서 언
재료 및 방법
시험재료
혼합물 설계 및 최적화
최적 혼합물 및 취반미 제조
총 폴리페놀 및 플라보노이드 함량 분석
생리활성 분석
통계분석
결과 및 고찰
혼합물 설계를 이용한 팥, 조 및 수수 혼합물의 최적 배합
최적 혼합물 첨가에 따른 취반미의 기능성 성분 변화
최적 혼합물 첨가에 따른 취반미의 생리활성 변화
적 요
서 언
최근 건강 지향적 식생활에 대한 관심이 증가하면서, 정제곡 중심의 주식 소비를 보완할 수 있는 전곡류의 활용 가치가 주목받고 있다. 전곡류는 식이섬유, 복합탄수화물, 단백질, 무기질, 지질, 비타민 및 다양한 phytochemical을 함유하고 있으며, 이러한 성분은 단순한 영양 공급을 넘어 기능적 특성에 기여할 수 있는 것으로 보고되었다(Allai et al., 2022). 특히 전곡류는 정제곡에 비해 배아와 겨층에 존재하는 식이섬유, 미량영양소 및 생리활성 성분이 풍부하여 영양적 가치가 높으며, 건강 지향적 식품 소재로의 활용 가능성이 크다(Angeles et al., 2021; Banerjee and Maitra, 2020).
국내산 잡곡 및 두류 역시 식품 소재로서의 가능성이 보고된 바 있다. Han et al. (2024)은 국내 육성 유색미, 팥, 조, 기장 및 수수 품종의 기능성분과 생리활성을 비교한 결과, 팥은 총 폴리페놀 함량이 높았고, 수수는 높은 페놀성 화합물과 항산화 활성이 보고된 바 있다. 조 역시 국내에서 이용되는 잡곡 중 페놀성 화합을 풍부하게 함유한 기능성 곡물로 알려져 있다. 또한 이들 곡류 및 두류의 생리활성은 총 폴리페놀 및 플라보노이드 함량과 양의 상관관계를 나타내어 곡류 및 두류 자원의 기능적 특이성이 페놀성 화합물 조성과 밀접하게 관련되는 것으로 확인되었다(Han et al., 2024). 최근 자원식물을 대상으로 한 연구에서도 폴리페놀 및 플라보노이드 함량이 항산화 활성과 밀접하게 관련되며, 유전자원이나 시료 특성에 따라 기능성분과 항산화 활성에 차이가 나타나는 것으로 보고되었다(Desta et al., 2025; Lee et al., 2024). 한편, 단일 곡물만으로는 원료별 특성을 균형 있게 활용하는 데 한계가 있으므로 서로 다른 곡물을 혼합하여 영양적 및 기능적 특성을 보완하는 접근이 필요하다. 반응표면분석법은 여러 실험요인과 반응변수간의 관계를 분석하고 최적 조건을 도출하는 데 활용되는 통계적 접근법으로 최근에는 자원식물의 기능성 성분 추출 조건을 최적화하는 데에도 적용되고 있다(Choi et al., 2025). 선행연구에서는 수수, 조 및 검정콩의 혼합비를 mixture design으로 최적화함으로써 개별 원료의 상호보완적 특성을 통합하고, 항산화 활성 및 효소 저해 활성이 향상된 혼합물을 도출할 수 있음을 보고하였다(Han et al., 2025). 이러한 결과는 혼합물 설계가 단순한 배합비를 비교를 넘어 복수의 반응변수를 동시에 고려하여 목적에 적합한 곡물 혼합비를 설정하는 데 유용한 방법임을 시사한다.
잡곡은 다양한 식품 형태로 이용되며, 쌀과 혼합하여 취반한 잡곡밥은 일상 식생활에 적용할 수 있는 대표적인 섭취 형태 중 하나이다. 잡곡밥은 다양한 곡류 및 두류를 쌀과 함께 섭취할 수 있어 잡곡의 영양적 및 기능적 가치를 일상 식이에 적용할 수 있는 실용적인 활용 형태이다. 실제로 잡곡의 혼합비율에 따라 취반미의 이화학적 특성과 기능성분 함량이 달라질 수 있으며, 잡곡 첨가량의 증가는 총 폴리페놀 및 플라보노이드 함량과 항산화 활성에 영향을 미치는 것으로 보고되었다(Kim et al., 2025). 그러나 곡류는 취반 과정에서 열과 수분에 노출되며, 이러한 가공조건은 영양성분과 phytochemical의 조성 및 이용 가능성을 변화시킬 수 있다(Seal et al., 2021). 따라서 잡곡 자원의 활용성을 평가하기 위해서는 원료곡 또는 혼합물 자체의 특성뿐만 아니라 실제 섭취 형태인 취반미에 적용한 후 기능적 특성을 평가할 필요가 있다.
