RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      검색결과 좁혀 보기

      선택해제
      • 좁혀본 항목 보기순서

        • 원문유무
        • 음성지원유무
        • 원문제공처
          펼치기
        • 등재정보
          펼치기
        • 학술지명
          펼치기
        • 주제분류
          펼치기
        • 발행연도
          펼치기
        • 작성언어
        • 저자
          펼치기

      오늘 본 자료

      • 오늘 본 자료가 없습니다.
      더보기
      • 무료
      • 기관 내 무료
      • 유료
      • KCI등재

        Development of a multiplex PCR assay for the simultaneous detection of big blue octopus (Octopus cyanea), giant Pacific octopus (Enteroctopus dofleini), and common octopus (Octopus vulgaris)

        이유민,이가영,김해영 한국식품과학회 2022 Food Science and Biotechnology Vol.31 No.4

        Since octopuses are similar in appearance and can be processed into various forms, seafood fraud has been reported. In this study, we developed the PCR assay to simultaneously detect three octopuses (big blue octopus, giant Pacific octopus, and common octopus). Specific pri- mer sets were designed based on COI gene. We observed that the specific PCR amplicon sizes were 84 bp for big blue octopus, 117 bp for giant Pacific octopus, and 166 bp for common octopus, respectively. This assay was then used to test for specificity and did not show cross-reactivity with 15 cephalopods families. The limit of detection of the multiplex PCR assay was 0.1 pg. Subsequently, 30 com- mercial food products were then monitored to evaluate the applicability of this assay. All products were specifically amplified, and three octopus species of interest were dis- tinguished. Therefore, this assay can be used as an octopus authentication tool in the seafood industry.

      • KCI등재
      • 임신 시 모체의 GST polymorphism과 태아성별에 따른 BPA노출과 태아의 시기별 성장지표 와의 연관

        이유민,하은희,김혜순,홍윤철,하미나,김양호,박혜숙 한국모자보건학회 2016 한국모자보건학회 학술대회 연제집 Vol.2016 No.2

        연구배경 및 목적 태아성장발달에는 Bisphenol A(BPA)와 같은 환경물질을 비롯하여 다양한 유전학적 환경적요인들이 영향을 미친다. 이번 연구는 임신시기별 BPA 노출과 태아의 성장지표와의 연관성을 확인하면서, 특히 성장에 영향을 줄 수 있는 유전학적 연관성을 규명하고자 태아의 성별 및 모체의 GST polymorphism에 따라 층화하여 BPA와 태아성장간의 관계를 확인하였다. 대상 및 방법 본 연구는 모체 (Mother and Children’ s environmental health stdudy(MOCEH)코호트 연구를 통해 2007년부터 2011년까지 임신부 1751명 중 각 시기에 소변 및 태아 성장지표 측정이 가능하였던 대상자들에 대하여 임신 2분기, 임신 3분기, 출생시에 걸쳐 수집되었다. 소변 BPA는 크레아틴 농도로 보정하여 사용하였고,GST polymorphism은 PCR를 통해 확인되었으며,각 성장지표는 초음파 및 훈련된 간호사들을 통해 측정되었고,산모의 연령 및 산과력등은 설문조사를 통해 수집되었다. 통계는 선형회귀분석 모델을 사용하였다. 연구결과 태아의 성별, 성장지표 측정 시 재태 나이, 엄마의 나이, 임신 전 BMI, 산과력, 소득수준 등으로 보정하였을 때,각 시기별 엄마 소변의 BPA농도와 각 시기 태아의 성장지표 대퇴골길이(키),추정몸무게(몸무게),복부둘레,신장대비체중의 연관성을 확인하였다. 임신 3분기의 엄마 소변 BPA농도에 따라 전체 집단에서 임신 3분기의 대퇴골 길이가 통계적으로 유의미하게 감소하였고((β =-0.02 p〈0.05),특히 엄마의 GST polymorphism이 negative-positive일 때,더 크게 감소하였다(β =-0.06p〈0.05). 이와 반대로 임신 3분기의 엄마 소변 BPA농도에 따라 출생 시 몸무게 z-score,신장대비체중z-score는 통계적으로 유의미하게 증가하였고(β =0.06 β =0.05, p〈0.05),출생아의 성별에 따라 층화하였을 때 여아에서만 신장대비체중z-score가 증가하였다. (β =0.07, p〈0.05). 하지만 이와 다르게 임신 2분기 때의 엄마 소변 BPA농도와 태아의 성장지표 와는 통계적으로 유의미한 연관성을 보이지 않았다. 결 론 이번 연구를 통하여 임신부의 BPA 노출은 임신전기보다 후기에 더 유의미하게 태아의 성장에 영향을 주는 위험요인임을 확인할 수 있었다. 더불어 엄마의 GST(+/-)일 때,BPA노출에 더 민감하게 영향을 받으며, 이 와 별개로 출생 후에는 영향의 방향성이 달라지고, 태아의 성별에 따라 여아에서 특히 유의미하게 증가하는 양상을 보여 이렇듯 BPA의 노출이 유전적, 환경적 차이에 따라 상이한 영향을 받으므로 앞으로 이러한 다양한 요인들을 탐색적으로 확인하는 연구가 필요할 것으로 보인다. 본 연구는 환경부 “가임기 여성의 환경유해인자 노출 및 건강영향 연구” 의 지원으로 수행되었습니다.

