KR101523337B1 - Methods for Assessing Virus Infections against a Plant using Raman Spectroscopy and Chemometrics - Google Patents
Methods for Assessing Virus Infections against a Plant using Raman Spectroscopy and Chemometrics Download PDFInfo
- Publication number
- KR101523337B1 KR101523337B1 KR1020120104667A KR20120104667A KR101523337B1 KR 101523337 B1 KR101523337 B1 KR 101523337B1 KR 1020120104667 A KR1020120104667 A KR 1020120104667A KR 20120104667 A KR20120104667 A KR 20120104667A KR 101523337 B1 KR101523337 B1 KR 101523337B1
- Authority
- KR
- South Korea
- Prior art keywords
- spectrum
- virus
- plant
- sample
- present
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000001069 Raman spectroscopy Methods 0.000 title claims abstract description 28
- 230000009385 viral infection Effects 0.000 title claims abstract description 19
- 238000001228 spectrum Methods 0.000 claims abstract description 73
- 238000000513 principal component analysis Methods 0.000 claims abstract description 16
- 241000700605 Viruses Species 0.000 claims abstract description 15
- 230000003595 spectral effect Effects 0.000 claims abstract description 14
- 208000036142 Viral infection Diseases 0.000 claims abstract description 13
- 238000010606 normalization Methods 0.000 claims abstract description 6
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 235000013311 vegetables Nutrition 0.000 claims abstract description 6
- 230000001678 irradiating effect Effects 0.000 claims abstract description 5
- 241000196324 Embryophyta Species 0.000 claims description 38
- 238000004458 analytical method Methods 0.000 claims description 17
- 241000723854 Zucchini yellow mosaic virus Species 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 10
- 240000008067 Cucumis sativus Species 0.000 claims description 9
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 claims description 7
- 238000001237 Raman spectrum Methods 0.000 claims description 7
- 240000007124 Brassica oleracea Species 0.000 claims description 5
- 235000003899 Brassica oleracea var acephala Nutrition 0.000 claims description 5
- 235000011301 Brassica oleracea var capitata Nutrition 0.000 claims description 5
- 235000001169 Brassica oleracea var oleracea Nutrition 0.000 claims description 5
- 244000291564 Allium cepa Species 0.000 claims description 4
- 235000002732 Allium cepa var. cepa Nutrition 0.000 claims description 4
- 240000007594 Oryza sativa Species 0.000 claims description 4
- 235000007164 Oryza sativa Nutrition 0.000 claims description 4
- 235000021307 Triticum Nutrition 0.000 claims description 4
- 244000098338 Triticum aestivum Species 0.000 claims description 4
- 235000009566 rice Nutrition 0.000 claims description 4
- 241000219112 Cucumis Species 0.000 claims description 3
- 240000005979 Hordeum vulgare Species 0.000 claims description 3
- 235000007340 Hordeum vulgare Nutrition 0.000 claims description 3
- 235000007688 Lycopersicon esculentum Nutrition 0.000 claims description 3
- 240000005561 Musa balbisiana Species 0.000 claims description 3
- 235000018290 Musa x paradisiaca Nutrition 0.000 claims description 3
- 241000710078 Potyvirus Species 0.000 claims description 3
- 244000088415 Raphanus sativus Species 0.000 claims description 3
- 235000006140 Raphanus sativus var sativus Nutrition 0.000 claims description 3
- 240000003768 Solanum lycopersicum Species 0.000 claims description 3
- 235000002595 Solanum tuberosum Nutrition 0.000 claims description 3
- 244000061456 Solanum tuberosum Species 0.000 claims description 3
- 241000219194 Arabidopsis Species 0.000 claims description 2
- 235000017060 Arachis glabrata Nutrition 0.000 claims description 2
- 244000105624 Arachis hypogaea Species 0.000 claims description 2
- 235000010777 Arachis hypogaea Nutrition 0.000 claims description 2
- 235000018262 Arachis monticola Nutrition 0.000 claims description 2
- 235000007319 Avena orientalis Nutrition 0.000 claims description 2
- 244000075850 Avena orientalis Species 0.000 claims description 2
- 235000016068 Berberis vulgaris Nutrition 0.000 claims description 2
- 241000335053 Beta vulgaris Species 0.000 claims description 2
- 240000002791 Brassica napus Species 0.000 claims description 2
- 235000004977 Brassica sinapistrum Nutrition 0.000 claims description 2
- 235000002566 Capsicum Nutrition 0.000 claims description 2
- 235000007516 Chrysanthemum Nutrition 0.000 claims description 2
- 240000005250 Chrysanthemum indicum Species 0.000 claims description 2
- 244000241235 Citrullus lanatus Species 0.000 claims description 2
- 235000012828 Citrullus lanatus var citroides Nutrition 0.000 claims description 2
- 241000207199 Citrus Species 0.000 claims description 2
- 229920000742 Cotton Polymers 0.000 claims description 2
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 claims description 2
- 235000009854 Cucurbita moschata Nutrition 0.000 claims description 2
- 240000001980 Cucurbita pepo Species 0.000 claims description 2
- 235000009852 Cucurbita pepo Nutrition 0.000 claims description 2
- 240000004585 Dactylis glomerata Species 0.000 claims description 2
- 235000002767 Daucus carota Nutrition 0.000 claims description 2
- 244000000626 Daucus carota Species 0.000 claims description 2
- 235000009355 Dianthus caryophyllus Nutrition 0.000 claims description 2
- 240000006497 Dianthus caryophyllus Species 0.000 claims description 2
- 235000011511 Diospyros Nutrition 0.000 claims description 2
- 244000236655 Diospyros kaki Species 0.000 claims description 2
- 241000234643 Festuca arundinacea Species 0.000 claims description 2
- 235000016623 Fragaria vesca Nutrition 0.000 claims description 2
- 240000009088 Fragaria x ananassa Species 0.000 claims description 2
- 235000011363 Fragaria x ananassa Nutrition 0.000 claims description 2
- 241000735332 Gerbera Species 0.000 claims description 2
- 241000245654 Gladiolus Species 0.000 claims description 2
- 235000010469 Glycine max Nutrition 0.000 claims description 2
- 244000068988 Glycine max Species 0.000 claims description 2
- 244000299507 Gossypium hirsutum Species 0.000 claims description 2
- 241000234435 Lilium Species 0.000 claims description 2
- 235000011430 Malus pumila Nutrition 0.000 claims description 2
- 235000015103 Malus silvestris Nutrition 0.000 claims description 2
- 244000070406 Malus silvestris Species 0.000 claims description 2
- 235000002637 Nicotiana tabacum Nutrition 0.000 claims description 2
- 244000061176 Nicotiana tabacum Species 0.000 claims description 2
- 240000004371 Panax ginseng Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 240000004928 Paspalum scrobiculatum Species 0.000 claims description 2
- 235000003675 Paspalum scrobiculatum Nutrition 0.000 claims description 2
- 241001494479 Pecora Species 0.000 claims description 2
- 239000006002 Pepper Substances 0.000 claims description 2
- 235000004347 Perilla Nutrition 0.000 claims description 2
- 244000124853 Perilla frutescens Species 0.000 claims description 2
- 235000016761 Piper aduncum Nutrition 0.000 claims description 2
- 240000003889 Piper guineense Species 0.000 claims description 2
- 235000017804 Piper guineense Nutrition 0.000 claims description 2
- 235000008184 Piper nigrum Nutrition 0.000 claims description 2
- 235000009827 Prunus armeniaca Nutrition 0.000 claims description 2
- 244000018633 Prunus armeniaca Species 0.000 claims description 2
- 240000005809 Prunus persica Species 0.000 claims description 2
- 235000006040 Prunus persica var persica Nutrition 0.000 claims description 2
- 241000220324 Pyrus Species 0.000 claims description 2
- 241000109329 Rosa xanthina Species 0.000 claims description 2
- 235000004789 Rosa xanthina Nutrition 0.000 claims description 2
- 240000000111 Saccharum officinarum Species 0.000 claims description 2
- 235000007201 Saccharum officinarum Nutrition 0.000 claims description 2
- 235000003434 Sesamum indicum Nutrition 0.000 claims description 2
- 244000040738 Sesamum orientale Species 0.000 claims description 2
- 244000062793 Sorghum vulgare Species 0.000 claims description 2
- 235000015724 Trifolium pratense Nutrition 0.000 claims description 2
- 241000722921 Tulipa gesneriana Species 0.000 claims description 2
- 235000011453 Vigna umbellata Nutrition 0.000 claims description 2
- 240000001417 Vigna umbellata Species 0.000 claims description 2
- 241000219094 Vitaceae Species 0.000 claims description 2
- 240000008042 Zea mays Species 0.000 claims description 2
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 claims description 2
- 235000002017 Zea mays subsp mays Nutrition 0.000 claims description 2
- 241001247821 Ziziphus Species 0.000 claims description 2
- FJJCIZWZNKZHII-UHFFFAOYSA-N [4,6-bis(cyanoamino)-1,3,5-triazin-2-yl]cyanamide Chemical compound N#CNC1=NC(NC#N)=NC(NC#N)=N1 FJJCIZWZNKZHII-UHFFFAOYSA-N 0.000 claims description 2
- 210000000081 body of the sternum Anatomy 0.000 claims description 2
- 235000020971 citrus fruits Nutrition 0.000 claims description 2
- 235000005822 corn Nutrition 0.000 claims description 2
- 235000013305 food Nutrition 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 235000021021 grapes Nutrition 0.000 claims description 2
- 235000019713 millet Nutrition 0.000 claims description 2