따라서 본 연구에서는 국내산 팥, 조 및 수수의 서로 다른 기능적 특성을 상호 보완할 수 있는 최적 혼합비를 도출하고, 이를 실제 식생활에 적용 가능한 잡곡 혼합물로 활용하고자 하였다. 이를 위해 팥, 조 및 수수를 혼합물 설계에 따라 배합한 후 압력 취반하여 기능적 특성이 우수한 최적 배합비를 도출하고, 최적 혼합물을 실제 취반미에 적용함으로써 국내 잡곡 자원의 실용적 활용 가능성을 평가하고자 하였다. 기존 연구에서는 수수, 조, 및 검정콩을 대상으로 혼합물 설계를 적용하여 항산화 활성과 효소 저해 활성이 우수한 혼합 조성을 도출하였으며(Han et al., 2025), 이후 증숙 처리된 유색미, 수수, 조 및 검정콩 혼합물의 추출 수율과 생리활성을 동시에 고려한 최적화 기능성이 보고되었다(Han et al., 2026). 그러나 이들 연구는 주로 혼합물 자체의 기능적 특성과 최적 조성 도출에 초점을 두었으며, 도출된 혼합물을 실제 섭취 형태에 적용한 후 기능적 특성을 평가한 연구는 제한적이다. 또한 팥은 다른 잡곡에 비해 추출 수율이 높고 페놀성 성분을 함유하고 있어 기능성이 우수하나 추출 수율이 낮은 수수 및 조의 특성을 보완할 수 있는 혼합 원료로 활용 가능성이 있다. 따라서 팥을 포함한 혼합 조성의 최적화와 이를 취반미에 적용한 평가는 기존 혼합물 최적화 연구를 실제 식품 적용 단계로 확장한다는 점에서 의미가 있다.
재료 및 방법
시험재료
본 연구에 사용된 조(Setaria italica L., cv. Samdachal)와 수수(Sorghum bicolor (L.) Moench, cv. Goeunchal)는 한국농업기술진흥원(익산, 대한민국)에서 구입하였다. 팥(Vigna angularis (Willd.) Ohwi & H. Ohashi, cv. Hongda), 백미(Oryza sativa L., cv. Samgwang), 및 유색미(Oryza sativa L., cv. Boseokheukchal)는 국립식량과학원 중북부작물연구센터(수원, 대한민국) 시험포장에서 재배·수확한 시료를 사용하였다. 모든 공시재료는 2025년산을 사용하였으며, 이물질을 제거한 후 실험 전까지 10°C의 저온저장고에 보관하였다.
혼합물 설계 및 최적화
팥, 조 및 수수의 최적 혼합비를 설정하기 위하여 Design- Expert software (version 13; Stat-Ease Inc., Minneapolis, MN, USA)를 이용하여 혼합물 설계를 수행하였다. 혼합물의 추출 수율, 2,2-diphenyl-1-picrylhydrazyl (DPPH) 라디칼 소거능 및 lipase 저해 활성을 동시에 고려한 최적 조성을 도출하고자 하였으며, 혼합물의 구성 성분은 홍다(팥), 삼다찰(조) 및 고은찰(수수)로 설정하였다. 각 성분의 혼합비는 0∼100% 범위로 설정하고, 세 성분 간 혼합비에 따른 반응값의 변화를 평가하기 위하여 {3,2} simplex lattice mixture design을 적용하였다. 혼합설계에 따라 중심점 및 반복 실험점을 포함한 총 15개의 실험 조합을 설정하였다(Table 1). 밥솥 간 변이에 따른 영향을 고려하기 위하여 두 대의 전기 유도가열 압력밥솥(CRT-UPDS0670W, Cuchen Co., Ltd., Seoul, Korea)을 block으로 설정하고 각 실험 조합을 배치하였다. 각 조합의 원료곡은 설계된 혼합비에 따라 혼합한 후 곡물과 물을 1:1.5 (w/w)의 비율로 첨가하고, 혼합잡곡 모드를 이용하여 제조사에서 설정된 기본 프로그램에 따라 취반하였다. 혼합물 설계의 각 experimental run은 1회씩 독립적으로 취반하여 제조하였다. 취반이 완료된 시료는 동결건조한 후 분쇄하여 분석용 시료로 사용하였다.
