KR101932251B1

KR101932251B1 - 육류의 쓴맛을 예측 또는 측정하는 방법

Info

Publication number: KR101932251B1
Application number: KR1020170104995A
Authority: KR
Inventors: 최양일; 류근호; 김용수; 정영철; 정종현; 심관섭; 최정석; 최영석; 정지택; 이진규; 박현우; 박영준
Original assignee: 충북대학교 산학협력단; 주식회사 정피엔씨연구소; 전북대학교산학협력단
Priority date: 2017-08-18
Filing date: 2017-08-18
Publication date: 2018-12-27

Abstract

본 발명은 육류의 쓴맛을 예측 또는 측정하는 방법; 육류의 쓴맛 측정 센서; 및 육류의 쓴맛을 예측 또는 측정하는 시스템에 관한 것이다. 본 발명에 따른 육류의 쓴맛 예측 또는 측정방법은, 육질의 관능특성과 같은 주관적인 판정에 의존하는 요인을 제외하고 육질의 다양한 기계적 특성, 이화학적 특성에 기반한 쓴맛 관련인자를 이용함으로써 육류의 쓴맛을 정량화할 수 있다. 특히, 본 발명에서는 육류의 쓴맛 관련인자를 이용한 맛 지수(palatability index)를 개발하여 국내 소비자가 선호할 수 있는 육류의 객관화된 평가를 제시할 수 있다. 또한, 본 발명에 따른 육류의 쓴맛 예측 또는 측정방법은 소비자들로 하여금 육류의 쓴맛 등급에 대한 인지를 쉽게하여 육류의 품질별 가격대별 구매결정에 유용하게 사용될 있다.

Description

육류의 쓴맛을 예측 또는 측정하는 방법{Predicting or measuring method of bitterness of meat}

본 발명은 육류의 쓴맛을 예측 또는 측정하는 방법; 육류의 쓴맛 측정 센서; 및 육류의 쓴맛을 예측 또는 측정하는 시스템에 관한 것이다.

맛은 음식을 평가하는 가장 중요한 감각이다. 우리가 맛을 느낄 수 있는 것은 혀에 있는 작은 돌기의 표면에 노출된 '미뢰'라는 감각기관 덕분이다. 미뢰 세포의 표면에 노출된 독특한 구조의 G-단백질결합 수용체가 음식에 들어 있는 분자의 종류와 농도를 알아낸다. 맛을 내는 특별한 분자가 미뢰의 수용체에 결합하면 수용체의 구조가 변화하면서 만들어진 화학적 신호가 세포의 내부에서 전기 신호로 바뀌어서 뇌로 전달된다. 본래 우리 혀에는 단맛, 쓴맛, 쓴맛, 쓴맛을 알아내는 미뢰가 있는 것으로 알려졌었다. 2002년에는 단백질을 구성하는 아미노산의 쓴맛을 알아내는 미뢰가 있다는 사실이 밝혀졌고, 최근에는 지방의 기름진 맛을 알아내는 미뢰가 있다는 주장도 있다.

관능검사(sensory test)는 사람의 감각에 의해 맛을 측정하는 방법으로 심리계측법의 하나로서, 최근 관능검사 분야에서 과학적 계측화가 상당히 진보되었으나 기호품의 품질 특성에 대하여는 관능검사만이 유일한 방법이다.

관능검사의 내용을 크게 나누면 분석형 관능검사와 기호형 관능검사로 분류된다. 분석형 관능검사는 검사대상물의 특성(예를 들어 케이크의 단맛의 정도나 고기의 부드러움 등)을 평가하거나 품질간의 차이를 구별하는 것이다. 이러한 검사를 하는 패널에게는 예민한 감도가 요구된다. 목적에 따른 전문적인 교육을 필요로 하는 경우도 있다(분석형 패널). 기호형 관능검사는 평가하는 대상물의 기호(좋음)를 평가하는 것이다. 패널은 식품의 좋음, 싫음의 판단가능한 사람이면 좋다(기호형 패널). 하지만, 일반 소비자의 기호를 대표하여 선발하는 것이 중요하다. 또한, 패널의 속성(연령, 생활환경 등)의 평가결과에 영향을 주는 위험이 있는 경우에는 학생이나 회사원 등 가까운 집단을 이용하기도 한다.

그러나 이러한 관능검사는 패널의 성향에 의존적이며, 주관적인 판정이라는 점에서 식품 등의 맛을 객관적으로 정량화하는 방법으로는 적합하지 않다.

한편, 국내의 육류의 유통에 있어서 도체등급제도는 생산지표로서는 어느 정도 기여를 하고 있으나, 돼지등급은 유통시장에서의 거래지표와 소비자의 구매의 지표로서 충분한 역할을 못하고 있다.

따라서 육류의 품질별 가격대별 소비자의 구매결정에 지표로 사용할 수 있는 객관화된 맛 지수 값을 측정할 수 있는 기술이 요구되고 있다.

이에 본 발명자는 육류의 쓴맛 측정에 있어서 객관화된 수치로 나타낸 맛 지수(palatability index)를 개발하고자 노력하였으며, 다양한 실험을 거쳐 육류의 쓴맛에 관여하는 인자를 도출하였고, 이를 이용하여 육류의 쓴맛을 정량적으로 측정할 수 있는 수식을 개발하였다.

한국공개특허 제10-2016-0119721호

따라서 본 발명의 목적은 육류의 쓴맛을 정량적으로 예측 또는 측정할 수 있는 방법을 제공하는 것이다.

본 발명의 또 다른 목적은, 육류의 쓴맛을 정량적으로 예측 또는 측정할 수 있는 측정 센서를 제공하는 것이다.

본 발명의 또 다른 목적은, 육류의 쓴맛을 정량적으로 예측 또는 측정할 수 있는 시스템을 제공하는 것이다.

상기와 같은 본 발명의 목적을 달성하기 위해서,

본 발명은 아스파라긴; 이노신1인산; 보수력; 24시간 후 육즙손실; 이노신; 우리딘; 단백질함량; 페닐알라닌; 회분함량 및 발린을 기반으로 산출되는, 육류의 쓴맛을 예측 또는 측정하는 방법을 제공한다.

또한, 본 발명은 (1) 육류로부터 아스파라긴(Asp); 이노신1인산(IMP); 보수력(WHC); 24시간 후 육즙손실(dl24h); 이노신(inosine); 우리딘(uridine); 단백질함량(protein); 페닐알라닌(Phe); 회분함량(Ash) 및 발린(Val)을 측정하는 단계;

(2) 상기 측정된 각각의 수치를 하기 수학식 1 내지 2에 도입하여 쓴맛 등급에 따른 값을 각각 산출하는 단계;

(3) 상기 (2) 단계에서 도출된 쓴맛 등급별 산출값을 기반으로 확률값을 산출하는 단계; 및

(4) 상기 (3)단계에서 도출된 각 등급별 확률값 중에서 가장 높은 값을 갖는 등급을 육류의 쓴맛 등급으로 결정하는 단계를 포함하는, 육류의 쓴맛을 예측 또는 측정하는 방법을 제공한다.

