콩(Glycine max)은 식물성 식품, 식용유, 가축 사료의 단백질 공급원일 뿐만 아니라 바이오 연료의 에너지원으로도 다양하게 사용되면서 전 세계 생산량이 증가하고 있습니다. 수요가 증가함에 따라 규제 기관과 인증 제도, 예를 들어 2023년 EU 산림 벌채 규정은 콩이 지속 가능한 방식으로 생산되었음을 입증할 것을 요구하고 있습니다. 지리적 원산지 인증은 이러한 규정을 준수하고 불법 산림 벌채와의 연관성을 방지하며 지속 가능성과 라벨 표시에 대한 소비자의 신뢰를 유지하는 데 도움이 됩니다. 잘못된 지리적 원산지 표기는 식품 산업에서 가장 흔한 사기 유형 중 하나입니다. 생산자에게 원산지 인증은 제품 가치를 보호하고 공급망 관리의 책임 소재를 입증하는 수단입니다.

실험실 기기는 왼쪽에는 자동 액체 처리 장치(SPS 4)가, 오른쪽에는 질량 분석기(Agilent 7850 ICP-MS)가 있는 두 부분으로 구성되어 있습니다. 디자인은 세련되고 현대적입니다.

그림 1. QUB 농업 및 식품 안전성 우수센터 산하 국립측정연구소 연구팀은 모든 무기 연구 분석에 Agilent 7850을 사용합니다.

원소 핑거프린팅을 이용한 작물 원산지 확인 방법

글로벌 공급망의 복잡성으로 인해 문서나 인증과 같은 전통적인 분석법만으로는 작물의 원산지를 구분하기 어려울 수 있습니다. 이러한 어려움으로 인해 원산지를 확인하고 추적성을 강화하는 첨단 분석법이 개발되었습니다.

콩과 같은 작물의 원소 조성은 토양 특성, 기후 조건, 재배 관리 방식 등 재배 환경의 영향을 받습니다.Agilent ICP-MS 기기는 빠른 속도, 다원소 기능, 넓은 측정 범위, 낮은 검출 한계, 스펙트럼 간섭 완화 기능 덕분에 이러한 연구에 자주 사용됩니다. Agilent Mass Profiler Professional(MPP) 소프트웨어와 같은 고급 데이터 분석 도구와 ICP-MS 분석법을 결합하면 쌀과 차를 포함한 작물 시료의 정확한 다원소 프로파일링이 가능하여 지리적 원산지를 밝혀낼 수 있습니다(그림 2).1,2,3

카차르, 다르질링 등 다양한 지역을 나타내는 색상 클러스터를 보여주는 3D 산점도. PCA 성분이 표시된 축과 범례가 있습니다.

그림 2. 3차원(3D) Principal Component Analysis(PCA)은 Agilent 7850 ICP-MS와 MPP 계량분석화학 소프트웨어를 사용하여 측정한 18개 지표 원소 농도 차이를 기반으로 150개 차 시료의 원산지를 구분합니다.2

ICP-MS를 이용한 콩 분석 워크플로

본 연구에서는 브라질, 미국, 아르헨티나, 파라과이, 중국, 인도, 캐나다 등 7개 주요 생산국에서 4개 재배 시즌에 걸쳐 330개의 콩 시료를 수집했습니다. 이 시료들은
그림 3에 나타낸 바와 같이 ORS4 충돌 반응 셀이 장착된 Agilent 7850 ICP-MS로 분석했습니다.

ICP-MS를 이용한 분쇄 콩 시료 분석의 5단계 공정을 보여주는 흐름도. 그 단계는 무게 측정, 시약 첨가, 마이크로파 분해 및 분석으로 구성됩니다.

그림 3. ICP-MS를 이용한 콩 분석에 사용된 분석 워크플로.

MPP 소프트웨어를 이용한 데이터 분석

330개의 콩 시료에서 측정된 40개 원소의 원소 데이터를 통합하고 통계 분석을 위해 MPP 계량화학 소프트웨어로 가져왔습니다. 붕소(가스 없음)를 제외한 모든 원소에 대해 ORS4를 헬륨 모드(He KED)로 작동시켜 데이터를 수집했습니다. MPP 소프트웨어는 t-테스트, 분산 분석(ANOVA), 모델 구축 알고리즘, 상자 수염 그림, 상관 분석, 군집 분석 등 다양한 통계 및 시각화 도구를 제공합니다.