Table 1
Mixture design matrix and response values of cooked adzuki bean, Italian millet, and sorghum blends.
| Run | Block |
Component 1: Hongda (%) |
Component 2: Samdachal (%) |
Component 3: Goeunchal (%) |
Response 1: Extraction yield (%) |
Response 2: DPPH radical scavenging activityz (㎎ TE/g) |
Response 3: Lipase inhibitory activity (%) |
| 1 | cooker 1 | 33.33 | 33.33 | 33.33 | 3.81y | 56.81 | 30.00 |
| 2 | cooker 1 | 0 | 100 | 0 | 2.52 | 9.73 | 5.19 |
| 3 | cooker 1 | 0 | 0 | 100 | 1.68 | 110.73 | 33.36 |
| 4 | cooker 1 | 0 | 100 | 0 | 2.49 | 8.96 | 5.80 |
| 5 | cooker 1 | 66.67 | 16.67 | 16.67 | 5.02 | 36.08 | 30.30 |
| 6 | cooker 1 | 16.67 | 16.67 | 66.67 | 2.79 | 58.41 | 37.55 |
| 7 | cooker 1 | 0 | 0 | 100 | 1.72 | 109.45 | 35.44 |
| 8 | cooker 1 | 100 | 0 | 0 | 6.29 | 32.44 | 23.51 |
| 9 | cooker 2 | 100 | 0 | 0 | 6.23 | 33.95 | 25.32 |
| 10 | cooker 2 | 16.67 | 66.67 | 16.67 | 3.12 | 30.35 | 28.10 |
| 11 | cooker 2 | 50 | 0 | 50 | 3.97 | 52.40 | 37.17 |
| 12 | cooker 2 | 50 | 0 | 50 | 4.04 | 53.58 | 38.48 |
| 13 | cooker 2 | 50 | 50 | 0 | 4.37 | 32.85 | 26.90 |
| 14 | cooker 2 | 50 | 50 | 0 | 4.70 | 34.41 | 28.39 |
| 15 | cooker 2 | 0 | 50 | 50 | 2.20 | 62.00 | 33.42 |
각 혼합 조성에 대하여 취반 시료로부터 3회 독립적으로 추출하였으며, 각 추출물은 3회 반복 측정하였다. 기술적 측정 반복의 평균값을 해당 추출물의 결과로 사용하고, 3회 추출 결과의 평균값을 각 run의 반응값으로 적용하였다. 반응변수로 추출 수율, DPPH 라디칼 소거능 및 lipase 저해 활성을 반응변수로 측정하였으며, 측정값을 이용하여 혼합성분의 조성에 따른 반응변수의 변화를 예측하는 회귀모형을 구축하였다. 모형의 적합성과 각 회귀항의 유의성은 분산분석(analysis of variance, ANOVA)을 통해 평가하였으며, 결정계수(R2), 수정 결정계수(adjusted R2), 변동계수(coefficient of variation, CV) 및 adequate precision을 이용하여 모형의 설명력과 예측 적합성을 검토하였다.
최적 혼합비는 추출 수율, DPPH 라디칼 소거능 및 lipase 저해 활성을 최대화하는 것을 목표로 desirability function을 이용한 수치 최적화를 통해 도출하였다. 각 반응변수의 개별 desirability를 종합하여 overall desirability를 산출하였으며, 가장 높은 desirability를 나타낸 혼합 조성을 최적 혼합비로 선정하였다. 최적 혼합비의 검증은 모형 구축에 사용된 시료와 별도로, 도출된 최적 조성에 따라 새롭게 취반한 시료를 이용하여 수행하였다. 최종 선정된 혼합비에 따라 시료를 제조하고 각 반응변수를 실험적으로 측정하였으며, 관측값과 모형에서 산출된 95% prediction interval을 비교하여 최적화 모형의 예측 적합성을 검증하였다.