- 235000020232 peanut Nutrition 0.000 claims description 2
- 235000021017 pears Nutrition 0.000 claims description 2
- 235000021018 plums Nutrition 0.000 claims description 2
- 235000013526 red clover Nutrition 0.000 claims description 2
- 235000020354 squash Nutrition 0.000 claims description 2
- 230000003252 repetitive effect Effects 0.000 claims 1
- 238000004611 spectroscopical analysis Methods 0.000 abstract description 12
- 208000015181 infectious disease Diseases 0.000 description 16
- 239000000523 sample Substances 0.000 description 14
- 238000004566 IR spectroscopy Methods 0.000 description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 201000010099 disease Diseases 0.000 description 6
- 238000003556 assay Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013138 pruning Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000003612 virological effect Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 235000009849 Cucumis sativus Nutrition 0.000 description 2
- 241001147458 Dasheen mosaic virus Species 0.000 description 2
- 238000004497 NIR spectroscopy Methods 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 2
- 241000723990 Papaya ringspot virus Species 0.000 description 2
- 241000723764 Potato virus A Species 0.000 description 2
- 241000723762 Potato virus Y Species 0.000 description 2
- 241000723838 Turnip mosaic virus Species 0.000 description 2
- 238000004833 X-ray photoelectron spectroscopy Methods 0.000 description 2
- 241000404167 Zantedeschia mild mosaic virus Species 0.000 description 2
- 239000012472 biological sample Substances 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000002458 infectious effect Effects 0.000 description 2
- 238000012314 multivariate regression analysis Methods 0.000 description 2
- 244000052769 pathogen Species 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000000870 ultraviolet spectroscopy Methods 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 208000035473 Communicable disease Diseases 0.000 description 1
- 235000010071 Cucumis prophetarum Nutrition 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 241000287828 Gallus gallus Species 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 241001635790 Konjac mosaic virus Species 0.000 description 1
- 235000003228 Lactuca sativa Nutrition 0.000 description 1
- 240000008415 Lactuca sativa Species 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 102000029797 Prion Human genes 0.000 description 1
- 108091000054 Prion Proteins 0.000 description 1
- 244000286916 Ratibida columnifera Species 0.000 description 1
- 235000009413 Ratibida columnifera Nutrition 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 231100000433 cytotoxic Toxicity 0.000 description 1
- 230000001472 cytotoxic effect Effects 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000005283 ground state Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000011081 inoculation Methods 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000010239 partial least squares discriminant analysis Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 235000012015 potatoes Nutrition 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000027756 respiratory electron transport chain Effects 0.000 description 1
- 230000000405 serological effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000012306 spectroscopic technique Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 241000215338 unidentified plant Species 0.000 description 1
- 238000002255 vaccination Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/70—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving virus or bacteriophage
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/569—Immunoassay; Biospecific binding assay; Materials therefor for microorganisms, e.g. protozoa, bacteria, viruses
- G01N33/56983—Viruses
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Virology (AREA)
- Organic Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Zoology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Hematology (AREA)
- Microbiology (AREA)
- Biomedical Technology (AREA)
- Urology & Nephrology (AREA)
- Biotechnology (AREA)
- Wood Science & Technology (AREA)
- Biophysics (AREA)
- Tropical Medicine & Parasitology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Genetics & Genomics (AREA)
- Cell Biology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
본 발명은 다음의 단계를 포함하는 식물의 바이러스 감염에 대한 분석방법을 제공한다: (a) 정상 식물 시료와 바이러스-감염된 식물 시료에 빛을 조사하여 분광 스펙트럼을 측정하는 단계로, 상기 분광 스펙트럼은 다량의 상호작용된 양성자(photons)의 스펙트럼을 나타내며; (b) 상기 단계 (a)에서 얻어진 분광 스펙트럼을 전처리(preprocess)하는 단계로, 상기 분광 스펙트럼에서 타겟 영역을 선택하고 웨이블렛(wavelet) 기법과 정규화(normalization)를 이용하여 전처리된 분광 스펙트럼을 획득하고; 및 (c) 상기 전처리된 분광 스펙트럼을 케모메트릭스(chemometrics) 방법으로 분석하는 단계로, 상기 케모메트릭스 방법은 이동식 윈도우 알고리듬(moving window algorithm)을 통해 선별된 최적 영역에서 주인자 분석(principal component analysis, PCA)을 이용하여 실시하는 것을 특징으로 하는 식물의 바이러스 감염에 대한 분석방법. 본 발명의 방법은 분광학(바람직하게는, 라만 분광법) 및 케모메트릭스(chemometrics) 방법을 이용하여 식물의 생엽에서 바이러스의 감염 여부를 비파괴적으로 검출할 수 있을 뿐 아니라 바이러스의 감염 여부를 매우 간편하고 신속하게 제공할 수 있다. 따라서, 본 발명의 방법은 바이러스 감염에 의해 막대한 피해를 받는 작물류, 특히 채소 작물류에 효과적으로 적용될 수 있다.The present invention provides a method for analyzing a viral infection of a plant comprising the steps of: (a) measuring a spectral spectrum by irradiating light to a normal plant sample and a virus-infected plant sample, Represents the spectrum of a large number of interacted photons; (b) preprocessing the spectroscopic spectrum obtained in the step (a), selecting a target region in the spectroscopic spectrum and obtaining a pre-processed spectroscopic spectrum using a wavelet technique and normalization ; And (c) analyzing the pre-processed spectroscopic spectrum by a chemometrics method, wherein the chemometrics method comprises a principal component analysis in a selected optimal region through a moving window algorithm, PCA). ≪ / RTI > The method of the present invention is capable of nondestructively detecting whether a virus is infected in the green leaf of a plant by using spectroscopy (preferably, Raman spectroscopy) and chemometrics methods, It can be provided quickly. Therefore, the method of the present invention can be effectively applied to crops, particularly vegetable crops, which are greatly damaged by virus infection.
Description
본 발명은 식물의 바이러스 감염에 대한 신속 분석방법에 관한 것이다.
The present invention relates to a method for rapid analysis of viral infections in plants.
최근 지구환경이 변화하면서 전반적인 기온 상승 및 오염으로 여러 가지 병해가 발생되고 있다. 국내에서 발생하는 식물병은 그 종류만 2000개가 훨씬 넘는 실정이며, 이로 인한 국가적인 손실이 막대하기 때문에 필요한 대책이 매우 시급한 상황이다.Recently, as the global environment has changed, various kinds of diseases have been caused by the rise in temperature and pollution. The number of plant diseases that occur in Korea is much more than 2000, and the national loss caused by this is huge, so the necessary measures are very urgent.
식물에서 병을 일으키는 병원균은 크게 곰팡이, 세균, 바이러스의 3종류가 있으며, 그 중 바이러스 병은 식물의 생리장해증상과 비슷한 경우가 많아서 육안으로는 감염 여부를 판단하기가 어려운 실정이다.There are three kinds of pathogens causing diseases in plants. Fungi, viruses, and viruses are among the three pathogens. Among them, viral diseases are often similar to the symptoms of physiological disorders of plants.
바이러스 병은 일단 감염되면 치료법이 거의 없는 실정이며, 감염되었을 경우 감염주 제거가 현재까지는 가장 최선의 방책이다. 만일, 감염주가 초기에 확인이 되어 감염주 제거를 통하여 다른 작물로의 전염을 차단하면 농가의 피해가 최소화 될 수 있으나, 반대로 확인 되지 않은 상태에서 토양, 농민, 벌레 등을 매개체로 전염이 확대 될 경우 작물장 전체 작물들이 피해를 보게 된다. 특히, 경제적인 면에서 방제의 가치가 있는 작물 중 박과, 가지과에서 바이러스 병 발생의 빈도가 심하여 감염 여부 조기 진단에 대한 관심과 요구가 급격히 증대되고 있다. 결국, 본엽 1~2개 정도로 바이러스가 감염되었을 초기 단계에 감염 여부를 신속하게 진단하여 필요한 조치를 취하는 것이 가장 이상적인 방법이지만, 상술한 바와 같이 육안으로는 감염 여부 판단이 불가능한 실정이다.Once a virus is infected, there is little cure, and if it is infected, removal of the infection is the best way to date. If the infectious strain is confirmed early and the infecting strain is removed to block the transmission to other crops, the damage to the farm can be minimized, but the infection spreads through the soil, farmers, insects, etc. If all the crops in the crop field are damaged. In particular, the interest in the early diagnosis of infection is rapidly increasing due to the frequent occurrence of viral diseases in the branches and branches of the crops, which are worthy of control in terms of economy. As a result, it is the most ideal method to promptly diagnose the infection at an early stage when viruses are infected in about one or two main leaves, and to take necessary measures. However, as described above, it is impossible to determine whether or not the virus is infected by the naked eye.
현재, 바이러스 병 진단방법은 주로 지표식물 이용, 혈청학적 방법 등 생물학적인 진단법들이 사용되고 있으나 분석 시간이 많이 소요되기 때문에 예방을 위한 시기를 놓치기 쉬울 뿐만 아니라, 감염이 의심되어 대량의 시료를 동시에 분석하고자 할 때 현실적으로 단기간에 분석하기는 불가능하다. 또한, 분석을 위해서는 시료를 파괴하여야 한다는 단점이 있다.At present, the viral disease diagnosis method is mainly used for the biological diagnosis methods such as the use of the indicator plant and the serological method, but since the analysis time is long, it is not easy to miss the time for prevention, In reality, it is impossible to analyze in a short time. In addition, there is a disadvantage that the sample must be destroyed for analysis.
결론적으로, 바이러스 감염의 신속 확인을 위해서는 식물의 잎을 신속하고 비파괴적으로 분석하는 동시에 현장에서 휴대하면서 측정 가능한 분석법이 시급히 요구되고 있는 실정이다.