      • CO<sub>2</sub>와 Ca(OH)<sub>2</sub>를 이용한 광물탄산화 반응 특성 연구

        이유민,김혁진,박찬,정종혜,오세천 한국공업화학회 2020 한국공업화학회 연구논문 초록집 Vol.2020 No.-

        지구 온난화로 인한 문제가 대두되고 있음에 따라서 온실가스에 관한 관심이 높아지고 있다. 2018년 기준 온실가스는 331억 톤으로 최대치를 기록했다. 특히 이산화탄소는 온실가스 중 가장 많은 비중을 차지하고 있으며, 그에 따른 이산화탄소 저감에 관련된 기술 및 연구가 진행되고 있다. 이중 이산화탄소 포집 및 저장 기술(CCUS : Carbon Capture Utilization Storage)은 이산화탄소를 포집 후 발생하는 부산물을 유용한 자원으로 이용할 수 있는 기술이다. 따라서 본 연구는 CCUS기술 중 광물탄산화를 이용한 이산화탄소 포집의 기초 연구로서 수산화칼슘을 이용한 탄산화 연구를 진행하였다. 유동층 반응기를 이용한 직접탄산화 방법을 이용하였으며, 시료의 수분 함량에 따른 탄산화 및 고온에서의 탄산화 특성을 확인하였다. 또한, XRD, TGA 및 Gas Analyzer를 이용하여 수산화칼슘의 전환율 및 탄산화 메커니즘을 밝히고자 하였다.

      • KCI등재

        딥러닝과 단기매매전략을 결합한 암호화폐 투자 방법론 실증 연구

        이유민,이민혁 한국지능정보시스템학회 2023 지능정보연구 Vol.29 No.1

        As the cryptocurrency market continues to grow, it has developed into a new financial market. The need for investment strategy research on the cryptocurrency market is also emerging. This study aims to conduct an empirical analysis on an investment methodology of cryptocurrency that combines short-term trading strategy and deep learning. Daily price data of the Ethereum was collected through the API of Upbit, the Korean cryptocurrency exchange. The investment performance of the experimental model was analyzed by finding the optimal parameters based on past data. The experimental model is a volatility breakout strategy(VBS), a Long Short Term Memory(LSTM) model, moving average cross strategy and a combined model. VBS is a short-term trading strategy that buys when volatility rises significantly on a daily basis and sells at the closing price of the day. LSTM is suitable for time series data among deep learning models, and the predicted closing price obtained through the prediction model was applied to the simple trading rule. The moving average cross strategy determines whether to buy or sell when the moving average crosses. The combined model is a trading rule made by using derived variables of the VBS and LSTM model using AND/OR for the buy conditions. The result shows that combined model is better investment performance than the single model. This study has academic significance in that it goes beyond simple deep learning-based cryptocurrency price prediction and improves investment performance by combining deep learning and short-term trading strategies, and has practical significance in that it shows the applicability in actual investment. 암호화폐시장이 지속해서 성장함에 따라 하나의 새로운 금융시장으로 발전하였다. 이러한 암호화폐시장에 관한 투자전략 연구의 필요성 또한 대두되고 있다. 본 연구에서는 단기매매전략과 딥러닝을 결합한 암호화폐 투자 방법론에 대해 실증 분석을 진행하였다. 투자 대상의 암호화폐를 이더리움으로 설정하고, 과거 데이터를 기반으로 최적의 파라미터를 찾아 이를 활용하여 실험 모델의 투자 성과를 분석하였다. 실험 모델은 변동성돌파전략, LSTM(Long Short Term Memory)모델, 이동평균 교차 전략, 그리고 단일 모델들을 결합한 결합 모델이다. 변동성돌파전략은 일 단위로 변동성이 크게 상승할 때 매수하고 당일 종가에 매도하는 단기매매전략이며, LSTM모델은 시계열 데이터에 적합한 딥러닝 모델인 LSTM을 활용하여 얻은 예측 종가를 이용한 매매방법이다. 이동평균 교차 전략은 단기 이동평균선이 교차할 때 매매를 결정하는 방법이다. 결합 모델은 변동성돌파전략의 매수 조건과 변동성돌파전략의 목표 매수가보다 LSTM의 예측 종가가 큰 경우 매수하는 조건이 동시에 만족하면 매수하는 규칙이다. 결합 모델은 변동성돌파전략과 LSTM모델의 파생 변수를 활용해 매수 조건에 AND와 OR를 사용하여 만든 매매 규칙이다. 실험 결과, 단일 모델보다 결합 모델에서 투자 성과가 우수함을 확인하였다. 특히, 데일리 트레이딩과 매수 후 보유의 누적수익률은 -50%이하인 것에 비해 결합 모델은 +11.35%의 높은 누적수익률을 달성하여 하락이 지속되던 투자 기간에도 기술적으로 방어하며 수익을 낼 수 있음을 확인하였다. 본 연구는 기존의 딥러닝 기반 암호화폐 가격 예측에서 나아가 변동성이 큰 암호화폐시장에서 딥러닝과 단기매매전략을 결합하여 투자 성과를 개선 하였다는 점에서 학술적 의의가 있으며, 실제 투자 시 적용 가능성을 보여주었다는 점에서 실무적 의의가 있다.

      연관 검색어 추천

      이 검색어로 많이 본 자료

      활용도 높은 자료

      해외이동버튼