최적 혼합물 및 취반미 제조
혼합물 설계를 통해 도출된 최적 혼합비에 따라 홍다(팥), 삼다찰(조) 및 고은찰(수수)을 각각 43.6, 37.2 및 19.2%의 비율로 혼합하여 최적 혼합물(Blend)을 제조하였다. 대조 취반미(control cooked rice, CR)는 삼광(백미)과 보석흑찰(유색미)을 각각 95 및 5%(w/w)의 비율로 혼합하였으며, 최적 혼합물 첨가 취반미(CR+Blend)는 CR의 곡물 조성에 최적 혼합물을 20% (w/w) 비율로 첨가하여 삼광, 보석흑찰 및 Blend의 혼합비가 76:4:20 (w/w)이 되도록 제조하였다. 취반용 처리구는 수돗물로 2회 세척한 후 체반에 물기를 제거하였으며, 별도의 침지과정 없이 즉시 취반에 사용하였다. 모든 처리구는 곡물과 물의 비율을 1:1.5 (w/v)의 비율로 혼합하여 동일한 조건에서 취반하였다. 모든 처리군은 전기 유도가열 압력밥솥을 이용하여 혼합잡곡 모드의 기본 프로그램에 따라 취반하였다. 취반이 완료된 시료는 동결건조한 후 분쇄하여 분석용 시료로 사용하였다.
총 폴리페놀 및 플라보노이드 함량 분석
총 폴리페놀 및 총 플라보노이드 함량 분석을 위한 추출물은 Han et al. (2026)의 방법에 따라 제조하였다. 분쇄 시료 3 g에 70% ethanol을 1:10 (w/v)의 비율로 첨가한 후, 진탕배양기(DS-303T; Dasol Scientific Co., Ltd., Hwaseong, Korea)를 이용하여 25℃에서 24시간 동안 1회 추출하였다. 추출액은 원심분리기(CR22N; Himac Technologies, Co., Ltd., Ibaraki, Japan)를 이용하여 14,400 ×g에서 20분간 원심분리 한 후 상등액을 회수하였다. 회수한 상등액에 n-hexane 15 mL를 첨가하여 180 rpm에서 15분간 교반한 후, 1,500 ×g, 4℃에서 5분간 원심분리하여 층분리를 실시하였다. 지질 및 기타 지용성 성분을 제거하기 위하여 동일한 과정을 총 3회 반복하였으며, 최종적으로 회수한 ethanol층을 No. 2 filter paper로 여과하였다. 여액은 감압농축기(SB-1200; EYELA Co., Ltd., Tokyo, Japan)를 이용하여 농축한 후, dimethyl sulfoxide (DMSO)에 1:100 (w/v)의 비율로 재용해하여 기능성분 및 생리활성 분석에 즉시 사용하였다.
총 폴리페놀 및 플라보노이드 함량은 각각 Folin–Ciocalteu법(Slinkard and Singleton, 1977) 및 aluminum chloride 비색법(Yu et al., 2005)에 따라 측정하였다. 총 폴리페놀 분석을 위해 추출물 20 μL에 2% Na2CO3 용액 200 μL를 가하여 3분 반응시킨 후, 50% Folin-Ciocalteu reagent 10 μL를 가하였다. 상온에서 30분 반응시킨 뒤 750 ㎚에서 흡광도를 측정하였다. Gallic acid를 표준물질로 사용하여 검량선을 작성하였으며, 결과는 ㎎ gallic acid equivalents (GAE)/g extract로 나타내었다. 총 플라보노이드 함량 분석을 위해 추출물 75 μL에 dH2O 300 μL와 5% sodium nitrite 22.5 μL를 가하고, 5분 후 10% aluminum chloride hexahydrate 45 μL를 첨가하여 6분 동안 반응시켰다. 이후 1 N sodium hydroxide 150 μL를 가하여 11분 동안 반응시킨 후 510 ㎚에서 흡광도를 측정하였다. Catechin을 표준물질로 사용하여 검량선을 작성하였으며, 결과는 ㎎ catechin equivalents (CE)/g extract로 나타내었다.
생리활성 분석
항산화 활성은 DPPH 및 2,2’-azino-bis(3-ethylbenzothiazoline-6-sulfonic acid) (ABTS) 라디칼 소거 활성과 ferric reducing antioxidant power (FRAP)를 측정하여 평가하였다. DPPH 라디칼 소거 활성 분석을 위해 추출물 20 μL에 0.2 mM DPPH 용액 200 μL를 가하여 30분 반응시킨 후, 520 ㎚에서 반응액의 흡광도 감소치를 측정하였다. Trolox를 표준물질로 사용하여 검량선 작성하였으며, 결과는 ㎎ Trolox equivalents (TE)/g extract로 나타내었다. ABTS 라디칼 소거 활성 분석을 위해 추출물 20 μL에 7.4 mM ABTS 용액 200 μL를 가하여 30분 반응시킨 후, 734 ㎚에서 반응액의 흡광도 감소치를 측정하였다. Trolox를 표준물질로 사용하여 검량선 작성하였으며, 결과는 ㎎ TE/g extract로 나타내었다. FRAP 분석을 위해 추출물 30 μL에 FRAP reagent 180 μL와 dH2O 90 μL을 가하여 37℃에서 10분간 반응시킨 후, 593 ㎚에서 흡광도를 측정하였다. 표준물질로 FeSO4·7H2O를 사용하여 검량선을 작성하였으며, 결과는 μmol Fe2+ equivalents/g extract로 나타내었다.