In conclusion, rapid identification of viral infections requires prompt and nondestructive analysis of plant leaves, and at the same time, portable assay methods are urgently required.
본 명세서 전체에 걸쳐 다수의 논문 및 특허문헌이 참조되고 그 인용이 표시되어 있다. 인용된 논문 및 특허문헌의 개시 내용은 그 전체로서 본 명세서에 참조로 삽입되어 본 발명이 속하는 기술 분야의 수준 및 본 발명의 내용이 보다 명확하게 설명된다.
Numerous papers and patent documents are referenced and cited throughout this specification. The disclosures of the cited papers and patent documents are incorporated herein by reference in their entirety to better understand the state of the art to which the present invention pertains and the content of the present invention.
본 발명자들은 식물에 대한 바이러스 감염을 효과적이고 신속하게 검출할 수 있는 분석방법을 개발하고자 노력하였다. 그 결과, 본 발명자들은 분광학(바람직하게는, 라만 분광법) 및 케모메트릭스(chemometrics) 방법을 이용하여 식물의 생엽에서 바이러스의 감염 여부를 비파괴적으로 신속하게 검출할 수 있음을 발견함으로써, 본 발명을 완성하게 되었다.The present inventors have sought to develop an assay method capable of effectively and rapidly detecting viral infection of plants. As a result, the present inventors have found that by using spectroscopy (preferably, Raman spectroscopy) and chemometrics methods, it is possible to quickly detect non-destructive infection of viruses in the living leaves of plants, It was completed.
본 발명의 목적은 식물의 바이러스 감염에 대한 분석방법을 제공한다.
It is an object of the present invention to provide an assay method for viral infection of plants.
본 발명의 다른 목적 및 이점은 하기의 발명의 상세한 설명, 청구범위 및 도면에 의해 보다 명확하게 된다.
Other objects and advantages of the present invention will become more apparent from the following detailed description of the invention, claims and drawings.
본 발명의 일 양태에 따르면, 본 발명은 다음의 단계를 포함하는 식물의 바이러스 감염에 대한 분석방법을 제공한다: (a) 정상 식물 시료와 바이러스-감염된 식물 시료에 빛을 조사하여 분광 스펙트럼을 측정하는 단계로, 상기 분광 스펙트럼은 다량의 상호작용된 양성자(photons)의 스펙트럼을 나타내며; (b) 상기 단계 (a)에서 얻어진 분광 스펙트럼을 전처리(preprocess)하는 단계로, 상기 분광 스펙트럼에서 타겟 영역을 선택하고 웨이블렛(wavelet) 기법과 정규화(normalization)를 이용하여 전처리된 분광 스펙트럼을 획득하고; 및 (c) 상기 전처리된 분광 스펙트럼을 케모메트릭스(chemometrics) 방법으로 분석하는 단계로, 상기 케모메트릭스 방법은 이동식 윈도우 알고리듬(moving window algorithm)을 통해 선별된 최적 영역에서 주인자분석(principal component analysis, PCA)을 이용하여 실시하는 것을 특징으로 하는 식물의 바이러스 감염에 대한 분석방법.
According to one aspect of the present invention, the present invention provides a method for analyzing a viral infection of a plant comprising the steps of: (a) irradiating a normal plant sample and a virus-infected plant sample with light to measure a spectral spectrum Wherein the spectroscopic spectrum represents a spectrum of a large amount of interacted photons; (b) preprocessing the spectroscopic spectrum obtained in the step (a), selecting a target region in the spectroscopic spectrum and obtaining a pre-processed spectroscopic spectrum using a wavelet technique and normalization ; And (c) analyzing the pre-processed spectroscopic spectrum by a chemometrics method, wherein the chemometrics method comprises a principal component analysis in a selected optimal region through a moving window algorithm, PCA). ≪ / RTI >
본 발명자들은 식물에 대한 바이러스 감염을 효과적이고 신속하게 검출할 수 있는 분석방법을 개발하고자 노력하였다. 그 결과, 본 발명자들은 분광학(바람직하게는, 라만 분광법) 및 케모메트릭스 방법을 이용하여 식물의 생엽에서 바이러스의 감염 여부를 비파괴적으로 신속하게 검출할 수 있음을 발견하였다.The present inventors have sought to develop an assay method capable of effectively and rapidly detecting viral infection of plants. As a result, the present inventors have found that non-destructive and rapid detection of the infection of viruses in the leaves of plants using spectroscopy (preferably Raman spectroscopy) and chemometrics method can be detected.
먼저, 본 발명의 분석방법은 정상 식물 시료와 바이러스-감염된 식물 시료에 빛을 조사하여 분광 스펙트럼을 측정한다(단계 (a)).First, the analysis method of the present invention measures light spectra by irradiating a normal plant sample and a virus-infected plant sample with light (step (a)).
원자 또는 분자는 빛 에너지를 흡수함에 따라 전자 전이 및 진동, 회전 또는 병진을 포함하는 분자운동을 함으로써, 바닥 상태에 있는 원자나 분자는 그 종류에 따라 특정 파장의 자외선 및 가시선을 흡수하며 전자 전이를 일으키면서 흡수 스펙트럼을 나타낸다. 이때, 원자 또는 분자의 전자 구조 및 조성에 따라 흡수하는 파장이 다르고 이에 따라 흡수하는 빛의 세기(흡광도)에서도 차이가 나타나게 된다. 분광학은 상술한 반응 값을 측정하여 미지의 물질에 대해 정성적 및 정량적 분석(qualitative and quantitative analysis)을 하는 분야로 이러한 측정을 위해 사용하는 장치가 분광계 혹은 분광사진이다. 본래, '분광계(spectrometer)'라는 용어는 원래 분광학이 처음 시작된 광학 분야에서 유래한 것이다.As an atom or molecule absorbs light energy, molecular motion including electron transfer and vibration, rotation or translation causes atoms or molecules in the ground state to absorb ultraviolet and visible rays of a specific wavelength depending on their type, And shows the absorption spectrum. At this time, the absorption wavelength varies depending on the electronic structure and composition of the atom or molecule, and the intensity (absorbance) of the absorbed light is also different. Spectroscopy is a field of qualitative and quantitative analysis of unknown substances by measuring the above-mentioned reaction values. The device used for such measurements is a spectrometer or a spectroscopic photograph. Originally, the term 'spectrometer' was originally derived from the optical field where spectroscopy first began.
통상적으로, 분광학은 물리와 분석화학 분야에 적용되는데 물질에서 방출되거나 물질에 흡수되는 스펙트럼을 분석하여 물질을 식별한다. 또한, 분광학은 천문학이나 원격 센서에도 중요하게 사용된다. 대부분의 대형 망원경에는 분광계가 설치되어있으며 천체의 화학적 조성과 물리학적 특성을 측정하거나 스펙트럼선의 도플러 이동을 통해 천체의 속도를 측정하는 데 사용된다.Typically, spectroscopy is applied to the field of physics and analytical chemistry, which identifies a substance by analyzing the spectrum emitted or absorbed by the substance. In addition, spectroscopy is also important for astronomy and remote sensors. Most large telescopes are equipped with spectrometers and are used to measure the celestial body's chemical composition and physical properties, or to measure the speed of objects through Doppler shifts of spectral lines.
예를 들어, 분광학적 분석법은 핵자기공명법(NMR: Nuclear Magnetic Resonance), 적외선 분광법(IR: Infrared Spectroscopy), X-선 분광법 (XRF: X-ray Flourescene), 라만 분광법(Raman: Raman Spectroscopy), 라만분광학 현미경(CARS Imaging: Coherent Antistoke Raman Scattering), 분광학 현미경(Vibrational Imaging), 자외선-가시광선 분광법(UV-Vis: Ultraviolet/Visible Spectroscopy), 근적외선 분광법 (NIR: Near Infrared Spectroscopy), X-선 광전자분광법(XPS: X-ray Photoelectron Spectroscopy) 등을 포함하지만, 이에 한정되는 것은 아니다.For example, the spectroscopic analysis can be performed by nuclear magnetic resonance (NMR), infrared spectroscopy (IR), X-ray flux spectroscopy (XRF), Raman spectroscopy (Raman) , Coherent Antistone Raman Scattering (CARS Imaging), Vibrational Imaging, Ultraviolet / Visible Spectroscopy (UV-Vis), Near Infrared Spectroscopy (NIR), X- And X-ray photoelectron spectroscopy (XPS), but are not limited thereto.
본 발명의 바람직한 구현예에 따르면, 본 발명의 방법은 라만 분광법을 이용하여 실시한다.According to a preferred embodiment of the present invention, the method of the present invention is carried out using Raman spectroscopy.
라만 분광법은 1928년 Raman 등이 용액에 파란색 빛을 투과하였을 때 초록색 빛깔을 띠는 빛이 산란되어 나오는 라만 산란(Raman scattering 혹은 Raman effect)을 관찰함으로써 처음 발견하였다. 본 명세서의 용어 "라만 산란(Raman scattering 혹은 Raman effect)"은 빛이 어떤 매질을 통과할 때 빛의 파장을 변화시켜 빛의 일부는 진행 방향에서 이탈해 다른 방향으로 진행하는 현상을 의미한다.Raman spectroscopy was first discovered in 1928 by observing the Raman scattering (Raman scattering), where Raman et al. Scattered green light when blue light was transmitted through the solution. As used herein, the term " Raman scattering or Raman effect "refers to a phenomenon in which a part of light travels in a different direction away from a traveling direction by changing the wavelength of light when light passes through a medium.
