소나무 종자 노화 생리와 비파괴 활력 평가 기술을 통한 종자은행 운영 효율성 향상 = Improving management efficiency of seed bank through aging physiology and nondestructive viability testing of Pinus densiflora seeds

국문 초록 (Abstract)

종자은행은 살아있는 식물 종자를 장기간 저장하고 복원 재료를 확보하기 위한 것으로, 생명자원의 가장 효과적인 현지외 보전 방법 중 하나이다. 소나무(Pinus densiflora Siebold & Zucc.)는 우리나라의 주요 경제수종이자 우리나라 산림 경관을 대표하는 문화적 가치가 높은 수종으로, 안정적인 산림 복원 및 산림생명자원 보전을 위한 종자 저장이 필요하다. 따라서 본 연구는 소나무 종자의 효율적인 종자은행 운영 방안을 마련하는 데 기여하고자 수행되었다. 먼저, 저장 온도에 따른 종자 수명의 범위를 확인하기 위해, 저장 온도와 채취 시기가 다른 여러 seed lot의 소나무 종자를 대상으로 발아 능력과 종자세를 평가하였다. 그 결과, -18℃ 조건에서는 seed lot에 따라 20년까지도 높은 발아 능력을 유지할 수 있었으나, 19년 만에 발아 능력과 종자세가 다소 감소하는 경우도 있었다. 4℃ 조건에서는 12년 이내로 저장 시 활력 저하가 거의 발생하지 않았으나, 14년 이상이 될 경우 종자세가 먼저 감소하며, 발아 능력도 서서히 감소하는 경우도 있었다. 전기전도도 검사는 종자의 발아 능력 및 종자세와 모두 높은 상관관계를 보여, 종자 활력 평가에 있어 간단하고 신속한 보완적 방법으로 활용할 수 있을 것으로 보인다. 다음으로, 저장 온도에 따른 활력과 노화 양상을 직접적으로 비교하기 위해, 단일 seed lot의 종자를 -18℃와 4℃, 그리고 실온 조건에서 20년 저장한 후, 발아 특성과 항산화 효소 활성, MDA, 세포막 건전성, 지방산 조성, 탄수화물 대사와 같은 생리적 특성을 분석하였다. 그 결과, 저장 온도가 높을수록 항산화 활성은 감소하고, 세포막 기능이 저하되어 전해질, 수용성 당 누출이 증가하였다. 지방산 조성의 변화 역시 저장 온도에 따라 뚜렷한 차이가 있었으며, 특히 높은 온도에서는 다중불포화지방산의 산화가 더욱 빠르게 일어나 단일불포화지방산, 포화지방산의 상대적인 비율이 높았다. MDA와 지방산의 산화는 활력을 모두 상실한 실온 저장 종자에서보다 활력을 일부 유지한 4℃ 저장 종자에서 가장 높게 나타나, 종자 활력과 일관된 관계를 보이지는 않았다. 영양 물질의 이용과 탄수화물 대사 활성의 저하 역시 저장 온도에 따른 활력 저하와 연관이 있었다. 마지막으로, FT-NIR 분광법과 머신러닝 기법을 활용한 발아 종자와 미발아 종자를 분류한 결과, 발아 여부를 최대 83.89%의 정확도로 예측할 수 있었으며, 이를 통해 종자은행 관리 시 비파괴 검사의 활용 가능성을 제시하였다. 본 연구는 소나무 종자의 장기 저장에 따른 노화 양상과 비파괴 활력 평가에 대한 기초 자료를 제공하였으며, 이러한 시도가 향후 다양한 수종의 종자를 이용한 현지외 보전 및 종자은행 운영의 개선에도 활용될 수 있을 것이다.

다국어 초록 (Multilingual Abstract)

Among ex situ conservation methods for bioresources, seed banks are one of the most effective methods as they enable the long-term preservation of viable plant seeds in a dormant state. Pinus densiflora Siebold & Zucc. is a major economic species in Korea with high ecological and cultural value, making stable forest restoration and conservation essential. Therefore, the purpose of this study was to contribute to establishing an efficient seed bank management plan for P. densiflora seeds. First, to examine the range of seed longevity based on storage temperature, the germination ability and seed vigor of P. densiflora seeds from various seed lots collected at different times and stored under different temperature conditions were evaluated. The results showed that seeds stored at -18℃ generally maintained high germination ability for up to 20 years, although some reductions in germination ability and seed vigor were observed after 19 years. At 4℃, seeds showed minimal deterioration in vigor within 12 years, but seed vigor began to decline after 14 years, with a gradual reduction in germination ability. The electrical conductivity test was found to have a strong correlation with both germination ability and seed vigor, suggesting its potential as a simple supplementary method for seed viability assessment. Second, to directly compare aging patterns at different storage temperatures, germination characteristics and physiological characteristics, including antioxidant enzyme activity, MDA, electrical conductivity, fatty acid composition, and carbohydrate metabolism, were analyzed in a single seed lot stored at -18℃, 4℃, and room temperature. The results showed that higher storage temperatures were associated with reduced antioxidant activity and increased electrolyte leakage, indicating a decline in cell membrane integrity. Changes in fatty acid composition were also evident with increasing temperature, as the oxidation of polyunsaturated fatty acids led to a relative increase in the proportion of monounsaturated and saturated fatty acids within the overall fatty acid composition. MDA levels and fatty acid oxidation were highest in seeds stored at 4℃, where retained partial viability, rather than in seeds stored at room temperature, where had completely lost viability, indicating no consistent relationship with seed viability. The decrease in reserve utilization and carbohydrate metabolism was also associated with reduced viability due to temperature effects. Finally, FT-NIR spectroscopy combined with machine learning enabled the classification of germinated and non-germinated seeds with an accuracy of up to 83.89%, indicating the potential application of non-destructive testing in seed bank management. This study provides fundamental data on aging physiology and non-destructive viability testing for long-term storage of P. densiflora seeds, which could be used to improve ex situ conservation and seed bank management for various seed species in the future.