본 발명의 일실시예에 있어서, 상기 쓴맛의 정도는 쓴맛의 강도가, 쓴맛 정도 1 < 쓴맛 정도 2 의 순서로 증대된다.

또한, 본 발명은 아스파라긴(Asp)을 측정하는 제1 측정모듈; 이노신1인산(IMP)을 측정하는 제2 측정모듈; 보수력(WHC)을 측정하는 제3 측정모듈; 24시간 후 육즙손실(dl24h)을 측정하는 제4 측정모듈; 이노신(inosine)을 측정하는 제5 측정모듈; 우리딘(uridine)을 측정하는 제6 측정모듈; 단백질함량(protein)을 측정하는 제7 측정모듈; 페닐알라닌(Phe)을 측정하는 제8 측정모듈; 회분함량(Ash)을 측정하는 제9 측정모듈; 발린(Val)을 측정하는 제10 측정모듈; 상기 제1 측정모듈 내지 제10 측정모듈에서 측정된 각 수치를 하기 수학식 1 내지 2에 도입하여 연산값을 도출하는 제1 연산모듈;

상기 연산값을 이용하여 확률값을 산출하는 제2 연산모듈; 및

상기 제2 연산모듈로부터 도출된 확률값 중에서 가장 높은 확률값을 선택 및 출력하는 출력모듈을 포함하는, 육류의 쓴맛 측정 센서를 제공한다.

또한, 본 발명은 육류의 쓴맛 관련 인자를 선별하고 입력하는 입력부; 상기 쓴맛 관련 인자의 값을 측정하고 각 인자의 측정값을 하기 수학식1 내지 2에 도입하여 쓴맛 등급별 각각의 값을 도출하는 분석부;

상기 분석부에서 도출된 쓴맛 등급별 각각의 산출값을 확률값으로 변환시키는 변환부; 및 변환된 확률값을 출력하는 출력부를 포함하는, 육류의 쓴맛을 예측 또는 측정하는 시스템을 제공한다.

본 발명의 일실시예에 있어서, 상기 쓴맛 관련 인자는 아스파라긴(Asp); 이노신1인산(IMP); 보수력(WHC); 24시간 후 육즙손실(dl24h); 이노신(inosine); 우리딘(uridine); 단백질함량(protein); 페닐알라닌(Phe); 회분함량(Ash) 및 발린(Val) 일 수 있다.

본 발명에 따른 육류의 쓴맛 예측 또는 측정방법은, 육질의 관능특성과 같은 주관적인 판정에 의존하는 요인을 제외하고 육질의 다양한 기계적 특성, 이화학적 특성에 기반한 쓴맛 관련인자를 이용함으로써 육류의 쓴맛을 정량화할 수 있다. 특히, 본 발명에서는 육류의 쓴맛 관련인자를 이용한 맛 지수(palatability index)를 개발하여 국내 소비자가 선호할 수 있는 육류의 객관화된 평가를 제시할 수 있다. 또한, 본 발명에 따른 육류의 쓴맛 예측 또는 측정방법은 소비자들로 하여금 육류의 쓴맛 등급에 대한 인지를 쉽게하여 육류의 품질별 가격대별 구매결정에 유용하게 사용될 있다.

본 발명은 육류의 쓴맛 정도를 정량적으로 수치화하여 등급화 할 수 있는 육류의 쓴맛을 예측 또는 측정하는 새로운 방법을 제공함에 특징이 있다.

본 발명자들은 육류의 쓴맛에 영향을 주는 주요 요소들을 발굴하고 이를 이용하여 쓴맛의 정도를 등급화 할 수 있는 분석 방법을 개발하였다.

구체적으로 본 발명에서 발굴한 육류의 쓴맛에 영향을 주는 주요인자는, 아스파라긴; 이노신1인산; 보수력; 24시간 후 육즙손실; 이노신; 우리딘; 단백질함량; 페닐알라닌; 회분함량 및 발린이며, 이를 기반으로 육류의 쓴맛을 예측 또는 측정할 수 있는 계산식을 고안하였다.

본 발명에서 상기 ‘쓴맛’이란 단맛, 신맛, 짠맛과 더불어 4가지 기본적인 맛 중 하나로서, 주로 혀의 안쪽 부분(舌根部)에서 느끼며, 다른 기본적인 맛인 단맛 ·신맛 ·짠맛에 비하면 미각을 느낄 때까지의 시간이 길고, 또 맛이 오래 남아 가시지 않는 특징이 있다.

본 발명의 하기 실시예에서는 육류의 쓴맛을 평가할 수 있는 지수식을 확립하기 위하여, 먼저, 198두의 육류 샘플을 바탕으로 각 육류 샘플들의 육질특성, 지방산, 핵산 및 유리 아미노산을 포함하는 총 73가지의 요인을 각각 분석하고, 각 시료에 대한 각 인자들의 값을 입력한 데이터베이스를 구축하였으며; 구축된 데이터베이스를 이용하여 다양한 접근 방식 및 지속적인 수정작업을 거쳐 높은 정확도를 가지면서 상업적으로 적용 시 빠른 결과 값 도출이 가능한 최종 쓴맛 관련 주요 인자들을 도출하였다.

이러한 과정으로 도출된 쓴맛 관련요인은 (ⅰ) 아스파라긴; (ⅱ) 이노신1인산; (ⅲ) 보수력; (ⅳ) 24시간 후 육즙손실; (ⅴ) 이노신; (ⅵ) 우리딘; (ⅶ) 단백질함량; (ⅷ) 페닐알라닌; (ⅸ) 회분함량 및 (ⅹ) 발린이다.

또한, 본 발명은 상기 도출된 쓴맛에 영향을 주는 주요 인자들을 이용하여 육류의 쓴맛을 예측 또는 측정하는 방법을 제공할 수 있는데, 상기 방법은 (1) 육류로부터 아스파라긴(Asp); 이노신1인산(IMP); 보수력(WHC); 24시간 후 육즙손실(dl24h); 이노신(inosine); 우리딘(uridine); 단백질함량(protein); 페닐알라닌(Phe); 회분함량(Ash) 및 발린(Val)을 측정하는 단계; (2) 상기 측정된 각각의 수치를 하기 수학식 1 내지 2에 도입하여 쓴맛 등급에 따른 값을 각각 산출하는 단계; (3) 상기 (2) 단계에서 도출된 쓴맛 등급별 산출값을 기반으로 확률값을 산출하는 단계; 및 (4) 상기 (3)단계에서 도출된 각 등급별 확률값 중에서 가장 높은 값을 갖는 등급을 육류의 쓴맛 등급으로 결정하는 단계를 포함한다.