라만 분광법은 시료에 단파장의 레이저를 조사하여 산란된 빛을 검출하여 분자 수준의 정보를 얻어내는 유용한 분광법으로, 기존의 적외선(Infrared) 분광법에서 얻을 수 있는 정보와 서로 상보적인 화학구조 정보를 얻을 수 있는 방법으로 생화학/화학/소재 분야에 광범위하게 사용되고 있으며, 적외선 분광법에 비해 시료 측정이 매우 간단하다. 특히, 식물의 잎과 같이 생물학적인 시료는 물의 함량이 매우 높은데, 이로 인하여 원하고자 하는 분석 물질의 피크들을 확인하기가 불가능하게 된다. 적외선 분광법을 이용하여 물을 포함한 시료를 분석하는 것은 현실적으로 매우 어렵지만, 라만 분광법의 경우 물 피크가 거의 나타나지 않기 때문에 생물학적 시료의 분석에 적합한 최적의 분광법이다.Raman spectroscopy is a useful spectroscopic method that obtains molecular level information by detecting scattered light by irradiating a short wavelength laser to a sample. It obtains chemical structure information complementary to information obtained from existing infrared spectroscopy It is widely used in biochemistry / chemistry / materials fields and it is very easy to measure samples compared to infrared spectroscopy. In particular, biological samples such as plant leaves have a very high water content, which makes it impossible to identify the peaks of the analytes desired. Analysis of water-containing samples using infrared spectroscopy is very difficult in practice, but Raman spectroscopy is an optimal spectrometry method suitable for the analysis of biological samples because there is little water peak.
상술한 바와 같이, 라만 분광법은 분자들의 진동 상태(vibrational state)에 대한 정보를 제공한다. 대부분의 경우, 흡수된 광선(radiation)은 동일한 파장에서 재-방사(re-radiated)되는데, 이를 레일레이 산란(Rayleigh scattering) 또는 탄성 산란(elastic scattering)의 과정이라고 한다. 이때, 재-방사된 광선은 흡수된 광선보다 약간 높은 에너지 또는 약간 낮은 에너지를 포함한다. 투사 광선(incident radiation)과 재-방사된 광선 간의 에너지 차이는 이들 간의 파장에서의 이동(shift)으로 나타나고 이러한 차이의 정도는 파수(파장의 역수)의 단위로서 측정되어 라만 쉬프트(Raman shift, RS)로 표현된다. 만일 투사 광선이 단파장이고 레이저를 그 소스로 이용하는 경우, 주파수 상에 차이를 가지는 산란된 광선(빛)은 레일레이 산란된 광선(빛)과 좀더 용이하게 구별될 수 있다. 즉, 라만 쉬프트는 분자의 진동 주파수에 해당한다. 따라서, 라만 분광법은 적외선(Infrared, IR) 분광법과 같이 분자의 진동 형태, 회전상태에 대한 정보를 얻기 위해 사용되지만 적외선 분광법에서와는 다른 메카니즘과 선택 규칙에 근거하며 측정방법도 다르다.As described above, Raman spectroscopy provides information on the vibrational state of molecules. In most cases, the absorbed radiation is re-radiated at the same wavelength, which is called the Rayleigh scattering or the process of elastic scattering. At this time, the re-radiated light includes a slightly higher energy or slightly lower energy than the absorbed light. The energy difference between the incident radiation and the re-radiated light appears as a shift in the wavelength between them, and the degree of such difference is measured as a unit of wave number (inverse of the wavelength), and Raman shift ). If the projection light is short wavelength and uses a laser as its source, scattered light (light) with a difference in frequency can be more easily distinguished from Rayleigh scattered light (light). That is, the Raman shift corresponds to the vibration frequency of the molecule. Therefore, although Raman spectroscopy is used to obtain information on the vibration mode and rotation state of a molecule, such as infrared (IR) spectroscopy, it is based on a different mechanism and selection rule from that of infrared spectroscopy, and the measurement method is also different.
본 발명의 바람직한 구현예에 따르면, 본 발명의 방법에서 상기 단계 (a)에서 조사되는 빛은 단파장(single wavelength)이지만, 이에 한정되는 것은 아니며, 보다 바람직하게는 단파장 레이저 소스(laser source)이고, 가장 바람직하게는 다이오드 레이저 소스이다.According to a preferred embodiment of the present invention, in the method of the present invention, the light irradiated in the step (a) is a single wavelength, but is not limited thereto, more preferably a short wavelength laser source, Most preferably a diode laser source.
본 발명의 바람직한 구현예에 따르면, 본 발명의 방법에서 상기 단계 (a)에서 조사되는 빛의 파수는 중-적외선(Mid-infrared) 영역인 4,000-200 cm-1 영역이고, 보다 바람직하게는 1,800-700 cm-1 영역이며, 보다 더 바람직하게는 1,000-800 cm-1 영역이고, 보다 더욱 더 바람직하게는 890-820 cm-1 영역이며, 가장 바람직하게는 865-860 cm-1 영역이다.According to a preferred embodiment of the present invention, in the method of the present invention, the wave number of the light irradiated in the step (a) is in the range of 4,000-200 cm -1 which is a mid-infrared region, more preferably 1,800 -700 cm -1 region, more preferably 1,000-800 cm -1 region, even more preferably 890-820 cm -1 region, and most preferably 865-860 cm -1 region.
통상적으로, 분광학적 이미징(spectroscopic imaging)은 디지털 이미징과 분자 분광학적 기법을 조합하는데, 예를 들어 이는 라만 산란, 형광, 발광, 자외선, 가시광선 및 적외선 흡수 분광 스펙트럼을 포함한다.Typically, spectroscopic imaging combines digital imaging with molecular spectroscopic techniques, including Raman scattering, fluorescence, luminescence, ultraviolet light, visible light and infrared absorption spectroscopy.
본 발명의 바람직한 구현예에 따르면, 본 발명의 방법에서 상기 단계 (a)에서 상호작용된 양성자(photons)는 상기 시료에 의해 산란(scattered) 양성자, 상기 시료로부터 방출된 양성자, 상기 시료로부터 반사된 양성자, 상기 시료에 의해 흡수된 양성자 및 이의 조합으로 구성된 군으로부터 선택된다.According to a preferred embodiment of the present invention, in the method of the present invention, the interacted protons in step (a) are either scattered protons by the sample, protons emitted from the sample, A proton, a proton absorbed by the sample, and combinations thereof.
본 발명의 바람직한 구현예에 따르면, 본 발명의 방법에서 상기 단계 (a)의 분광 스펙트럼은 상기 시료의 라만 스펙트럼, 상기 시료의 라만 화학적 분석 이미지(Raman chemical image) 및 이의 조합이며, 상기 라만 화학적 분석 이미지(Raman chemical image)는 고분광영상(hyperspectral image)을 포함한다.According to a preferred embodiment of the present invention, in the method of the present invention, the spectral spectrum of step (a) is a Raman spectrum of the sample, a Raman chemical image of the sample and a combination thereof, The Raman chemical image contains a hyperspectral image.
다음으로, 본 발명은 상기 단계 (a)에서 얻어진 분광 스펙트럼을 전처리(preprocess)한다(단계 (b)). 이때, 상기 분광 스펙트럼에서 타겟 영역을 선택(불필요한 영역의 제거하는 과정으로, 이동식 윈도우 알고리듬을 이용하여 선택된다)하고 웨이블렛(wavelet) 기법과 정규화(normalization)를 이용하여 전처리된 분광 스펙트럼을 획득한다.Next, the present invention pre-processes the spectroscopic spectrum obtained in the step (a) (step (b)). At this time, a target region is selected in the spectral spectrum (a process of removing an unnecessary region, which is selected using a movable window algorithm), and a pre-processed spectral spectrum is obtained using a wavelet technique and normalization.
본 발명의 웨이블렛 방법은 당업계에 공지된 다양한 웨이블렛 방법을 이용하여 실시될 수 있다. 웨이블렛 방법의 종류는 다양한 인자에 따라 분류되며, 웨이블렛 함수(mother wavelet), p(t)와 스케일링 함수, p(t)의 지지범위, 좌우대칭성(regulatity), 스케일링 함수의 존재 여부, 직교성질(orthogonality), 여러가지 유형이 존재하며 현재도 신규하게 만들어지고 있는 중인 명확한 수식적 표현의 존재 여부 등에 따라 분류될 수 있다. 예를 들어, 수식으로 나타내질 수 있는 웨이블렛의 종류는 모어렛 웨이블렛(Morlet Wavelet), 섀넌 웨이블렛(Shannon Wavelet), 가우스의 2차 미분(Second derivative of Gaussian), 멕시칸 모자 웨이블렛(Mexican hat Wavelet), 메이어 웨이블렛(Meyer Wavelet), 하르 웨이블렛(Haar Wavelet) 등을 포함하지만, 이에 한정되는 것은 아니다.The wavelet method of the present invention can be carried out using various wavelet methods known in the art. The types of wavelet methods are classified according to various factors and are classified into several types such as wavelet function, p (t) and scaling function, support range of p (t), regulatity, existence of scaling function, orthogonality), the existence of various expressions and the existence of definite expressions that are still being made. For example, the types of wavelets that can be represented by the formulas include Morlet Wavelet, Shannon Wavelet, Second derivative of Gaussian, Mexican hat Wavelet, Meyer Wavelet, Haar Wavelet, and the like.
