잎 탄수화물. 이러한 추출물은 항산화 활성을 보이며, 식품 산업에서 기능성 원료로서의 잠재력을 지닌다.

소나무 목재와 같은 리그노셀룰로오스계 바이오매스는 화석 자원에 대한 재생 가능한 대안을 제공하지만, 난분해성 구조로 인해 전환이 여전히 어렵다. 이러한 한계를 극복하고 효소 가수분해를 가능하게 하기 위해서는 효율적인 전처리가 필수적이다. 본 연구는 증기 폭발(steam explosion)과 요소(urea) 처리를 결합한 2단계 전처리 방법을 통해 소나무 칩의 효소적 당화(enzymatic saccharification)를 향상시키고자 하였다. 먼저 소나무 칩을 증기 폭발에 노출시켜 헤미셀룰로오스를 분해하고 리그닌 구조를 변형한 다음, 수소 결합을 교란하고 다공성을 증가시키기 위해 실온에서 요소 처리(0.5%~2%)를 수행하였다. BET 표면적 측정 및 주사전자현미경(SEM) 이미징을 포함하여 포괄적인 화학적, 구조적, 형태학적 분석을 수행하였다. 통합 전처리는 효소 소화성(enzymatic digestibility)을 유의하게 향상시켰으며, 1% 요소 농도에서 최대 가수분해 수율 82%를 달성하였다. 이러한 향상에 기여한 핵심 요인으로는 표면적 증가, 리그닌-효소 상호작용 감소, 그리고 셀룰로오스 접근성(accessibility) 향상을 들 수 있다. 두 처리 방법을 병행한 경우는 포도당 방출(glucose release) 측면에서 어느 한 방법만을 적용했을 때보다 우수하였다. 본 연구 결과는 통합 바이오정제(biorefinery) 프레임워크 내에서 소나무의 생물전환(bioconversion)을 위한 비용 효율적이며 확장 가능한 접근으로서 증기 폭발-요소 전략의 잠재력을 보여준다.

목질계 바이오매스는 특히 소나무와 같은 침엽수의 경우 높은 리그닌 함량과 복잡한 구조적 경직성 때문에 효소 가수분해에 중대한 과제를 야기한다. 증기 폭발(steam explosion) 및 알칼리 전처리의 적용은 소화 가능성(digestibility)을 향상시키기 위해 널리 활용되고 있으나, 변수들 간의 비선형적 상호작용 때문에 공정 파라미터 최적화는 여전히 난제로 남아 있다. 기계 학습은 이러한 도전에 대응하기 위한 유망한 해결책으로 부상하고 있으며, 예측 모델링과 공정 제어를 위한 실행 가능한 대안이 될 수 있다. 본 연구에서는 온화한 알칼리(NaOH) 전처리를 받는 증기 폭발 처리 소나무 목재의 효소 가수분해 속도를 예측하기 위한 인공신경망(ANN) 모델을 개발하였다. 인공신경망(ANN)은 세 가지 주요 공정 변수에 대한 실험 데이터를 기반으로 학습되었으며, 여기에는 증기 폭발 시간(1~5분), NaOH 농도(0.5~2.0%), 그리고 화학 전처리 시간(12~24시간)이 포함되었다. 인공신경망(ANN) 모델은 랜덤 포레스트, 서포트 벡터 머신, 극단적 그래디언트 부스팅을 포함한 평가된 모델들 중에서 가장 높은 수준의 정확도를 보였다. 결정계수(coefficient of determination, R²)는 0.9805에 달하였다. 최적화되지 않은 조건(1% NaOH, 24시간 처리, 5분 증기 폭발, 껍질(bark) 없음)에서는 최대 93.9%의 가수분해율이 얻어졌다.

생리활성 화합물 회수를 위한 초음파 보조 추출은 전통적인 추출 방법의 실행 가능한 대안이다. 본 연구는 반응표면분석법(RSM)을 통해 초음파 보조 추출을 활용하여 Ainsliaea acerifolia (A. acerifolia)에서 2,2-diphenyl-1-picrylhydrazyl (DPPH), 2,2′-azino-bis(3-ethylbenzothia-zoline-6-sulfonic acid) (ABTS), 총 폴리페놀 함량(TPC) 및 플라보노이드 함량의 제거(소거) 능력을 향상시키고자 하였다. 먼저 추출 온도, 시간, 에탄올 농도가 DPPH 소거 능력, ABTS, TPC 및 플라보노이드 함량에 미치는 영향을 평가하였다. 항산화 활성과 TPC를 최대화하기 위한 최적 조건은 78%(v/v) 에탄올, 60°C의 추출 온도, 91분의 추출 시간으로 확인되었다. 최적 추출물에 대한 고성능 액체 크로마토그래피(HPLC) 분석 결과, A. acerifolia 추출물의 주된 폴리페놀은 dicaffeoylquinic acid로 나타났으며, 이는 페놀성 화합물의 대부분(102.06 mg/g DW)을 차지하였다. 본 모델은 항산화 특성을 지닌 페놀성 화합물의 A. acerifolia로부터의 추출 조건을 최적화할 수 있게 하였고, 산업, 제약 및 식품 응용을 위한 항산화 화합물의 공급원으로서의 잠재력을 부각하였다.