본 발명의 일구체예에서, 해당 샘플의 쓴맛을 평가하기 위해서는, 먼저 해당 육류 샘플의 쓴맛 관여인자(Asp, IMP, WHC, dl24h, inosine, uridine, protein, Phe, Phe 및 Val) 값을 각각 측정한 다음, 측정된 수치를 쓴맛 정도 1, 쓴맛 정도 2의 수학식에 각각 도입하여 값을 구하고, 이들 각각의 값을 기반으로 각각의 확률값을 산출한다. 이때, 상기 확률값은 누적 확률값으로서 하기 산출 수식을 이용하여 평가하고, 최종적으로 확률값 중에서 가장 높은 값을 해당 쓴맛으로 평가할 수 있다.

본 발명의 일구체예에서 쓴맛의 강도는, 쓴맛 정도 1 < 쓴맛 정도 2의 순서로 증대된다.

즉, 쓴맛 정도 2가 육류의 쓴맛이 강하며, 쓴맛 정도 1이 육류의 쓴맛이 약한 것으로 판정할 수 있다.

또한, 본 발명은 아스파라긴(Asp)을 측정하는 제1 측정모듈; 이노신1인산(IMP)을 측정하는 제2 측정모듈; 보수력(WHC)을 측정하는 제3 측정모듈; 24시간 후 육즙손실(dl24h)을 측정하는 제4 측정모듈; 이노신(inosine)을 측정하는 제5 측정모듈; 우리딘(uridine)을 측정하는 제6 측정모듈; 단백질함량(protein)을 측정하는 제7 측정모듈; 페닐알라닌(Phe)을 측정하는 제8 측정모듈; 회분함량(Ash)을 측정하는 제9 측정모듈; 발린(Val)을 측정하는 제10 측정모듈; 상기 제1 측정모듈 내지 제10 측정모듈에서 측정된 각 수치를 상기 수학식 1 내지 2에 도입하여 연산값을 도출하는 제1 연산모듈; 상기 연산값을 이용하여 확률값을 산출하는 제2 연산모듈; 및 상기 제2 연산모듈로부터 도출된 확률값 중에서 가장 높은 확률값을 선택 및 출력하는 출력모듈을 포함하는, 육류의 쓴맛 측정 센서를 제공한다.

또한, 본 발명은 육류의 쓴맛 관련 인자를 선별하고 입력하는 입력부; 상기 쓴맛 관련 인자의 값을 측정하고 각 인자의 측정값을 상기 수학식1 내지 2에 도입하여 쓴맛 등급별 각각의 값을 도출하는 분석부; 상기 분석부에서 도출된 쓴맛 등급별 각각의 산출값을 확률값으로 변환시키는 변환부; 및 변환된 확률값을 출력하는 출력부를 포함하는, 육류의 쓴맛을 예측 또는 측정하는 시스템을 제공한다.

본 발명의 일 구체예에서, 상기 쓴맛 관련 인자는 아스파라긴(Asp); 이노신1인산(IMP); 보수력(WHC); 24시간 후 육즙손실(dl24h); 이노신(inosine); 우리딘(uridine); 단백질함량(protein); 페닐알라닌(Phe); 회분함량(Ash) 및 발린(Val)일 수 있다.

본 발명에서 상기 쓴맛을 평가하기 위해 사용할 수 있는 육류로는 이에 제한되지는 않지만 돈육, 우육, 오리고기 및 계육으로 이루어진 군으로부터 선택될 수 있으며, 바람직하게는 돈육이 좋다.

이하, 실시예를 통하여 본 발명을 보다 상세히 설명하고자 한다. 이들 실시예는 본 발명을 보다 구체적으로 설명하기 위한 것으로, 본 발명의 범위가 이들 실시예에 한정되는 것은 아니다.

< 실시예 >

실험방법

(1) 육색 측정

백색판(L*, 94.04; a*, 0.13; b*,-0.51)으로 표준화시킨 spectro colormeter(Model JX-777, Color Techno. System Co., Japan)로 측정하였는데, 이때 광원은 백색형광등(D65)을 사용하여 Hunter Lab 표색계의 명도(lightness)를 나타내는 L*값, 적색도(redness)를 나타내는 a*값 그리고 황색도(yellowness)를 나타내는 b* 값으로 나타냈다. 반복은 5반복으로 평균값을 취하였다.

(2) 전단력

시료를 3 cm 두께의 스테이크 모양으로 근섬유방향과 직각이 되도록 근육을 전단하여 육 내부온도 70℃까지 가열한 후 흐르는 물에 30분간 방냉하였다. 방냉한 시료에서 직경 1 cm 코어(core)를 근섬유 방향에 따라 원통형으로 뚫어 시료를 채취한 후 Rheometer(Compac-100, Sun Scientific Co., Japan)을 이용하여 근섬유 방향과 직각 방향으로 절단하여 전단력을 측정하여 3회 이상 반복 측정하였다.

(3) 보수력

Laakkonen 등(1970)의 방법에 따라 원심분리법을 이용하였다. 분쇄된 시료 0.5±0.05g을 원심분리관의 상부 filter 관에 넣고 80℃ water-bath에 넣고 20분간 가열한 후 10분간 방냉시켰다. 상부 filter관을 원심분리관 하부에 넣고 2000rpm에서 10분간 원심분리하였다. 원심분리한 후 남은 시료를 가열 전 시료무게 비율로 표시하였다.

(4) 육즙 손실

2㎝ 두께의 등심 슬라이스를 Polypropylene bag에 넣고 진공 포장하여 4℃ 냉장고에서 보관하면서 발생된 드립 감량을 측정하여 초기시료의 무게비율(%)로 측정하였다.

(5) 가열 감량

3㎝ 두께의 돈육 슬라이스를 원형(중량 150±5g)으로 정형한 후 Polypropylene bag에 넣고 진공포장하여 70℃ water-bath에 넣고 40분간 가열한 후 30분간 방냉시킨 후, 가열후 감량된 무게를 초기시료의 무게비율(%)로 측정하였다.

(6) 일반성분

수분, 지방, 단백질, 회분(%)은 AOAC방법(1990)에 따라 측정하였다.

(7) pH

시료 5g에 증류수 50㎖을 가한 후 측정하였다. 모든 시료는 균질기(Stomacherⓡ 400 Circulator, Seward, UK)를 사용하여 230 rpm으로 30 초간 균질시킨 후, pH meter(Mteeler Delta 340, Mettler-tolede, Ltd, UK)로 측정하였으며, 시간 경과에 따른 pH를 측정하기 위하여 4℃로 보관 하였다.

(8) 주관적 판정

주관적 판정의 시료크기는 두께 20mm로 정형하여 사용하였으며, 5인의 판정요원이 가열한 돈육을 주관적으로 육색, 조직감, 마블링의 3개 항목을 평가하였으며, 각각의 배점은 1점(육색이 매우 창백함, 조직감이 매우 연약함, 마블링이 매우 없음)에서 5점(육색이 매우 어두움, 조직감이 매우 단단함, 마블링이 매우 많음)으로 평가하였다.