한편, 웨이블렛 방법의 해석은 신호처리 계통에 속하는 여러 분야에서 각자의 특수한 목적에 부합되도록 개별적으로 발전시켜온 특수한 기술들을 하나로 통합하면서 등장하였으며, 연속 신호와 이산 신호의 경우 모두에 적용될 수 있는데, 이는 컴퓨터 비젼에서 이용된 다해상도(multi-resolution) 분석 방법이나 음성과 영상압축에서 사용되던 서브밴드(sub-band) 코딩 기법, 응용 수학에서 사용된 웨이블렛 시리즈 전개 등 많은 기본 기법들이 최근에 들어 웨이블렛 이론의 특수한 응용으로 발전되었다. 또한, 웨이블렛의 변환은 특히 비정형(nonstationary) 신호의 분석에 유리한 특징(예컨대, 고주파 대역에서는 폭이 좁은 윈도우를, 저주파 대역에서는 폭이 넓은 윈도우를 이용)을 가져서 고전적인 단구간 푸리에 변환(short time fourier transform, STFT)이나 가보 변환(gabor transform)을 대체할 새로운 대안으로 대두되고 있다. On the other hand, the interpretation of the wavelet method can be applied to both the continuous signal and the discrete signal, in which special technologies developed individually in accordance with their specific purposes in various fields belonging to the signal processing system are integrated into one. Many basic techniques such as multi-resolution analysis methods used in computer vision, sub-band coding techniques used in voice and image compression, and wavelet series development used in applied mathematics have been recently introduced, It was developed as a special application of In addition, the wavelet transform has a characteristic advantageous for analysis of nonstationary signals (for example, a window having a narrow width in a high frequency band and a window having a wide width in a low frequency band), and a classical short time Fourier transform fourier transforms (STFTs) and gabor transforms.
본 발명의 바람직한 구현예에 따르면, 본 발명에서 이용되는 웨이블렛 변형 방법은 이산 웨이블렛 변환(discrete wavelet transform, DWT) 방법이다. 상기 이산 웨이블렛 변환은 기저함수(basis function)들의 집합에 의해 신호를 분해하고, 영상의 국부적인 영역을 분석 및 조정(다중해상도 분석)할 수 있다. 보다 상세하게는, 본 발명의 이산 웨이블렛 변환은 스펙트럼을 여러 함수의 합이라고 가정하여 웨이블렛을 이용하여 파장의 크기에 따른 여러 함수로 나눈 후 잡음(노이즈)이라 간주되는 함수 또는 라만 스펙트럼에서 불필요한 바탕선이라고 생각되는 함수를 제거한다. 즉, 본 발명의 이산 웨이블렛 변환은 라만 스펙트럼에서 불필요한 바탕선이라고 생각되는 파장이 큰 함수를 제거하여 바탕선을 자동적으로 보정함으로써 실시된다.According to a preferred embodiment of the present invention, the wavelet transform method used in the present invention is a discrete wavelet transform (DWT) method. The discrete wavelet transform decomposes the signal by a set of basis functions and analyzes and adjusts (local resolution) the local region of the image. More specifically, in the discrete wavelet transform of the present invention, a spectrum is divided into a plurality of functions depending on the size of a wavelength using a wavelet, assuming that the spectrum is a sum of several functions, and then a function regarded as noise (noise) Remove the function that is considered to be. That is, the discrete wavelet transform of the present invention is performed by automatically correcting the baseline by removing a function having a large wavelength, which is considered to be an unnecessary baseline in the Raman spectrum.
본 발명의 바람직한 구현예에 따르면, 본 발명에서 이산 웨이블렛 변환을 이용하여 라만 스펙트럼에서 형광(fluorescence)이라고 여겨지는 불필요한 바탕선을 제거한다.According to a preferred embodiment of the present invention, the discrete wavelet transform is used in the present invention to eliminate unnecessary baselines which are considered to be fluorescence in the Raman spectrum.
본 발명의 바람직한 구현예에 따르면, 본 발명의 정규화(normalization) 과정은 스펙트럼을 하나의 도형으로 간주하고 각각의 스펙트럼의 넓이를 동일하게 처리한다. 동일하게 보정된 스펙트럼의 넓이는 불안정한 레이저 세기에 의한 라만 강도에 대한 보정을 나타내며, 이를 통해 스펙트럼 모양의 차이를 더욱 명확하게 확인할 수 있다.According to a preferred embodiment of the present invention, the normalization process of the present invention regards the spectrum as one figure and treats the width of each spectrum equally. The width of the similarly calibrated spectrum represents a correction to the Raman intensity due to unstable laser intensity, which makes it possible to more clearly identify the difference in spectral shape.
상기 스펙트럼 전처리 과정(Spectral preprocessing)은 정확한 정량 또는 정성 검량을 위해 스펙트럼의 변화를 제거 또는 보완하는 과정으로, 스펙트럼에 포함된 노이즈(noise; 불필요한 영역)를 제거하기 위해 보다 안정적이고 정확도가 높은 예측 모델을 만들기 위해 이용될 수 있다.The spectral preprocessing is a process of eliminating or compensating for a change in spectra for an accurate quantitative or qualitative calibration. In order to remove noise (unnecessary region) included in the spectrum, a more stable and accurate prediction model Lt; / RTI >
본 발명의 바람직한 구현예에 따르면, 본 발명의 스펙트럼 전처리는 MSC(multiplicative scatter correction), SNV(standard normal variate), OSC(orthogonal signal correction 및 Savitzk-Golay 알고리듬을 포함하지만, 이에 한정되는 것은 아니다.According to a preferred embodiment of the present invention, the spectral preprocessing of the present invention includes but is not limited to multiplicative scatter correction (MSC), standard normal variate (SNV), orthogonal signal correction and Savitzk-Golay algorithm.
마지막으로, 본 발명은 상술한 전처리된 분광 스펙트럼을 케모메트릭스(chemometrics) 방법으로 분석한다(단계 (c)).Finally, the present invention analyzes the pre-processed spectroscopic spectrum described above by a chemometrics method (step (c)).
케모메트릭스는 통계적 다변량(Multivariate) 회귀분석법을 포함하는 검량기법의 총칭으로, 띠나비가 넓고 중첩이 심한 스펙트럼에서도 원하는 조성 및 물성의 검량을 가능하게 한다. 다변량 회귀분석법(multivariate analysis)은 화학분야에서는 많이 알려져 있지 않지만, 전자공학이나 통계학 등에서 많이 사용되는 방법이다. 케모메트릭스는 어떤 인풋(Input) 값(예컨대, 미지의 식물 시료(감염주)의 스펙트럼) 자체의 변수의 수가 너무 많거나 이론적인 해석이 쉽지 않아 기존의 일반 회귀분석으로는 상관관계를 찾기 어려울 때 알고 있는 아웃풋(Output) 값(예컨대, 알고 있는 식물 시료(건전주)의 스펙트럼)을 이용하여 인풋 값과의 통계적인 상관관계를 만드는 통계적 방법이다. 다시 말해서, 이론적인 상관관계보다는 실험적인(Empirical) 검량기법이라고 말할 수 있다.Chemometrics is a generic term for calibration techniques that include statistical multivariate regression analysis, which allows for the calibration of desired composition and properties in a wide and overlapping spectrum of band-widths. Multivariate analysis is not widely known in the chemical field, but it is widely used in electronic engineering and statistics. Chemometrics believes that any input value (for example, the spectrum of an unknown plant sample) is too large to be correlated with the conventional regression analysis because the number of variables is too large, It is a statistical method of making a statistical correlation with the input values using known output values (for example, the spectrum of plant samples (known as key lines)). In other words, it is an empirical calibration technique rather than a theoretical correlation.
본 발명의 바람직한 구현예에 따르면, 본 발명의 다변량 회귀분석법은 주인자 분석(Principle component analysis, PCA), 선형판별분석(Linear discriminant analysis, LDA), 2차 판별분석(quadratic discriminant analysis, QDA), PCA-LDA, PLS-DA(partial least squires discriminant analysis), 계층분류(hierarchical clustering) 및 서포터 벡터 머신(SVM, support vector machine)으로 이루어진 군으로부터 선택되는 하나 이상의 다변량 통계분석(mutivariate analysis)을 이용하지만, 이에 한정되는 것은 아니다.According to a preferred embodiment of the present invention, the multivariate regression analysis of the present invention can be performed by using principal component analysis (PCA), linear discriminant analysis (LDA), quadratic discriminant analysis (QDA) One or more mutivariate analyzes selected from the group consisting of PCA-LDA, partial least squares discriminant analysis (PLS-DA), hierarchical clustering and support vector machine (SVM) , But is not limited thereto.
케모메트릭스 방법들 중 정성적인 분석을 위하여 가장 많이 사용되는 방법은 주인자 분석법(Principal Component Analysis, PCA)이다.Principal Component Analysis (PCA) is the most commonly used method for qualitative analysis among chemometrics methods.
PCA 방법은 원래의 스펙트럼을 그대로 사용하는 것이 아니라, 스펙트럼을 기준 스펙트럼과 스케일링 인자(Scaling Factor)를 이용하여 재설정하여 분석하는 방법으로, 2차원의 점으로 표현될 수 있으며 이를 스코어(score)라고 한다. 즉, 복잡한 스펙트럼을 특징있는 몇 개의 변수로 디컨볼루션(Deconvolution)하여 간소화시켜 분석할 수 있는 방법이다. 예를 들어, 파수나 파장의 개수가 100개인 스펙트럼의 경우 PCA를 거쳐 총 100개의 스코어를 얻을 수 있으며 100차원의 점 하나로 스펙트럼 하나의 표현이 가능하다(참고: 도 1 및 도 6). The PCA method does not use the original spectrum as it is, but rather resets and analyzes the spectrum using the reference spectrum and the scaling factor, which can be expressed as a two-dimensional point and is called a score . In other words, it is a method to simplify the analysis by deconvoluting a complex spectrum into several characteristic variables. For example, in the case of a spectrum having 100 waves or wavelengths, a total of 100 scores can be obtained through the PCA, and a spectrum can be represented by one 100-dimensional point (see FIGS. 1 and 6).
