종에서도 다른 대사체 정보를 나타내는 것으로 확인하였고, ‘Catuai’, ‘CR-95’, ‘Geisra’, ‘Obata’, ‘Vemecia’ 그리고 ‘non’ 품종은 유사한 대사체 정보를 나타내는 것으로 확인하였다. 4. PLS-DA 분석의 경우 PCA 분석 보다 커피 품종간 식별이 뚜렷하게 나타났다. 5. 본 연구에서 확립된 대사체 수준에서 커피의 품종 식별 기술은 품종, 계통의 신속한 선발 수단으로 활용이 가능할 것으로 기대되며 육종을 통한 품종개발 가속화에 기여 할 수 있을 것으로 예상된다.

The study was conducted to obtain the basic information for extending the harvest season and selecting superior cultivars of mango. For the purposes, various cultivars were imported and cultivated in greenhouse condition, Korea. The periods of flowering and fruit maturity and fruit qualities among cultivars were investigated under greenhouse condition. As the early variety, the harvest time of ‘Carrie’ and ‘Glenn’ was fastest as June 3 based on harvest time and cumulative temperature. ‘Kent’, ‘Philippine’, ‘Irwin’, ‘Choc-anon’, and ‘Fairchild’ as the early variety were harvested from June 8 to June 13. ‘Zill’, ‘Florigon’, ‘Alphonso’, ‘Mallika’, ‘Kensington Pride’, ‘Bailey’s Marvel’, and ‘Pinkering’ as midseason cultivar were harvested from June 15 to June 23. ‘Dot’, ‘Keitt’, ‘Gold Nugget’, and ‘Lancetilla’ as late ripening variety were harvested from July 5 to July 10. The fruit weights of ‘Keitt’ and ‘Kent’ were more than 650g and those of ‘Fairchild’ and ‘Lancetilla’ were less than 200g. The fruit weights of other cultivars were from 300 to 400g. The soluble solid contents of ‘Zill’, ‘Irwin’, ‘Kent’ and ‘Glenn’ were almost 15Brix and those of other cultivars were higher than that of ‘Irwin’. The soluble solid contents of ‘Pinkering’, ‘Philippine’, ‘Lancetilla’, ‘Dot’, and ‘Alphonso’ were about 20Brix and flavors of those cultivars are excellent. The acid contents of cultivars were investigated from 0.2 to 0.4% but that of ‘Fairchild’ was 0.8%.

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.