(9) 관능적 판정

관능적 판정의 시료의 크기는 25×700×4(높이×가로×세로)mm로 정형하여 사용하였다. 5인의 관능검사요원이 다즙성, 연도, 풍미, 전체기호도의 4개 항목을 평가하였으며, 각각의 배점은 1점(매우 다즙하지 않음, 매우 질김, 풍미가 매우 나쁘다, 전체기호도가 매우 나쁘다)에서 5점(매우 다즙함, 매우 연함, 풍미가 매우 좋음, 전체기호도가 매우 좋다)으로 평가하였다.

(10) 지방산 분석

Foch 등(22)의 방법에 따라 시료 50g과 chloroform:methanol(2:1) 용액 250 mL을 homogenizer 3000ppm 로 균질하여 지질을 추출한 다음 무수황산나트륨을 이용하여 수분을 제거하고 여과액을 55℃에서 농축하였다. 이후 1㎖ tricosanic acid 먼저 첨가하고 1㎖ 0.5N NaOH를 첨가하였다. 100℃에서 20분간 가열한 후 30분간 방냉한 다음, BF3를 2㎖ 첨가하고 20분간 가열한 후 30분간 방냉하였다. heptane과 4㎖ Nacl 첨가한 후 상등액을 취하여 GC에 주입하여 지방산을 측정하였다.

(11) 콜라겐

삼각플라스크에 시료 약 4g을 넣고 30ml의 sulfuric acid solution을 첨가한 후, 뚜껑을 덮고 105℃ 드라이 오븐에서 16시간동안 가열한 것을 500ml의 볼륨 플라스크에 넣고 3차 증류수로 희석하여 균질시켜 Whatman No. 2 φ150mm 여과지를 이용해 여과하였다. 여과액 5ml을 넣고 100ml로 희석한 후, test tube에 희석액 2ml을 넣고, oxidant 용액 1ml을 첨가하여 흔들어 준 후 상온에서 20분간 방치하였다. 그리고 각 시험관에 발색시약(color reagent) 1ml을 첨가하고 혼합한 후 60℃ water bath에 15분간 담근 후 3분 이상 흐르는 물에 식혀 spectrophotometer를 이용하여 558nm에서 고정파장(흡광도)를 측정하였다. 표준곡선은 working standard 용액 2ml을 발색과 측정 과정을 거쳐 흡광도를 측정한 후에 회귀식에 대입하여 collagen함량(g/100g)을 분석하였다.

(12) 마이오글로빈

분쇄한 시료 2g을 팔콘 튜브에 담아 차가운(4℃)40mM Phosphate buffer(pH 6.8)용액을 튜브에 18ml씩 넣은 다음 휴대 Homogenizer로 30초 동안 균질화한 다음 5,200rpm, 10분간 원심분리 한다. 원심분리 된 전체용출물을 Whatman No. 2 φ150mm 여과지를 이용해 여과하였다. 여과액을 Sperctrophotometer를 이용하여 700nm와 525nm에서의 고정파장(흡광도)을 측정하였다.

( 13)콜레스테롤

샘플을 동결 건조하여 0.3g을 취한 후 Chloroform과 Methanol을 2:1로 혼합한 Folch solution 12ml을 tube에 첨가한 후 4℃에서 24시간동안 방치하였다. 여기에 3차 증류수를 10ml를 첨가하여 잘 혼합한 후에 3,000 rpm에서 20분간 원심분리를 하였다. 원심분리시킨 샘플의 하층부(Lower phase)를 주사기를 이용하여 취하여 Hood 안에서 24시간정도 두어 Folch solution이 완전히 날아가도록 한 후, glacial acetic acid 1ml을 넣고 혼합한 시료에서 0.1ml을 취하여 O-phthaldehyde reagent 2ml과 Conc. H2SO4 1ml을 첨가한 후 잘 혼합하여 10분 후 Spectrophotometer를 이용하여 530nm에서 고정파장(흡광도)를 측정하였다. 표준곡선은 Cholesterol standard stock solution을 10, 20, 30, 40, 50ml과 glacial acetic acid 40, 30, 20, 10, 0ml과 혼합하여 위와 같은 측정 과정을 거쳐 흡광도를 측정한 후 회귀식을 구하였다. 표준곡선에 의하여 측정되어진 양에 glacial acetic acid첨가량과 희석배수를 곱해준 값에 total lipid weight(mg)을 곱해주고, 그 값을 다시 시료무게로 나눠 cholesterol 함량(mg/100g, dry wt.)을 분석하였다.

(14) 지방산패도( TBARS ) 조사

Thiobarbituric acid reactive substances(TBARS)는 Buege과 Aust(1978)의 방법을 수정하여 실시하였다. 샘플 2.5 g을 취하여 10% BHT 25 ul 와 DW 7.5 ml을 가한 후, 20 ml thiobarbituric acid(TBA)/trichloroacetic acid(TCA) 혼합용액을 첨가하여 30초 동안 14,000 rpm으로 균질하였다. 균질액을 90℃ 항온 수조에서 15분간 열처리 후 20분간 ice에 냉각시켜 3,000×g에서 10분간 원심분리 시켰다. 원심분리한 상층액을 회수하여 로 531 nm에서 흡광도를 측정하고 다음 식에 의하여 계산하였다.

TBARS(mg of malonaldehyde / g tissue)= absorbance at 531 nm × 5.88 × 1000

(15) 아미노산 분석

유리아미노산 분석은 샘플 0.5 g과 DW 1.5 mL을 혼합한 후 30초간 3회 homogenizer한 후 균질액을 15000 rpm, 4℃에서 15분간 원심분리 하였다. 상등액을 100 uL 분주한 후 에탄올 900 uL를 첨가하여 다시 13,000 rpm, 4℃에서 10분간 원심분리 하였다. 상등액 10 uL를 취한 후 이것을 100배 희석하여 LC/MS/MS(Waters Xevo TQ-S)에 injection 하였다. LC/MS/MS 분석 조건은 하기 표에서 나타내었다.

유리아미노산 분석 조건

Consist	Conditions
Mobile phase	A : CH3CM/THF/25mM HCOONH4/HCOOH = 9/75/16/0/3(v/v/v/v) B : ACM/100mM HCOONH4 = 20/80(v/v)
Column	Waters Acquity BEH (1.7um, 2.1×100um)
Flow rate	0,6mL/min,
Injection volume	1 uL
MRM	ESI positive
Gradient program	0% A (0-3min) 0-17% A (3-6.5min) 100% A 6.5-10min)

(16) 핵산관련물질 분석

핵산관련물질의 분석은 액체질소로 잘게 분쇄한 샘플 0.3 g과 0.5 M perchloric acid 5mL을 혼합하여 얼음에 15분간 정치하였다. 그 후 9,200×g, 4℃에 5분간 원심분리 하여 상등액을 1 mL 분주하여 2.1M KHCO₃를 0.25 mL 혼합하였다. 얼음에 10분간 정치시킨 후 9,200×g, 4℃에 5분간 원심분리하였다. 상등액을 0.45μm sylinge filter로 정제하여 HPLC에 injection 하였다. 표준물질은 Sigma사(USA)의 Hypoxanthine, Uridine, Inosine, GMP, AMP, ADP, IMP를 이용하였으며 HPLC(Shiseido Company, Ltd., japan) 분석 조건은 하기 표와 같다.