상기 스코어는 첫 번째 스코어(first score)가 가장 많은 스펙트럼의 정보를 표현하며 그 다음으로는 첫 번째 스코어에서 표현한 정보를 제외한 남은 정보 중 가장 많은 스펙트럼의 정보를 표현하는 것이 두 번째 스코어(second score)로 표현된다. 즉, 첫 번째 스코어, 두 번째 스코어, 세 번째 스코어 순서로 스펙트럼의 정보를 많이 표현한다. 상술한 바와 같이, 스펙트럼에 PCA를 적용하면 파장 혹은 파수의 개수 만큼 스코어를 구할 수 있지만 육안으로 확인하기 위해서는 2차원의 점으로 표현되는 것이 바람직하다.The score represents the information of the spectrum having the highest first score. Next, the second score represents the information of the largest spectrum among the remaining information excluding the information represented by the first score. Lt; / RTI > In other words, the first, second, and third score sequences represent a lot of spectrum information. As described above, when the PCA is applied to the spectrum, the score can be obtained by the number of wavelengths or wave numbers, but it is preferable that the score is represented by a two-dimensional point for visual confirmation.
본 발명의 바람직한 구현예에 따르면, 본 발명의 방법은 다양한 식물-감염 바이러스를 검출할 수 있으며, 보다 바람직하게는 포티바이러스 종(potyvirus species)을 포함하고, 보다 더 바람직하게는 ZYMV(Zucchini yellow mosaic virus), TuMV(Turnip mosaic virus), DsMV(Dasheen mosaic virus), PRSV(Papaya ringspot virus), PVA(Potato virus A), PVY(Potato virus Y), ZaMV(Zantedeschia mosaic virus) 및 ZaMMV(Zantedeschia mild mosaic virus)를 포함하지만, 이에 한정되는 것은 아니다. 가장 바람직하게는, 본 발명의 방법은 ZYMV(Zucchini yellow mosaic virus)를 매우 효과적으로 검출할 수 있다.According to a preferred embodiment of the present invention, the method of the present invention is capable of detecting a variety of plant-infectious viruses, more preferably comprising a potyvirus species, more preferably ZYMV (Zucchini yellow mosaic virus), TuMV (Turnip mosaic virus ), DsMV (Dasheen mosaic virus), PRSV (Papaya ringspot virus), PVA (Potato virus A), Potato virus Y (PVY), ZaMV (Zantedeschia mosaic virus, and ZaMMV ( Zantedeschia mild mosaic virus). Most preferably, the method of the present invention can detect ZYMV (Zucchini yellow mosaic virus) very efficiently.
본 발명의 방법이 적용될 수 있는 식물은 특별하게 제한되지 않는다. 본 발명의 방법이 적용될 수 있는 식물로는 상치, 배추, 감자 및 무를 포함하는 대부분의 쌍자엽 식물(dicotyledonous plant) 또는 벼, 보리, 바나나 등의 단자엽 식물 (monocotyledonous plant)을 모두 이용될 수 있으며, 특히 토마토와 같이 과피가 얇아 바이러스 감염에 따른 품질 저하가 급격히 나타나는 식용 채소 또는 과일 그리고 잎이 주된 상품으로 거래되는 식물 등에 적용할 경우 바이러스 감염의 검출에 매우 효과적이다. 바람직하게는, 본 발명의 방법은 벼, 밀, 보리, 옥수수, 콩, 감자, 밀, 팥, 귀리 및 수수를 포함하는 식량 작물류; 아라비돕시스, 배추, 무, 고추, 딸기, 토마토, 수박, 오이, 양배추, 참외, 호박, 파, 양파 및 당근을 포함하는 채소 작물류; 인삼, 담배, 목화, 참깨, 사탕수수, 사탕무우, 들깨, 땅콩 및 유채를 포함하는 특용작물류; 사과나무, 배나무, 대추나무, 복숭아, 양다래, 포도, 감귤, 감, 자두, 살구 및 바나나를 포함하는 과수류; 장미, 글라디올러스, 거베라, 카네이션, 국화, 백합 및 튤립을 포함하는 화훼류; 및 라이그라스, 레드클로버, 오차드그라스, 알파알파, 톨페스큐 및 페레니얼라이그라스를 포함하는 사료작물류로 구성된 군으로부터 선택되는 식물체에 적용될 수 있다. 가장 바람직하게는, 본 발명의 방법은 오이를 포함하는 채소 작물류에 적용된다.Plants to which the method of the present invention can be applied are not particularly limited. As the plants to which the method of the present invention can be applied, most of the dicotyledonous plants including the lettuce, cabbage, potato and radish, or monocotyledonous plants such as rice, barley and banana can be used. It is very effective for the detection of viral infection when it is applied to edible vegetables or fruits and plants which are traded as a main product, such as tomatoes, which have thin skin and are deteriorated due to viral infection. Preferably, the method of the present invention is applied to food crops including rice, wheat, barley, corn, soybeans, potatoes, wheat, red beans, oats and millet; Vegetable crops including Arabidopsis, cabbage, radish, pepper, strawberry, tomato, watermelon, cucumber, cabbage, melon, squash, onions, onions and carrots; Special crops including ginseng, tobacco, cotton, sesame, sugar cane, beet, perilla, peanut and rapeseed; Apple trees, pears, jujubes, peaches, sheep, grapes, citrus, persimmon, plums, apricots and banana; Roses, gladiolus, gerberas, carnations, chrysanthemums, lilies and tulips; And feed crops including rice grass, red clover, orchardgrass, alpha-alpha, tall fescue, and perennialla grass. Most preferably, the method of the present invention is applied to vegetable crops including cucumbers.
본 발명의 바람직한 구현예에 따르면, 본 발명의 방법이 적용되는 시료는 식물의 생엽이다.
According to a preferred embodiment of the present invention, the sample to which the method of the present invention is applied is a living leaf of a plant.
본 발명의 특징 및 이점을 요약하면 다음과 같다:The features and advantages of the present invention are summarized as follows:
(a) 본 발명은 식물의 바이러스 감염에 대한 신속 분석방법에 관한 것이다.(a) The present invention relates to a rapid assay method for viral infection of plants.
(b) 본 발명의 방법은 분광학(바람직하게는, 라만 분광법) 및 케모메트릭스(chemometrics) 방법을 이용하여 식물의 생엽에서 바이러스의 감염 여부를 비파괴적으로 검출할 수 있다.(b) The method of the present invention can nondestructively detect the infection of viruses in the living leaves of a plant using spectroscopy (preferably, Raman spectroscopy) and chemometrics methods.
(c) 또한, 본 발명의 방법은 바이러스의 감염 여부를 매우 간단하고 신속하게 제공할 수 있다.(c) In addition, the method of the present invention can provide the infection of a virus very simply and quickly.
(d) 따라서, 본 발명의 방법은 바이러스 감염에 의해 막대한 피해를 받는 작물류, 특히 채소 작물류에 효과적으로 적용될 수 있다.
(d) Therefore, the method of the present invention can be effectively applied to crops, particularly vegetable crops, which are greatly damaged by virus infection.
도 1은 본 발명의 방법을 도식적으로 보여주는 도면이다.
도 2는 전처리 과정을 통한 스펙트럼 변화를 보여주는 도면이다.
도 3은 이동식 윈도우 알고리듬(moving window algorithm)의 개략적인 개념을 나타낸다.
도 4는 탐색된 최적 영역에서 건전주(왼쪽 패널)와 감염주(오른쪽 패널)의 스펙트럼 변화를 측정한 결과이다. 가장 아래의 붉은 스펙트럼은 두 시료 모두에서 측정된 바이러스 감염전의 스펙트럼이고, 그 위쪽 스펙트럼들은 날짜에 따라 순차적으로 측정된 스펙트럼(감염주의 경우, 아래부터 바이러스(ZYMV)-감염 1일째부터 9일째)이다. 화살표는 건전주와 감염주 간의 보다 확연한 차이를 나타내는 부분을 지시한다.
도 5는 바이러스를 하루 동안 접종시킨 후 건전주(검은선)와 감염주(빨간선)의 스펙트럼을 비교한 결과이다.
도 6은 날짜에 따른 스펙트럼의 변화를 주인자분석(principal component analysis, PCA)을 통해 산출한 결과이다. 점선은 바이러스를 접종한 날을 나타낸다.BRIEF DESCRIPTION OF THE DRAWINGS Figure 1 is a diagrammatic illustration of the method of the present invention.
FIG. 2 is a diagram showing a spectrum change through a preprocessing process. FIG.
Figure 3 shows a schematic concept of a moving window algorithm.
Fig. 4 shows the result of measuring the spectrum changes of the key cell (left panel) and the infected cell (right panel) in the explored optimal region. The lowest red spectrum is the spectrum before viral infection measured on both samples, and the upper spectra are the spectra sequentially measured on a day-by-date basis (virus infection (ZYMV) from
FIG. 5 shows the results of comparing the spectrum of the cancer cell line (black line) and the infection line (red line) after inoculation of the virus for one day.
FIG. 6 shows a result of calculating a change in spectra according to dates through principal component analysis (PCA). The dotted line indicates the date of vaccination.
이하, 실시예를 통하여 본 발명을 더욱 상세히 설명하고자 한다. 이들 실시예는 오로지 본 발명을 보다 구체적으로 설명하기 위한 것으로, 본 발명의 요지에 따라 본 발명의 범위가 이들 실시예에 의해 제한되지 않는다는 것은 당업계에서 통상의 지식을 가진 자에 있어서 자명할 것이다.
Hereinafter, the present invention will be described in more detail with reference to Examples. It is to be understood by those skilled in the art that these embodiments are only for describing the present invention in more detail and that the scope of the present invention is not limited by these embodiments in accordance with the gist of the present invention .
