장내미생물 Gram 염색패턴을 이용한 누에나방 유충 건강 상태 예측 CNN 알고리즘 모델 구축

Construction of CNN Algorithm Model for Predicting the Health Status of Bombyx Moth Larvae Using the Gram Staining Pattern of Intestinal Microbes

대장 내부 미생물 환경이 개체 건강의 중요 척도라는 것을 누에나방 유충 분변을 통해 확인하고, 장내미생물 Gram 염색패턴 데이터를 활용한 인공지능 Convolutional neural network(CNN) 모델을 구축해서 모델의 사용 가능성을 확인하였다. 황 성분이 포함되어 있어 장 내 염증을 유발하는 물질인 Dextran Sulfate Sodium(DSS)의 농도를 변화시켜 뽕나무 잎과 함께 누에나방 유충에게 먹인 실험군은 정상 개체인 대조군에 비해 장내미생물의 종 다양성이 감소하였으며 체중 증가와 함께 탈피속도가 빨라지면서 고치 형성이 빠르게 일어났다. 메타지놈 분석을 통해 Phylum 수준에서는 Proteobacteria의 경우 대조군에서 높은 분포 비율이 확인되지만, 실험군에서는 낮은 분포 비율을 보였다. Firmicutes의 경우에는 반대의 경향을 보였다. 이런 경향은 하위 분류단계로 이어졌으며 Gram 염색패턴 변화로 확인되었다. 실험군에서는 종 다양성 지수가 낮았으나 대조군에서는상대적으로 높게 나타나 DSS 용액 처리가 개체의 건강에 큰 영향을 미쳤을 것으로 판단된다. 실험군과 대조군에 대한 장내미생물 Gram 염색패턴에 대한 빅 데이터를 통해 CNN 알고리즘 모델을 구축하고, 검증군을이용한 검증 결과 높은 정확도를 보였다. 향후 Gram 염색 등과 같은 전처리 과정이 정교해진다면 장내미생물을 통해 누에나방 유충 건강 상태를 CNN 알고리즘모델로 빠르게 예측할 수 있다는 것이 확인되었다.

The present article confirms the crucial role of the microbial environment in the large intestine as a measure of individual health, as demonstrated through silkworm larvae feces. To further explore this, an artificial intelligence-based Convolutional Neural Network (CNN) model was constructed using Gram staining pattern data of intestinal microbes, and its usability was confirmed. In order to investigate the effect of intestinal inflammation on individual health, silkworm moth larvae were fed Dextran Sulfate Sodium (DSS) along with mulberry leaves, and the concentration of DSS was varied. The experimental group exhibited a low distribution ratio of Proteobacteria at the Phylum level, while the control group had a high distribution ratio. The opposite trend was observed in Firmicutes, which was confirmed by changes in the Gram staining pattern at the sub-classification stage. The experimental group had a lower species diversity index compared to the control group, suggesting a significant effect of the DSS solution treatment on individual health. As a result, cocoon formation occurred more rapidly in the experimental group, and the rate of molting increased with weight gain. The CNN algorithm model was developed using big data on Gram staining patterns of intestinal microbes from both the experimental and control groups. Verification using the validation group demonstrated high accuracy. These findings suggest that the health status of silkworm larvae can be predicted through intestinal microbes using the CNN algorithm model, provided that pre-processing procedures such as Gram staining are further elaborated in future studies.