핵산관련물질 분석 조건

Consist	Conditions
Mobile phase	A- 1000mL DW +5mL TBA-OH + 1mL H3PO4 B- 1000mL MeOH +5mL TBA-OH + 1mL H3PO4 *TBA-OH ; Tert-Butyl ammonium hydroxide
Column	Imtakt Cadenza CD (C 18, 4.6×250mm, 3um)
Injection volume	5 uL
Oven Temp	40℃
detector	PDA 254 nm
Flow rate	0.7mL/min,
Gradient program	100% A (0-10min) 50% A (10-25min) 0% A (25-35min) 100% A (35-50min)

(17) 웅취 관련인자 조사

웅취성분 (Indole, skatole 및 androstenone)을 분석하기 위하여 껍질, 근육 등을 제거한 순수지방을 유리 vial에 담은 후 700 W microoven에서 1분간 가열하여 얻어진 액체형태의 지방만을 취하여 시료로 사용하였다. 0.2 g의 liquid fat을 centrifuge tube (2 mL)에 담 은 후 0.8 mL의 methanol과 n-hexane의 9:1 (v/v) 혼합용매를 추출용매로 첨가하였다. 1분간 혼합한 후 초음파추출장치 (Powersonic 420, hwashin tech, Korea)를 이용하여 50℃ 조건 하에서 40분간 추출하였으며, 5분에 한번씩 1분간 흔들어 주었다. 상온에서 식힌 후 저온원심분리기(Large Refri Centrifuge Combi_514R, Hanil science Industrial, Korea)를 이용하여 4℃ 조건하에서 15,000 rpm으로 30분간 원심 분리 후 상등액만을 취하여 injection vial에 옮겨 담아 시험용액으로 사용하였다. 웅취성분을 분석하기 위한 GC-MS 조건은 다음 표에 나타내었다. 질량분석을 위하여 gas chromatograph/mass spectrometer (GC/MS, QP-2010, Shimadzu, Kyoto, Japan)를 사용하였으며, Rtc-5Sil MS column (30 m×0.25 mm, 0.25 um, film thickness, Restex, USA) 을 사용하였다. 온도 programd을 40℃에서 1분간 유지한 다음 10℃/min 속도로 250℃까지 상온시킨 후 5분간 유지하고, 다시 15℃/min 속도로 300℃까지 상온시킨 후 10분간 유지하였다. 시료의 ion화는 electron impact ionization (EI)방법으로 voltage를 70 eV로 하였고, injector와 ion source 온도는 각각 300℃ 및 260℃로 하였다. 각 성분들의 정성은 indole, skatole 및 androstenone의 표준물질의 머무름 시간 및 MS spectrum을 비교하여 확인하였다. MS spectrum은 Wiley library를 참고하였고, 웅취성분의 정확한 분석을 위하여 selective ion monitoring (SIM) mode로 m/z를 선택하여 정성하였다. 정량분석을 위하여 외부표준물질법을 사용하였으며, indole, skatole 및 androstenone을 methanol과 n-hexane의 9:1 (v/v) 혼합액을 base 용매로 사용하여 50 mg/kg stock solution을 제조하였다. Stock solution을 0.25∼ 2.0 mg/kg의 농도로 희석하여 표준물질을 제조한 후 각 성분들의 paek area로 검량선을 작성하였다. 정량은 독립적으로 3번 반복측정하여 각 성분들의 평균값과 표준편차를 구하였고, 이를 standard와 대비하여 정량하였다.

웅취성분 분석을 위한 GC-MS 분석 조건

Model	Shimadzu QP-2010, Japan
Column	Rtc-5Sil MS coumn, 30 m×0.25 mm, 0.25 um, Restex, USA
Carrier gas	Helium 1.0 mL/min
Injector temp.	300℃
Oven temp.	40℃(1min) - 10℃/min - 250℃(5min) - 15 ℃/min - 300℃(10min)
Injection volume	1 uL
Split ratio	Split 10:1
Mass scan range	40-550 m/z
Ionization energy	70 eV
SIM mode (m/z)
Indole	117
Skatole	130
Androstenone	257

(18) 통계처리

통계분석은 SAS program(Statistics Analytical System, USA, 2012)의 GLM(Genenal Linear Model) procedure를 통하여 분석하였고, 처리구간의 평균간 비교는 Duncan’s multiple range test를 사용하여 유의성 검증(p<0.05)을 실시하였다.

< 실시예 1>

육류의 특성, 핵산 및 유리 아미노산을 분석한 데이터베이스 구축

본 실험에서는 돈육의 짠맛 지수식을 확립하기 위하여, 먼저 198두의 돈육 샘플을 이용하여 육질특성, 지방산, 핵산 및 유리 아미노산을 분석한 데이터베이스를 구축하였다.

돈육 샘플로 사용한 198두는 농협 경제지주 종돈개량사업소 영광 불갑GGP 농장에서 제공받았으며, 198두 중 53두는 요크셔(Yorkshire) 품종이며, 54두는 랜드레이스(Landrace) 품종이며, 91두는 듀록(Duroc) 품종을 사용하였다. 상기 돈육 샘플들의 육질특성 및 지방산 분석은 충북대학교 축산학과 최양일 교수 연구팀에서 진행하였으며, 핵산 및 유리 아미노산 분석은 전북대학교 동물자원과학과 심관섭 교수 연구팀에서 진행하였다.

본 실험에서 198두 샘플을 이용하여 구축한 데이터베이스의 항목은 하기 표 4 내지 7에 자세하게 나타내었다.