실시예Example
실험결과Experiment result
박과의 일종인 오이(Cucumis sativus; 농우종묘, 한국) 시료를 사용하였으며 ZYMV(Zucchini yellow mosaic virus; 농촌진흥청 국립농업과학원 작물보호과, 한국)로 감염시킨 감염주 및 건전주(정상 식물)의 라만 스펙트럼(Raman spectrum)을 키모메트릭스 방법을 이용하여 차이를 확인하였다. 상기 라만 스펙트럼은 라만 분광기(Kaiser Optical Inc.; Ann Arbor, MI, USA)를 이용하여 측정하였다. 라만 분광기의 광 센서는 여기 레이저(excitation laser)로 785 nm의 다이오드 레이저(diode laser)를 이용하였으며, 목적 시료의 유의한 영역을 포괄하기 위해 6 mm 직경(약 28.3 mm2)의 원형 조명(circular illumination)으로 증폭되었다. 산란된 광선(scattered radiation) 50개의 광섬유(optical fiber)를 이용하여 수집되어 CCD 검출기(Andor, USA)로 전달되었다. 도 1은 본 발명의 방법을 개략적으로 나타낸 모식도이다. Cucumis (a kind of cucumber) sativus ; The Raman spectrum of infected and untreated plants infected with ZYMV (Zucchini yellow mosaic virus, National Institute of Agricultural Science, Korea Research Institute of Rural Development, Korea) was used as a chymometry method To confirm the difference. The Raman spectra were measured using a Raman spectrometer (Kaiser Optical Inc., Ann Arbor, MI, USA). The optical sensor of the Raman spectroscope was a 785 nm diode laser with an excitation laser. To cover a significant area of the objective sample, a circular light of 6 mm diameter (about 28.3 mm 2 ) illumination. Scattered radiation was collected using 50 optical fibers and passed to a CCD detector (Andor, USA). 1 is a schematic diagram schematically showing the method of the present invention.
사용된 시료는 계속 건강한 상태를 유지시키는 오이 3그루(대조군; 건전주)와 ZYMV를 접종시키는 오이 3그루(감염주)로 총 6그루이다. 모든 시료의 라만 스펙트럼을 날짜 별로 측정하여 이에 따른 변화를 분석하였다. 얻어진 스펙트럼을 전처리하기 위해 불필요한 영역을 제거하고 웨이블렛(wavelet) 기법과 정규화(normalization)를 이용하였다(도 2).The samples used were a total of 6 cucumbers (control group; chicken cucumber) and 3 cucumber (infected cucumber) to be kept in a healthy state. The Raman spectra of all the samples were measured by date and the changes were analyzed. In order to pre-process the obtained spectrum, unnecessary regions were removed and a wavelet technique and normalization were used (FIG. 2).
본 발명의 웨이블렛 방법은 이산 웨이블렛 변환(discrete wavelet transform, DWT)를 이용하였다.The wavelet method of the present invention uses a discrete wavelet transform (DWT).
도 2에서 확인할 수 있듯이, 본 발명자들은 보다 정돈되고 정확한 패턴의 전처리된 스펙트럼을 얻을 수 있었다.As can be seen in FIG. 2, the present inventors have obtained a preprocessed spectrum of a more orderly and precise pattern.
이후, 상기 전처리된 스펙트럼에서 건전주와 감염주의 차이를 가장 잘 나타내는 스펙트럼의 최적 영역을 이동식 윈도우 알고리듬(moving window algorithm)을 통해 얻었다. 도 3은 이동식 윈도우 알고리듬의 개략적인 개념을 나타낸다.Then, the optimal region of the spectrum that best represents the difference between the pruning and infection states in the pre-processed spectrum was obtained through a moving window algorithm. Figure 3 shows a schematic concept of a mobile window algorithm.
도 3에서 볼 수 있듯이, 이동식 윈도우 알고리듬의 크기(범위)를 작은 크기(범위)부터 실시하고 점점 더 큰 크기(범위)로 확대하여 실시함으로써, 건전주와 감염주 간의 차이가 가장 명확하게 나타나는 최적 영역을 탐색하였다. 이후, 이동식 윈도우 알고리듬을 이용하여 탐색된 최적 영역에서 감염주와 건전주의 스펙트럼의 변화를 시간에 따라 관찰하였다.As shown in FIG. 3, by performing the size (range) of the mobile window algorithm from a small size (range) and expanding it to an increasingly larger size (range), the optimal Area. Then, the changes of the infectious disease and the healthy spectrum were observed over time in the optimal region searched using the mobile window algorithm.
도 4는 탐색된 최적 영역에서 건전주와 감염주의 스펙트럼 변화를 측정한 결과이다. 바이러스(ZYMV)-감염된 오이(감염주)의 스펙트럼은 건전주의 스펙트럼과 비교하여 아래로부터 두 번째, 세 번째 및 네 번째 스펙트럼에서 명확한 차이를 나타냈다. 즉, 바이러스 감염된 후 하루, 이틀 및 사흘째의 스펙트럼이 건전주와 패턴의 차이를 나타냈으며, 특히 이틀 후 스펙트럼은 865-860 cm-1의 파장 영역에서 육안으로도 확연하게 구별되는 차이를 나타냈다(화살표). 또한, 이를 보다 정확하게 비교하기 위해, 바이러스를 하루 동안 감염시켜 건전주와 감염주의 스펙트럼을 측정하여 동일 그래프 상에 나타냈다(도 5).FIG. 4 shows the result of measuring the change of the pruning and infectiousness spectra in the optimal region. The spectrum of the virus (ZYMV) - infected cucumber (infected strain) showed a clear difference in the second, third and fourth spectra from below compared to the healthy spectrum. That is, the spectrum of the day, the second day, and the third day after the virus infection showed the difference of the pruning pattern and the pattern, especially the spectrum after two days showed a distinct difference visually even in the wavelength range of 865-860 cm -1 ). In order to compare them more precisely, the viruses were infected for one day, and the cytotoxic and infectious spectrum were measured and shown on the same graph (FIG. 5).
더 나아가, 감염 후 날짜 변화에 의한 스펙트럼 변화를 쉽게 관찰하기 위해 주인자 분석을 실시하였다(도 6). 스펙트럼은 주인자 분석을 통해 2차원의 점으로 표현될 수 있으며 이는 스코어(score)라고 명명되었다. 예를 들어, 파수나 파장의 개수가 100개인 스펙트럼의 경우 PCA를 거쳐 총 100개의 스코어를 얻어 100차원의 점 하나로 표현하였다(참고: 도 6).Furthermore, a host analysis was performed to easily observe the spectral change due to the date change after infection (Fig. 6). The spectra can be represented by two-dimensional points through the analysis of the master, which is called a score. For example, in the case of a spectrum having 100 waves or wavelengths, a total of 100 scores are obtained through the PCA and expressed as one 100-dimensional point (see FIG. 6).
본 연구에서 첫 번째 스코어부터 다섯 번째 스코어까지의 스펙트럼 정보는 약 98% 이상을 포함하였으며, 상기 98% 수치의 의미는 스펙트럼을 PCA에 적용하였을 때에 얻을 수 있었던 수치였다. 본 발명에서는 여섯 번째 스코어부터는 스펙트럼의 중요한 정보를 포함하지 않는다고 판단되어 사용하지 않았다.In this study, the spectral information from the first score to the fifth score contained more than 98%, and the meaning of the 98% value was obtained when the spectrum was applied to PCA. In the present invention, since it is determined that the spectrum does not include important information from the sixth score, it is not used.
그 결과, 첫 번째 스코어를 이용한 분석에서 건전주와 감염주 간에 뚜렷한 분석값의 차이를 나타냈으며, 감염 초기에 더욱 두드러진다는 것을 확인할 수 있었다.
As a result, the analysis using the first score showed a significant difference in the analytical value between the control group and the infecting strain, and it was confirmed that it was more prominent at the early stage of the infection.
이상으로 본 발명의 특정한 부분을 상세히 기술하였는바, 당업계의 통상의 지식을 가진 자에게 있어서 이러한 구체적인 기술은 단지 바람직한 구현 예일 뿐이며, 이에 본 발명의 범위가 제한되는 것이 아닌 점은 명백하다. 따라서, 본 발명 의 실질적인 범위는 첨부된 청구항과 그의 등가물에 의하여 정의된다고 할 것이다.
While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is to be understood that the same is by way of illustration and example only and is not to be construed as limiting the scope of the present invention. Accordingly, the actual scope of the present invention will be defined by the appended claims and their equivalents.
Claims (12)
(a) 정상 식물 생엽과 바이러스-감염된 식물 생엽에 빛을 조사하여 분광 스펙트럼을 측정하는 단계로, 상기 분광 스펙트럼은 다량의 상호작용된 양성자(photons)의 스펙트럼을 나타내며;
(b) 상기 단계 (a)에서 얻어진 분광 스펙트럼을 전처리(preprocess)하는 단계로, 상기 분광 스펙트럼에서 타겟 영역을 선택하고 웨이블렛(wavelet) 기법과 정규화(normalization)를 이용하여 전처리된 분광 스펙트럼을 획득하고; 및
(c) 상기 전처리된 분광 스펙트럼을 케모메트릭스(chemometrics) 방법으로 분석하는 단계로, 상기 케모메트릭스 방법은 이동식 윈도우 알고리듬(moving window algorithm)을 통해 선별된 최적 영역에서 주인자 분석(principal component analysis, PCA)을 이용하여 실시하고, 상기 선별된 최적 영역은 이동식 윈도우 알고리듬의 반복적 실행을 통해 상기 정상 식물 생엽과 바이러스-감염된 식물 생엽 간의 스펙트럼의 차이가 가장 크게 나타나는 영역으로 선택되는 것을 특징으로 하는 식물 생엽의 바이러스 감염에 대한 분석방법.