목차 (Table of Contents)

• 제 1 장 서론 1
• 제 1 절 연구 배경 및 필요성 1
• 제 2 절 연구 목적 4
• 제 2 장 연구사 5
• 제 1 절 종자의 저장과 활력 검사 5
• 2.1.1. 종자의 저장 5
• 2.1.2. 종자의 활력 검사 6
• 2.1.3. 소나무 종자에 관한 기존 연구 7
• 제 2 절 종자 노화에 따른 생리적 변화 8
• 2.2.1. 저장성 종자의 건조 내성 8
• 2.2.2. 종자의 노화 반응과 산물 9
• 2.2.3. 종자 노화와 산화 스트레스 및 항산화 활성 9
• 2.2.4. 종자 노화와 세포막 건전성 12
• 2.2.5. 종자 노화와 저장 지질 12
• 2.2.6. 종자 노화와 대사 작용 14
• 2.2.7. 종자 저장에서 온도가 미치는 영향 14
• 제 3 절 종자의 비파괴 활력 평가 16
• 2.3.1. 근적외선 분광분석을 이용한 비파괴 검사 16
• 2.3.2. 스펙트럼 전처리 19
• 2.3.3. 변수 선택 20
• 2.3.4. 머신러닝 기법을 활용한 분류 21
• 제 3 장 Seed lot과 저장 온도에 따른 소나무 종자 활력 차이 및 저장 수명 25
• 제 1 절 연구 배경 및 필요성 25
• 제 2 절 연구 목적 26
• 제 3 절 재료 및 방법 27
• 3.3.1. 공시재료 27
• 3.3.2. 발아 실험 및 발아 특성 조사 27
• 3.3.3. 전기전도도 검사 28
• 3.3.4. 통계 분석 29
• 제 4 절 결과 및 고찰 30
• 3.4.1. 종자 발아 특성 30
• 3.4.2. 전기전도도 검사 34
• 3.4.3. 종자 발아 특성과 전기전도도 검사의 상관관계 36
• 제 5 절 결론 38
• 제 4 장 저장 온도별 소나무 종자 노화에 따른 생리적 변화 39
• 제 1 절 연구 배경 및 필요성 39
• 제 2 절 연구 목적 41
• 제 3 절 재료 및 방법 42
• 4.3.1. 공시재료 42
• 4.3.2. 발아 실험 및 발아 특성 조사 42
• 4.3.3. 항산화 활성 및 산화 스트레스 43
• 4.3.4. 종자 침출수 분석 44
• 4.3.5. 지방산 분석 45
• 4.3.6. 발아 단계별 탄수화물 대사 46
• 4.3.7. 통계 분석 46
• 제 4 절 결과 및 고찰 48
• 4.4.1. 저장 온도에 따른 종자의 발아 특성 48
• 4.4.2. 저장 온도에 따른 종자의 항산화 활성과 산화 스트레스 51
• 4.4.3. 저장 온도에 따른 종자의 세포막 건전성 58
• 4.4.4. 저장 온도에 따른 종자의 지방산 조성 66
• 4.4.5. 저장 온도에 따른 종자의 발아 단계별 탄수화물 대사 72
• 제 5 절 결론 77
• 제 5 장 FT-NIR 분광법을 이용한 소나무 종자의 비파괴 활력 평가 79
• 제 1 절 연구 배경 및 필요성 79
• 제 2 절 연구 목적 81
• 제 3 절 재료 및 방법 82
• 5.3.1. 공시재료 82
• 5.3.2. FT-NIR 스펙트럼 측정 82
• 5.3.3. 발아 실험 82
• 5.3.4. 이진 분류 데이터셋 구성 및 분할 83
• 5.3.5. 스펙트럼 전처리 83
• 5.3.6. 변수 선택 84
• 5.3.7. 머신러닝 기법을 활용한 분류 85
• 제 4 절 결과 및 고찰 87
• 5.4.1. FT-NIR 스펙트럼 87
• 5.4.2. 스펙트럼 전처리 방법에 따른 성능 비교 89
• 5.4.3. 변수 선택 92
• 5.4.4. 분류 알고리즘 선정 및 최적 모델 개발 95
• 제 5 절 결론 103
• 제 6 장 종합 결론 105
• Abstract 107
• 참고문헌 110