잎 탄수화물. 이러한 추출물은 항산화 활성을 보이며, 식품 산업에서 기능성 원료로서의 잠재력을 지닌다.

소나무 목재와 같은 리그노셀룰로오스계 바이오매스는 화석 자원에 대한 재생 가능한 대안을 제공하지만, 난분해성 구조로 인해 전환이 여전히 어렵다. 이러한 한계를 극복하고 효소 가수분해를 가능하게 하기 위해서는 효율적인 전처리가 필수적이다. 본 연구는 증기 폭발(steam explosion)과 요소(urea) 처리를 결합한 2단계 전처리 방법을 통해 소나무 칩의 효소적 당화(enzymatic saccharification)를 향상시키고자 하였다. 먼저 소나무 칩을 증기 폭발에 노출시켜 헤미셀룰로오스를 분해하고 리그닌 구조를 변형한 다음, 수소 결합을 교란하고 다공성을 증가시키기 위해 실온에서 요소 처리(0.5%~2%)를 수행하였다. BET 표면적 측정 및 주사전자현미경(SEM) 이미징을 포함하여 포괄적인 화학적, 구조적, 형태학적 분석을 수행하였다. 통합 전처리는 효소 소화성(enzymatic digestibility)을 유의하게 향상시켰으며, 1% 요소 농도에서 최대 가수분해 수율 82%를 달성하였다. 이러한 향상에 기여한 핵심 요인으로는 표면적 증가, 리그닌-효소 상호작용 감소, 그리고 셀룰로오스 접근성(accessibility) 향상을 들 수 있다. 두 처리 방법을 병행한 경우는 포도당 방출(glucose release) 측면에서 어느 한 방법만을 적용했을 때보다 우수하였다. 본 연구 결과는 통합 바이오정제(biorefinery) 프레임워크 내에서 소나무의 생물전환(bioconversion)을 위한 비용 효율적이며 확장 가능한 접근으로서 증기 폭발-요소 전략의 잠재력을 보여준다.

목질계 바이오매스는 특히 소나무와 같은 침엽수의 경우 높은 리그닌 함량과 복잡한 구조적 경직성 때문에 효소 가수분해에 중대한 과제를 야기한다. 증기 폭발(steam explosion) 및 알칼리 전처리의 적용은 소화 가능성(digestibility)을 향상시키기 위해 널리 활용되고 있으나, 변수들 간의 비선형적 상호작용 때문에 공정 파라미터 최적화는 여전히 난제로 남아 있다. 기계 학습은 이러한 도전에 대응하기 위한 유망한 해결책으로 부상하고 있으며, 예측 모델링과 공정 제어를 위한 실행 가능한 대안이 될 수 있다. 본 연구에서는 온화한 알칼리(NaOH) 전처리를 받는 증기 폭발 처리 소나무 목재의 효소 가수분해 속도를 예측하기 위한 인공신경망(ANN) 모델을 개발하였다. 인공신경망(ANN)은 세 가지 주요 공정 변수에 대한 실험 데이터를 기반으로 학습되었으며, 여기에는 증기 폭발 시간(1~5분), NaOH 농도(0.5~2.0%), 그리고 화학 전처리 시간(12~24시간)이 포함되었다. 인공신경망(ANN) 모델은 랜덤 포레스트, 서포트 벡터 머신, 극단적 그래디언트 부스팅을 포함한 평가된 모델들 중에서 가장 높은 수준의 정확도를 보였다. 결정계수(coefficient of determination, R²)는 0.9805에 달하였다. 최적화되지 않은 조건(1% NaOH, 24시간 처리, 5분 증기 폭발, 껍질(bark) 없음)에서는 최대 93.9%의 가수분해율이 얻어졌다.