Method for analyzing viral infection of plant leaves, comprising the steps of:
(a) measuring a spectral spectrum by irradiating light on a normal plant leaf and a virus-infected plant leaf, wherein the spectral spectrum shows a spectrum of a large amount of interacted photons;
(b) preprocessing the spectroscopic spectrum obtained in the step (a), selecting a target region in the spectroscopic spectrum and obtaining a pre-processed spectroscopic spectrum using a wavelet technique and normalization ; And
(c) analyzing the pre-processed spectroscopic spectrum by a chemometrics method, wherein the chemometrics method comprises a principal component analysis (PCA) analysis in a selected optimal region through a moving window algorithm, ), And the selected optimal region is selected as the region in which the difference in spectrum between the normal plant leaf and the virus-infected plant leaf is largest through repetitive execution of the mobile window algorithm. Methods for analysis of viral infections.
The method according to claim 1, wherein the plant is selected from the group consisting of food crops including rice, wheat, barley, corn, soybean, potato, wheat, red bean, oats and millet; Vegetable crops including Arabidopsis, cabbage, radish, pepper, strawberry, tomato, watermelon, cucumber, cabbage, melon, squash, onions, onions and carrots; Special crops including ginseng, tobacco, cotton, sesame, sugar cane, beet, perilla, peanut and rapeseed; Apple trees, pears, jujubes, peaches, sheep, grapes, citrus, persimmon, plums, apricots and banana; Roses, gladiolus, gerberas, carnations, chrysanthemums, lilies and tulips; And feed crops comprising rice grass, red clover, orchardgrass, alpha-alpha, tall fescue, and ferrier rice.
The method according to claim 1, wherein the light irradiated in step (a) is a single wavelength laser source.
The method according to claim 1, wherein the wave number of light irradiated in step (a) is a mid-infrared region.
6. The method according to claim 5, wherein the number of waves of light irradiated in step (a) is 865-860 cm-1.
2. The method of claim 1, wherein the interacted protons in step (a) are selected from the group consisting of protons scattered by a sample of a normal plant sample and a virus-infected plant sample, a proton released from the sample, A proton reflected from the sample, a proton absorbed by the sample, and a combination thereof.
The method of claim 1, wherein the spectral spectrum of step (a) is characterized by being a Raman spectrum of one of the normal plant sample and the virus-infected plant sample, a Raman chemical image of the sample or a combination thereof A method for analyzing a virus infection of a plant.
9. The method according to claim 8, wherein the Raman chemical image comprises a hyperspectral image.
The method according to claim 1, wherein the virus is a potyvirus species.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120104667A KR101523337B1 (en) | 2012-09-20 | 2012-09-20 | Methods for Assessing Virus Infections against a Plant using Raman Spectroscopy and Chemometrics |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120104667A KR101523337B1 (en) | 2012-09-20 | 2012-09-20 | Methods for Assessing Virus Infections against a Plant using Raman Spectroscopy and Chemometrics |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20140038213A KR20140038213A (en) | 2014-03-28 |
| KR101523337B1 true KR101523337B1 (en) | 2015-05-28 |
Family
ID=50646687
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020120104667A KR101523337B1 (en) | 2012-09-20 | 2012-09-20 | Methods for Assessing Virus Infections against a Plant using Raman Spectroscopy and Chemometrics |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101523337B1 (en) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104256882B (en) * | 2014-09-04 | 2016-04-13 | 国家烟草质量监督检验中心 | Based on reconstituted tobacco ratio measuring method in the pipe tobacco of computer vision |
| KR102395773B1 (en) * | 2014-11-07 | 2022-05-09 | 삼성전자주식회사 | Spectroscopy system for biological material and spectroscopy method using the spectroscopy system |
| KR20170115907A (en) * | 2016-04-08 | 2017-10-18 | 고려대학교 산학협력단 | Classification of Raman signals of exosomes by pattern recognition and the method of diagnosis of cells |
| CN108007916B (en) * | 2017-03-16 | 2020-08-04 | 黑龙江八一农垦大学 | Confocal micro-Raman measurement model for establishing nitrogen content of rice plant by Hilbert-Huang method |
| CN108007917B (en) * | 2017-03-16 | 2020-09-04 | 黑龙江八一农垦大学 | Method for establishing Raman spectrum measurement model of nitrogen content in rice plant by Hilbert method |
| CN106872383B (en) * | 2017-03-31 | 2019-05-24 | 南京农业大学 | A kind of rice Reflectance position extracting method based on continuous wavelet analysis |
| CN107014967B (en) * | 2017-04-18 | 2020-05-05 | 齐鲁工业大学 | Method for screening mulberry varieties and improving fruit quality |
| CN108693131B (en) * | 2018-04-17 | 2023-12-01 | 云南中烟工业有限责任公司 | Tobacco yellowing disease judging method |
| CN108844912A (en) * | 2018-04-19 | 2018-11-20 | 中科谱光科技（北京）有限公司 | A kind of crop growing state spectrum intelligent analysis system and method |
| CN109684970B (en) * | 2018-12-18 | 2020-08-07 | 暨南大学 | Window length determination method for moving principal component analysis of structural dynamic response |
| GB2580186B (en) * | 2018-12-24 | 2021-09-15 | Cell Therapy Catapult Ltd | Monitoring viral titre using Raman Spectroscopy |
| CN110211044B (en) * | 2019-05-24 | 2021-03-23 | 北京理工大学 | Multispectral imaging method and device based on demosaicing algorithm and principal component analysis |
| KR102543154B1 (en) * | 2021-07-20 | 2023-06-14 | 대한민국 | GM Cruciferae hybrid identification method and system using VNIR spectrum |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006051847A1 (en) * | 2004-11-12 | 2006-05-18 | The New Industry Research Organization | Method of examining/judging presence of virus infection such as hiv or presence of prion infection by near-infrared spectroscopy and device used in same |
| JP2008134217A (en) * | 2006-10-30 | 2008-06-12 | National Agriculture & Food Research Organization | Identification of bacteria-infected platelet preparation using differential spectrum, and platelet preparation |
-
2012
- 2012-09-20 KR KR1020120104667A patent/KR101523337B1/en not_active IP Right Cessation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006051847A1 (en) * | 2004-11-12 | 2006-05-18 | The New Industry Research Organization | Method of examining/judging presence of virus infection such as hiv or presence of prion infection by near-infrared spectroscopy and device used in same |
| JP2008134217A (en) * | 2006-10-30 | 2008-06-12 | National Agriculture & Food Research Organization | Identification of bacteria-infected platelet preparation using differential spectrum, and platelet preparation |
Non-Patent Citations (1)
| Title |
|---|
| 우영아. '근적외분광분석법과 라만분광분석법을 이용한 트리메부틴말레인산 서방정의 혼합 과정 모니터링.' Analytical Science & Technology. 24(6) : 519-526. 2011. * |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20140038213A (en) | 2014-03-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101523337B1 (en) | Methods for Assessing Virus Infections against a Plant using Raman Spectroscopy and Chemometrics | |
| Chandrasekaran et al. | Potential of near-infrared (NIR) spectroscopy and hyperspectral imaging for quality and safety assessment of fruits: An overview | |
| Zahir et al. | A review of visible and near-infrared (Vis-NIR) spectroscopy application in plant stress detection | |
| Arendse et al. | Non-destructive prediction of internal and external quality attributes of fruit with thick rind: A review | |
| Ravikanth et al. | Extraction of spectral information from hyperspectral data and application of hyperspectral imaging for food and agricultural products | |
| Walsh et al. | Visible-NIR ‘point’spectroscopy in postharvest fruit and vegetable assessment: The science behind three decades of commercial use | |
| Xia et al. | Recent advances in emerging techniques for non-destructive detection of seed viability: A review | |
| Hussain et al. | Innovative nondestructive imaging techniques for ripening and maturity of fruits–a review of recent applications | |
| Wu et al. | Investigating the effects of simulated transport vibration on tomato tissue damage based on vis/NIR spectroscopy | |
| Sonobe et al. | Using spectral reflectance to estimate leaf chlorophyll content of tea with shading treatments | |
| Ambrose et al. | High speed measurement of corn seed viability using hyperspectral imaging | |
| Ye et al. | Detecting and classifying minor bruised potato based on hyperspectral imaging | |
| Magwaza et al. | NIR spectroscopy applications for internal and external quality analysis of citrus fruit—a review | |
| Xing et al. | Bruise detection on ‘Golden Delicious’ apples by vis/NIR spectroscopy | |
| Cozzolino | Use of infrared spectroscopy for in-field measurement and phenotyping of plant properties: instrumentation, data analysis, and examples | |
| US9410888B2 (en) | Methods, systems and devices for detecting insects and other pests | |
| Payne et al. | Raman spectroscopy enables phenotyping and assessment of nutrition values of plants: a review | |
| Cattaneo et al. | NIR Spectroscopy as a Suitable Tool for the Investigation of the Horticultural Field | |
| Khodabakhshian et al. | Determining quality and maturity of pomegranates using multispectral imaging | |
| Zhang et al. | Fast identification of watermelon seed variety using near infrared hyperspectral imaging technology | |
| Singh et al. | Quantification of leaf pigments in soybean (Glycine max (L.) Merr.) based on wavelet decomposition of hyperspectral features | |
| Shao et al. | Application of hyperspectral imaging for spatial prediction of soluble solid content in sweet potato | |
| JP7207702B2 (en) | Component extraction method, fluorescence fingerprint measurement device, and computer executable program | |
| Kanchanomai et al. | Non-destructive analysis of Japanese table grape qualities using near-infrared spectroscopy | |
| Sankaran et al. | Introduction to the electromagnetic spectrum |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| LAPS | Lapse due to unpaid annual fee |