지리적 원산지에 따른 콩 시료 그룹 간의 차이를 확인하기 위해 p값 컷오프 <0.05를 기준으로 Principal Component Analysis(PCA)을 수행했습니다. 원소 프로파일의 주요 변동은 첫 번째 세 개의 주성분, 즉 PC1(Nd, Sm, Gd), PC2(B, Co, Zn), PC3(Ni, Cr, Cd)에서 나타났습니다. 원두 시료에서 이러한 원소들의 농도는 μg/kg(ppb)에서 mg/kg(ppm) 수준까지 다양했으며, 이는 7850 ICP-MS가 넓은 농도 범위에 걸쳐 정확한 분석을 제공한다는 이점을 누릴 수 있는 부분입니다.

분류 예측 분석

분류 예측 분석은 미지의 시료를 미리 정의된 그룹에 객관적으로 할당하는 강력한 기법입니다. MPP 소프트웨어는 다양한 분류 예측 알고리즘을 제공합니다. 본 연구에서는 원소 조성을 기반으로 콩 시료의 지리적 원산지를 식별하는 예측 모델을 개발하기 위해 선형 판별 분석(LDA)을 선택했습니다.

데이터 세트는 7개국을 균형 있게 대표하도록 훈련 세트(80%)와 테스트 세트(20%)로 무작위로 분할했습니다. 훈련 세트는 미리 정의된 지리적 그룹을 가장 잘 구분하는 원소의 선형 조합을 식별하여 모델을 개발하는 데 사용되었습니다. LDA 스코어 플롯을 사용하여 시료 분리와 클러스터링을 시각적으로 평가했습니다(그림 4).

다양한 색상의 점이 서로 다른 국가의 콩을 나타내는 산점도입니다. 클러스터는 그룹을 나타내며, 축에는 LDA 1과 LDA 2라는 레이블이 지정되어 있습니다. 범례는 색상 기호를 사용하여 국가를 식별합니다.

그림 4. 콩 훈련 세트에 대한 LDA 스코어 플롯.

66개의 미지 시료로 구성된 테스트 세트를 사용하여 모델의 분류 정확도를 평가했습니다. LDA 모델을 사용하여 66개 시료 중 64개의 원산지를 정확하게 판별했으며, 신뢰도는 0.226~0.947 사이였습니다. 이는 지리적 위치를 98.5의 정확도로 예측한 것으로, 모델의 효과성과 신뢰성을 보여줍니다.

이러한 결과는 ICP-MS와 화학계량 모델링이 콩 원산지 검증, 공급망 투명성 확보, 식품 사기 방지 및 지속 가능한 농업 관리 방식 지원을 위한 확장 가능하고 신뢰할 수 있는 솔루션으로서의 잠재력을 가지고 있음을 잘 보여줍니다.

참고 자료:

  1. Xu, F. et.al. ICP-MS 및 통계 모델링을 사용한 원소 프로파일링에 의한 쌀 원산지 판별, 애질런트 발행물, 5994-4043KO
  2. Jain, V.; Dong, S.; Kanrar, B. Authenticating Geographical Origin of Tea Using ICP-MS and Agilent Mass Profiler Professional Software, 애질런트 발행물, 5994-4583EN
  3. Jain, V; Dong, S; Sen, P.; Kar, Prasenjit. ICP-MS 극미량 원소 핑거프린팅 및 MPP를 이용한 고가의 인도 차 원산지 식별, Agilent ICP-MS 저널, 제91호, 2023년, 5994-5585KO

자세히 알아보기

Aparicio-Muriana, M.M., Hong, Y., Chilaka, C.A. et al. Mapping the global origins of soybean: a study using ICP-MS and chemometrics. npj Sci Food 9, 2025, 263, https://doi.org/10.1038/s41538-025-00630-5

2021년 4월 애질런트 대학 관계 부문 Thought Leader상 수상자