육질특성 분석 항목

순번	분석항목	의미
1	salinity	염도
2	pH24h	24시간 후 pH
3	pH48h	48시간 후 pH
4	ph14day	14일 후 pH
5	cl	가열감량(cooking loss)
6	dl24h	24시간 후 육즙손실(drip loss)
7	dl48h	48시간 후 육즙손실
8	dl14day	14일 후 육즙손실
9	color	색(주관적 판정: 사람이 식육을 보고 판정하는 것)
10	marbling score	마블링 스코어(주관적 판정)
11	hardness	단단함,조직감(주관적 판정)
12	shearforce	전단력
13	l	Lightness(명도)
14	a	Redness(적색도)
15	b	Yellowness(황색도)
16	myoglobin	마이오글로빈
17	moisture	수분함량
18	ash	회분함량
19	fat	지방함량
20	protein	단백질함량
21	WHC	Water holding capacity(보수력)
22	backfat	등지방두께
23	finalweight	종료체중
24	collagen	콜라겐함량
25	boartaint	웅취
26	flavor	풍미
27	juicy	juiciness(다즙성)
28	tenderness	연도
29	acceptability	Overall acceptability(종합적인 기호도, 주관적 판정)
30	@0day	0일 후 지방 산패도
31	@5day	5일 후 지방 산패도
32	@10day	10일 후 지방 산패도
33	pH	수소이온농도

지방산 분석 항목

순번	분석항목	의미
1	myristi	Myristic acid(c14:0)
2	palmiti	Palmitic acid(C16:0)
3	palmitolei	Palmitoleic acid(C16:ln7)
4	steari	Stearic acid(C18:0)
5	olei	Oleic acid(C18:ln9)
6	linolei	Linoleic acid(C18:2n6)
7	ylinolei	γ-Linoleic acid(C18:3n6)
8	linoleni	Linolenic acid(C18:3n3)
9	eicosenoi	Eicosenoic acid(C20:ln9)
10	arachidoni	Arachidonic acid(C20:4n6)
11	saturated	saturated fatty acid(포화지방산)
12	unsaturated	unsaturated fatty acid(불포화지방산)
13	mufa	monounsaturated fats(단일불포화지방산)
14	pufa	polyunsaturated fatty acid(다가불포화지방산)
15	n3	omeaga-3fatty acid(오메가3)
16	n6	omeaga-6fatty acid(오메가6)

유리아미노산 분석 항목

순번	분석항목	의미
1	Gly	Glycine(글리신)
2	Ala	Alanine(알라닌)
3	Ser	Serine(세린)
4	Pro	Proline(프롤린)
5	Val	Valine(발린)
6	Thr	Threonine(트레오닌)
7	Leu	Leucine(류신)
8	Ile	Isoleucine(아이소류신)
9	Asp	Asparagine(아스파라긴)
10	Lys	Lysine(라이신)
11	Glu	Glutamic acid(글루탐산)
12	Met	Methionine(메티오닌)
13	His	Histidine(히스티딘)
14	Phe	Phenylalanine(페닐알라닌)
15	Arg	arginine(아르기닌)
16	Tyr	Tyrosine(티로신)
17	Cys2	cysteine(시스테인)

핵산 분석 항목

순번	분석항목	의미
1	hypoxanthine	히포크산틴
2	uridine	우리딘
3	inosine	이노신
4	AMP	Adenosine monophosphate(아데노신1인산)
5	GMP	Guanoxine monophosphate(구아노신1인산)
6	IMP	Inosine monophosphate(이노신1인산)
7	ADP	Adenosine diphosphate(아데노신2인산)

< 실시예 2>

쓴맛 등급별 데이터 분포 측정

육류의 맛을 전문적으로 평가할 수 있는 패널 선정을 위해, 먼저, 후보군에게 패널 이론 교육을 실시하고, 이후, 5가지 맛(단맛, 쓴맛, 쓴맛, 쓴맛, 쓴맛)을 감별할 수 있는지 여부(5가지 맛 중 오답이 1개 이하) 및 맛의 농도차를 구별할 수 있는지 여부(8개 중 오답이 2개 이하)를 확인하여, 이를 통과한 사람을 선택하여 패널로 선정하였다. 테스트를 치른 636명(남성 234명, 여성 402명) 중에 최종적으로 테스터로서 105명(남셩 42명, 여성 63명)을 선발하였다.

이들 패널들에게 198두의 돈육 샘플을 테스트하여 쓴맛의 정도를 평가하였으며, 그 결과는 하기 표 8에 나타내었다.

쓴맛 등급별 데이터 분포

그룹	패널 분석에 따른 쓴맛 등급별 돈육수(총 198두)
쓴맛 정도 1 (무미)	105
쓴맛 정도 2 (약간 쓰다)	70
쓴맛 정도 3 (쓰다)	22
쓴맛 정도 4 (매우 쓰다)	1
쓴맛 정도 5 (대단히 쓰다)	0

< 실시예 3>

데이터베이스를 이용한 1차 쓴맛 관여인자 도출 및 1차 지수식 개발

<3-1> 1차 쓴맛 관여인자 도출

본 실험에서는 상기 실시예 1을 통해 구축된 데이터베이스를 이용하여 쓴맛에 관여하는 인자를 로지스틱회귀분석 (correlation > 0.1) 및 Chi-square+ANOVA (p-value < 0.05)분석을 통해 각각 도출하였다. 이때, 상기 분석은 충북대학교 소프트웨어학과 류근호 교수 연구팀에서 진행하였다.

그 결과는 하기 표 9 및 표 10에 나타내었다.

로지스틱회귀분석을 통해 도출된 1차 쓴맛 관여인자 (correlation >0.1)

인자	의미	Correlation
acceptability	Overall acceptability(종합적인 기호도, 주관적 판정)	0.116
hardness	단단함,조직감(주관적 판정)	0.102

Chi-square+ANOVA 분석을 통해 도출된 1차 쓴맛 관여인자 (p-value < 0.05)

인자	의미
juicy	juiciness(다즙성)
tenderness	연도
acceptability	Overall acceptability(종합적인 기호도, 주관적 판정)
moisture	수분함량
protein	단백질함량
pH	수소이온농도

<3-2> 1차 쓴맛 관여인자를 이용한 1차 지수식 개발

본 실험에서는 상기 실시예 <3-1>을 통해 도출된 1차 쓴맛 관여인자를 토대로 1차 쓴맛 지수식을 개발하였다.

지수식 개발을 위해 결측값을 제거하고, 맛 순서형 로지스틱 회귀분석을 통하여 맛 종류별 유의한 인자 (p-value < 0.05)들을 추출한 다음, 유의한 인자들을 기반으로 쓴맛 평가 지수식 개발하였다.

그 결과 최종적으로 관련인자 중 acceptability(종합적인 기호도: 주관적 판정), hardness(단단함,조직감: 주관적 판정)가 유기적으로 관여하고 있는 것을 확인할 수 있었다.

1차 쓴맛 지수식

쓴맛 정도 1 (Y₁) =
1.4 + [acceptability=1]×9.36 + [acceptability=3]×0.73 + [acceptability=4]×0.7 + [acceptability=6]*0.41 + [hardness=1]×11.04 + [hardness=2]×0.29 + [hardness=5]×0.96

쓴맛 정도 2 (Y₂)=
0.54 + [acceptability=1]×4.1 + [acceptability=2]×0.11 + [acceptability=3]×0.03 + [acceptability=4]×0.78 + [acceptability=5]×0.05 + [acceptability=6]×0.13 + [hardness=1]×3.73 + [hardness=2]×0.48 + [hardness=3]×0.04 + [hardness=4]×0.04 + [hardness=5]×0.14

쓴맛 정도 3 (Y₃)=
0.13 + [acceptability=1]×0.9 + [acceptability=2]×0.06 + [acceptability=3]×0.03 + [acceptability=5]×11.3 + [acceptability=6]×0.11 + [hardness=2]×0.55 + [hardness=3]×0.01 + [hardness=5]×9.22

쓴맛 정도 4 (Y₄)=
30.38 + [acceptability=3]×14.42 + [hardness=3]×14.25

Y=max (Y_1,Y_2,Y_3,Y₄)

이상의 방법으로 1차 쓴맛 관여인자를 이용하여 1차 지수식을 개발하였다. 그러나, 이러한 1차 쓴맛 지수식은 주관적 판정에 해당하는 acceptability(종합적인 기호도) 및 hardness(단단함)을 포함하고 있으나, 감칠맛을 판단하는 판정단의 변화에 따라, 또는 개인의 기호에 따라 그 수치가 변동될 수 있어 객관적인 판단 지표로는 사용하기에 무리가 있다. 따라서, 주관적인 판단에 의하지 않는 객관적인 지표만을 기초로 한 지수식을 개발하기 위하여 다음의 실시예 4와 같이 추가적인 실험을 진행하였다.

