연구과제의 최종 목표: 극빙양(polar ocean)의 환경유전체를 분석하여 극지 환경의 식물플랑크톤-박테리아간 서식환경변화를 조사한 뒤, 기후변화물질들의 거동과 연관된 미생물학적 모델을 구축하고자 함. ○ 1-2차 연도 연구목표: 극지 해양환경에서 식물플랑크톤이 번성하는 해빙 지역을 중점으로 표층해수를 확보하여 해수특성 및 환경유전체 분석을 수행함. 현장...

○ 극빙양의 식물플랑크톤 증식 및 환경변화를 반영하는 해양시료 확보 본 연구에서는 극빙양의 식물플랑크톤 증식과 이로 인한 환경변화를 연구하기 위해, 남극과 북극의 해빙지역을 연구지역으로 선정함. 본 연구팀은 수 년 간의 선행연구들을 통하여 이미 극지의 환경변화를 반영하는 환경 시료들을 선별하는 대 숙달되어 있음. ○ 극빙양 표층해수의 생지화학적 특성조사 극지 해양환경에서 식물플랑크톤이 서식하는 표층해수를 대상으로 수온, 염분, environmental DNA(eDNA), DMSP, 클로로필(ChlA), 영양염(PO4, NH4, NO2, NO3, SiO2) 등의 자료들을 확보할 예정이며, 이를 통해 식물플랑크톤과 박테리아간 서식환경특성을 조사하려 함. ○ 극빙양 환경유전체 분석을 통한 극지 해양마이크로바이옴 연구 극지의 환경시료에서 eDNA를 추출 후, Miseq platform의 메타바코딩(metabarcoding) 분석을 통하여 Microbial 16S와 18S rRNA 유전자를 대상으로 미생물군집 및 다양성 분석 후, 환경특성 자료들과의 생태통계분석을 통해 식물플랑크톤 증식을 공간적으로 구분하는 코어마이크로바이옴을 특정하고 서식환경변화를 파악함. ○ 환경유전체 기반의 기후변화물질 연구 상기의 eDNA에서 미생물의 DMSP대사과정에 직접적으로 연계된 분류군들을 특정하고 그들의 생물학적 활성을 유추하기 위해 DMSP metabolism에 관련된 유전자들을 선별하여 qPCR 분석으로 정량함. 아울러 shotgun sequencing DB로부터 메타바코딩 분석으로 특정한 분류군들의 draft genome을 복구하여 MAGs(metagenome-assembled genomes)의 DMSP 대사과정을 규명하고자 함. ○ 극빙양 빅데이터의 머신러닝 분석을 통한 DMSP 거동예측 모델구축 상기의 극빙양 해양 마이크로바이옴 모니터링을 통하여 확보한 빅데이터들의 패턴(선형/비선형)을 분석한 뒤, 머신러닝 기반의 자료 해석을 수행함. 이후, 이를 활용하여 식물플랑크톤 대사물질들의 생물전환을 추적 및 예측할 수 있는 모델을 구축하고자 함. 필요 시, DMSP 실측 자료들과 대조 및 보정을 통하여 여러 가지 예측모델의 대조하고 모델 검증 및 개선을 통하여 딥러닝 분석의 가능성도 고려할 예정임.