생리활성 화합물 회수를 위한 초음파 보조 추출은 전통적인 추출 방법의 실행 가능한 대안이다. 본 연구는 반응표면분석법(RSM)을 통해 초음파 보조 추출을 활용하여 Ainsliaea acerifolia (A. acerifolia)에서 2,2-diphenyl-1-picrylhydrazyl (DPPH), 2,2′-azino-bis(3-ethylbenzothia-zoline-6-sulfonic acid) (ABTS), 총 폴리페놀 함량(TPC) 및 플라보노이드 함량의 제거(소거) 능력을 향상시키고자 하였다. 먼저 추출 온도, 시간, 에탄올 농도가 DPPH 소거 능력, ABTS, TPC 및 플라보노이드 함량에 미치는 영향을 평가하였다. 항산화 활성과 TPC를 최대화하기 위한 최적 조건은 78%(v/v) 에탄올, 60°C의 추출 온도, 91분의 추출 시간으로 확인되었다. 최적 추출물에 대한 고성능 액체 크로마토그래피(HPLC) 분석 결과, A. acerifolia 추출물의 주된 폴리페놀은 dicaffeoylquinic acid로 나타났으며, 이는 페놀성 화합물의 대부분(102.06 mg/g DW)을 차지하였다. 본 모델은 항산화 특성을 지닌 페놀성 화합물의 A. acerifolia로부터의 추출 조건을 최적화할 수 있게 하였고, 산업, 제약 및 식품 응용을 위한 항산화 화합물의 공급원으로서의 잠재력을 부각하였다.

소나무재선충병은 소나무를 죽이는 가장 심각한 산림 질환 중 하나이다. 선충에 감염된 대부분의 소나무는 훈증 처리되거나 국소적으로 소각되므로 적절히 활용되지 못하고 있다. 본 연구는 폐기된 선충 감염 소나무의 활용 방법을 탐색하였다. 건강한 소나무와 선충 감염 소나무의 화학 조성을 분석하고, 증기폭발 처리 후 추출한 페놀성 화합물의 신경보호 효과를 조사하였다. 화학 조성 측면에서, 선충 감염 소나무 칩은 건강한 소나무 칩보다 증기폭발 처리로 인한 손상이 더 컸다. 또한 총 페놀성 화합물 함량은 감염 여부와 증기폭발 조건에 따라 뚜렷한 차이를 보였다. 추출 에탄올에서 총 페놀성 화합물 함량의 최댓값은 선충 감염 소나무 칩을 증기폭발 강도 인자(Ro) 3.82로 처리했을 때 확인되었다. 증기폭발로 처리한 소나무 추출물 10 μg/mL는 10 mM 글루타메이트만 처리한 세포에 비해 글루타메이트 유도 초기 아폽토시스(세포사멸)를 억제하였다. 이러한 결과는 증기폭발 소나무가 신경세포 보호를 위한 효과적인 천연 소재로 사용될 수 있음을 시사하였다.

Cudrania tricuspidata 수목의 전정(pruning) 잔재는 에너지 및 생리활성 물질의 풍부한 공급원으로 간주된다. C. tricuspidata 수목 전정으로부터 이러한 물질을 회수하는 것은 잠재적인 경제적 및 환경적 우려를 완화하는 데 도움이 될 수 있다. 본 연구의 주요 목적은 반응표면방법론(response surface methodology)을 이용하여 C. tricuspidata 수목 전정물에서 항산화 활성, 총 페놀 함량, 총 플라보노이드 함량에 대한 추출 온도, 추출 시간 및 액체-잔재 비율의 영향을 규명하는 것이었다. 그 결과, 마이크로웨이브 보조 추출 온도 또는 마이크로웨이브 보조 추출 시간이 추출 과정에서 가장 중요한 변인이었음이 나타났다(항산화 활성 및 화학적 프로파일에 대해 p-value < 0.001 – 0.05에서 유의). 최대 2,2-diphenyl-1-picrylhydrazyl (DPPH) 라디칼 소거 활성, 2,2′-azino-bis(3-ethylbenzothiazoline-6-sulfonic acid) (ABTS) 라디칼 양이온 유도 활성, 총 폴리페놀 함량 및 총 플라보노이드 함량을 달성하기 위한 최적 추출 조건은 서로 상이하였으며, 각 표적 특성에 대해 별도의 최적화가 필요함을 시사한다. 최적화된 추출 조건에서는 DPPH 라디칼 소거 활성 85.8%, ABTS 라디칼 양이온 유도 활성 95.4%, 총 폴리페놀 함량 2.72 mg/g, 총 플라보노이드 함량 2.53 mg/g의 결과를 얻었다. 이러한 결과는 C. tricuspidata가 인체 건강을 위한 페놀성 항산화 물질의 유용한 식이 공급원으로서의 잠재력을 가진다는 점을 강조한다.