< 실시예 4>

데이터베이스를 이용한 2차 쓴맛 관여인자 도출 및 2차 지수식 개발

본 실험에서는 주관적 판단에 기초한 분석항목을 제외하고 통계적으로 유의미한 쓴맛 관련인자를 2차적으로 선별하였으며, 적합도가 높은 통계분석 모델인 ordinary logistic regression model을 이용하여 2차 지수식을 개발하였다.

2차 쓴맛 관여인자 (p-value < 0.05)

인자	의미
Ash	회분함량
Finalweight	종료체중
Leu	Leucine(류신)
Uridine	우리딘
GMP	Guanoxine monophosphate(구아노신1인산)
ADP	Adenosine diphosphate(아데노신2인산)

2차 쓴맛 지수식

쓴맛 정도 1 =
2.269-(-1.352×Ash+0.031×Finalweightt+0.103×Leu+7.126×Uridine+63.570×GMP-16.633×ADP)

쓴맛 정도 2 =
4.366-(-1.352×Ash+0.031×Finalweightt+0.103×Leu+7.126×Uridine+63.570×GMP-16.633×ADP)

쓴맛 정도 3 =
7.677-(-1.352×Ash+0.031×Finalweightt+0.103×Leu+7.126×Uridine+63.570×GMP-16.633×ADP)

prob(eventj)=1/(1-e^-( ^αj ^- ^βx ⁾)

상기 2차 쓴맛 지수식의 정확도는 55.83%로 나타났다.

회귀 분석에서 사용된 모형의 일부 예측 변수가 다른 예측 변수와 상관 관계 정도가 높아 데이터 분석 시 부정적인 영향을 미치는 것을 다중공선성이라고 한다.

상기 실시예 3을 통해 도출된 지수식은 각 변수들간의 상관성이 높아, 데이터 분석 시 부정적인 영향을 미치는 것으로 나타났다.

이에, 각 변수들간의 상관성이 높아 데이터 분석시 부정적인 영향을 줄 수 있는 인자를 제거하는 작업을 추가적으로 진행하였다.

< 실시예 5>

데이터베이스를 이용한 3차 쓴맛 관여인자 도출 및 3차 지수식 개발

본 실험에서는 앞서 도출된 쓴맛 관여인자 및 지수식을 이용하여 다시 3차 쓴맛 관여인자를 도출하였으며, 이를 이용하여 3차 쓴맛 지수식을 개발하였다.

먼저, 3차 쓴맛 관여인자의 도출을 위해, 결측값을 제거(변수간의 관계를 왜곡시켜 지수식의 성능을 저하시키기 때문에 결측치를 제거)한 다음; 다중공선성이 높은 변수(VIF: Variation Index Factor > 10.0)들은 제거하고; 순서형 로지스틱 회귀분석을 통하여 맛 종류별 유의한 인자 (p-value < 0.05)를 추출하였다.

그 결과, 도출된 쓴맛 관여인자는 다음과 같다.

3차 쓴맛 관여인자 (p-value < 0.05)

인자	의미
arachidoni	Arachidonic acid(C20:4n6)

상기 도출된 유의한 인자들을 기반으로 쓴맛 평가 지수식 개발하였다.

본 발명의 3차 쓴맛 지수식은 하기 표 15에서 자세히 나타내었다.

3차 쓴맛 지수식

쓴맛 정도 1 =
-1.289 - (-7.085×arachidonic)

쓴맛 정도 2 =
0.565 - (-7.085×arachidonic)

상기 지수식을 이용하여 해당 샘플의 쓴맛을 평가하기 위해서는, ① 먼저 해당 샘플의 쓴맛 관여인자(아라키돈산)을 측정한 다음, ② 측정된 수치를 상기 쓴맛 정도 1, 쓴맛 정도 2, 쓴맛 정도 3의 지수식에 각각 도입한다. ③ 이후, 확률값은 아래 수식을 이용하여 평가한다.

상기 수식의 확률값은 누적 확률 값이기에, j 의 누적 확률에서 j - 1까지의 누적확률을 제외하면, j의 확률 값을 구할 수 있다.

각각의 확률값을 산출한 다음, ④ 확률값 중에서 가장 높은 값을 해당 쓴맛으로 평가할 수 있다.

이때, 육류의 쓴맛 평가는 쓴맛 정도 1 < 쓴맛 정도 2의 순서로 쓴맛이 증대되는 것으로 평가된다.

상기 3차 쓴맛 지수식의 정확도는 52.52%로 나타났다.

< 실시예 6>

데이터베이스를 이용한 4차 쓴맛 관여인자 도출 및 4차 지수식 개발

본 실험에서는 더욱 정확도가 높은 쓴맛의 정량분석 수식 개발을 위해 상기 실험에서 도출한 3차 지수식에 비해 더욱 높은 정확도를 가지면서, 또한 상업적으로 적용 시 빠른 결과 값 도출이 가능한 요인들을 이용하여 최종적인 지수식을 개발하고자 하였다.

이를 위해 먼저, 4차 쓴맛 관여인자 도출을 위해 상업적으로 적용시 빠른 결과값 도출이 가능한 요인(바로 측정이 가능한 요인) 및 정확도를 높일 수 있는 요인들을 선정하는 작업을 거친 후, 선정된 요인에서 결측값 제거(변수간의 관계를 왜곡시켜 지수식의 성능을 저하시키기 때문에 결측치를 제거)한 다음; 다중공선성이 높은 변수(VIF: Variation Index Factor > 10.0)들은 제거하고; 순서형 로지스틱 회귀분석을 통하여 맛 종류별 유의한 인자 (p-value < 0.05)들을 추출하였다. 여기서 상업적으로 적용시 빠른 결과값을 얻을 수 있는 요인 및 정확도를 높일 수 있는 요인을 선정하는 과정은 고도의 전문성을 요구했다. 이러한 작업은 식품공학, 축산학, 컴퓨터공학 및 화학공학에서 전문가들의 유기적인 실험데이터 공유를 통해 약 1년 이상의 논의과정을 거쳐 도출하였다.

그 결과, 최종적으로 도출된 쓴맛 관여인자는 다음과 같다.

최종 도출된 4차 쓴맛 관여인자 (p-value < 0.05)

인자	의미
Asp	Asparagine(아스파라긴)
IMP	Inosine monophosphate(이노신1인산)
WHC	Water holding capacity(보수력)
dl24h	24시간 후 육즙손실(drip loss)
inosine	이노신
uridine	우리딘
protein	단백질함량
Phe	Phenylalanine(페닐알라닌)
Ash	회분함량
Val	Valine(발린)

본 발명의 4차 쓴맛 지수식은 하기 표 17에서 자세히 나타내었다.

최종 도출된 4차 쓴맛 지수식

쓴맛 정도 1 =
5.044 - (1.390×asp + 6.221×IMP - 0.109×WHC + 0.270×dl24h - 16.449×inosine + 45.629×uridine + 0.391×protein + 1.453×Phe - 1.557×val - 2.169×ash)

쓴맛 정도 2 =
10.535 - (1.390×asp + 6.221×IMP - 0.109×WHC + 0.270×dl24h - 16.449×inosine + 45.629×uridine + 0.391×protein + 1.453×Phe - 1.557×val - 2.169×ash)

상기 지수식을 이용하여 해당 샘플의 쓴맛을 평가하기 위해서는, 먼저 해당 육류 샘플의 쓴맛 관여인자(Asp, IMP, WHC, dl24h, inosine, uridine, protein, Phe, Phe 및 Val) 값을 각각 측정한 다음, 측정된 수치를 쓴맛 정도 1, 쓴맛 정도 2의 지수식에 각각 도입하여 값을 구하고, 이들 각각의 값을 기반으로 각각의 확률값을 산출한다(확률값은 상기 실시예 5에 기재된 누적확률값 산출 수식을 이용하여 평가한다). 마지막으로, 확률값 중에서 가장 높은 값을 해당 쓴맛으로 평가할 수 있다.

이때, 쓴맛 정도 1 < 쓴맛 정도 2의 순서로 쓴맛이 증대되는 것으로 평가한다.

상기 4차 쓴맛 지수식의 정확도는 81.0%로 나타났다.

< 실시예 7>

4차 지수식의 쓴맛 등급별 메티오닌 함량 측정을 통한 지수식의 유용성 평가

본 실험에서는 상기 실시예 6을 통해 도출한 최종적인 4차 지수식에 의한 쓴맛 정도 1, 2의 쓴맛 정도를 정량적으로 평가하기 위하여, 종래 쓴맛의 지표 이용되는 메티오닌 함량(mg/100g)을 측정하였다.

이때, 평가를 위한 돈육 샘플은 상기 실시예 1의 198두를 사용하였다.

분석결과, 하기 표 18에서 나타낸 바와 같이, 본 발명의 4차 쓴맛 지수식에서 [쓴맛 정도 1]은 메티오닌 함량(mg/100g)이 0.00~0.64 범위로 나타났으며, [쓴맛 정도 2]는 메티오닌 함량(mg/100g)이 0.65~.3.80 범위로 나타났다.

쓴맛 등급별 육류 샘플의 메티오닌 함량 범위

쓴맛 등급	Methionine(mg/100g)
쓴맛 정도 1	0.00~0.64
쓴맛 정도 2	0.65~.3.80

상기와 같은 결과를 통해, 본 발명에서 고안한 쓴맛을 평가하기 위한 수식은 쓴맛의 정도를 정량적으로 등급화하여 판단함에 유용하다는 것을 확인할 수 있었다.

이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.

Claims

삭제
(1) 육류로부터 아스파라긴(Asp); 이노신1인산(IMP); 보수력(WHC); 24시간 후 육즙손실(dl24h); 이노신(inosine); 우리딘(uridine); 단백질함량(protein); 페닐알라닌(Phe); 회분함량(Ash) 및 발린(Val)을 측정하는 단계;
(2) 상기 측정된 각각의 수치를 하기 수학식 1 내지 2에 도입하여 쓴맛 등급에 따른 값을 각각 산출하는 단계;

(3) 상기 (2) 단계에서 도출된 쓴맛 등급별 산출값을 기반으로 확률값을 산출하는 단계; 및
(4) 상기 (3)단계에서 도출된 각 등급별 확률값 중에서 가장 높은 값을 갖는 등급을 육류의 쓴맛 등급으로 결정하는 단계를 포함하는, 육류의 쓴맛을 예측 또는 측정하는 방법.
제2항에 있어서,
상기 쓴맛 정도는 쓴맛의 강도가, 쓴맛 정도 1 < 쓴맛 정도 2의 순서로 증대되는 것을 특징으로 하는, 육류의 쓴맛을 예측 또는 측정하는 방법.
아스파라긴(Asp)을 측정하는 제1 측정모듈;
이노신1인산(IMP)을 측정하는 제2 측정모듈;
보수력(WHC)을 측정하는 제3 측정모듈;
24시간 후 육즙손실(dl24h)을 측정하는 제4 측정모듈;
이노신(inosine)을 측정하는 제5 측정모듈;
우리딘(uridine)을 측정하는 제6 측정모듈;
단백질함량(protein)을 측정하는 제7 측정모듈;
페닐알라닌(Phe)을 측정하는 제8 측정모듈;
회분함량(Ash)을 측정하는 제9 측정모듈;
발린(Val)을 측정하는 제10 측정모듈;
상기 제1 측정모듈 내지 제10 측정모듈에서 측정된 각 수치를 하기 수학식 1 내지 2에 도입하여 연산값을 도출하는 제1 연산모듈;

상기 연산값을 이용하여 확률값을 산출하는 제2 연산모듈; 및
상기 제2 연산모듈로부터 도출된 확률값 중에서 가장 높은 확률값을 선택 및 출력하는 출력모듈을 포함하는, 육류의 쓴맛 측정 센서.
육류의 쓴맛 관련 인자를 선별하고 입력하는 입력부;
상기 쓴맛 관련 인자의 값을 측정하고 각 인자의 측정값을 하기 수학식 1 내지 2에 도입하여 쓴맛 등급별 각각의 값을 도출하는 분석부;

상기 분석부에서 도출된 쓴맛 등급별 각각의 산출값을 확률값으로 변환시키는 변환부; 및
변환된 확률값을 출력하는 출력부를 포함하는, 육류의 쓴맛을 예측 또는 측정하는 시스템.
제5항에 있어서,
상기 쓴맛 관련 인자는 아스파라긴(Asp); 이노신1인산(IMP); 보수력(WHC); 24시간 후 육즙손실(dl24h); 이노신(inosine); 우리딘(uridine); 단백질함량(protein); 페닐알라닌(Phe); 회분함량(Ash) 및 발린(Val)인 것을 특징으로 하는, 육류의 쓴맛을 예측 또는 측정하는 시스템.