Lipase 저해 활성은 Zhang et al. (2024)의 방법을 일부 변형하여 porcine pancreatic lipase (Type Ⅱ)를 이용하여 측정하였다. 효소 10 ㎎을 50 mM Tris-HCl buffer (0.1 mM CaCl2, pH 7.2) 10 mL에 용해한 후, 4℃에서 원심분리(2,500 ×g, 3 분)하여 상등액을 효소용액으로 사용하였다. 추출물은 동일한 buffer를 이용하여 10 ㎎/mL 농도로 조제하였다. 추출물 20 μL에 assay buffer 50 μL와 효소 용액 80 μL를 혼합하여 37℃에서 10분간 반응시킨 후, 10 mM p-nitrophenyl butyrate 50 μL를 첨가하였다. 반응액의 흡광도는 410 ㎚에서 3분 간격으로 30분 동안 측정하였으며, lipase 저해 활성은 대조구 대비 효소 활성 감소율(%)로 산출하였다. 양성대조군으로는 orlistat을 사용하였다.
통계분석
모든 실험 결과는 평균±표준편차로 나타내었다(n = 3). 처리군 간 유의성 검정은 SPSS software version 18.0 (SPSS Inc., Chicago, IL, USA)을 이용하여 수행하였다. 일원분산분석(one-way analysis of variance, ANOVA)은 general linear model procedure를 이용하여 실시하였으며, Tukey의 다중비교검정(Tukey multiple comparison test)을 통해 p < 0.05 수준에서 처리군 간 평균값의 유의성을 검정하였다. 그래프는 SigmaPlot version 14.0 (Systat Software Inc., San Jose, CA, USA)을 이용하여 작성하였다.
결과 및 고찰
혼합물 설계를 이용한 팥, 조 및 수수 혼합물의 최적 배합
팥, 조 및 수수의 최적 혼합비를 도출하기 위하여 simplex lattice mixture design을 적용하였으며, 각 배합에 따른 추출 수율, DPPH 라디칼 소거능 및 lipase 저해 활성을 반응변수(response)로 설정하였다(Table 1). 혼합물 설계에 따라 총 15개의 배합 조성이 제조되었으며, 추출 수율은 1.68∼6.29%, DPPH 라디칼 소거능은 8.96∼110.73 ㎎ TE/g, lipase 저해 활성은 5.19∼38.48%의 범위로 원료의 배합비에 따라 반응값에 뚜렷한 차이를 보였다.
Han et al. (2024)에 의하면 홍다(팥)는 총 폴리페놀 함량이 높고, 고은찰(수수)은 우수한 항산화활성을 나타낸 반면, 삼다찰(조)은 홍다와 고은찰에 비해 상대적으로 낮은 항산화 활성을 보였다. 본 연구에서도 고은찰 단독 처리구의 DPPH 라디칼 소거능이 109.45∼110.73 ㎎ TE/g으로 가장 높았으며, 삼다찰 단독 처리구는 8.96∼9.73 ㎎ TE/g으로 가장 낮아 선행연구와 유사한 경향을 나타내었다. 이와 같은 원료별 기능적 특성의 차이는 혼합비에 따른 반응값의 변이에 영향을 미친 것으로 판단되며, 서로 다른 특성을 가진 원료의 배합비를 체계적으로 설정하기 위한 혼합물 설계의 필요성을 뒷받침한다. 따라서 혼합물 설계를 이용한 최적화는 서로 다른 기능적 특성을 가진 곡물의 배합비를 체계적으로 설정하는데 효과적으로 적용될 수 있을 것으로 판단된다.
각 반응변수에 대한 회귀모델의 분산분석 결과(Table 2), 추출 수율, DPPH 라디칼 소거능 및 lipase 저해 활성 모두 quadratic model이 적합한 것으로 나타났다. DPPH 라디칼 소거능의 경우 모델 적합도 개선을 위하여 inverse square-root transformation을 적용한 후 회귀분석을 수행하였다. 각 모델의 F-value는 추출 수율, DPPH 라디칼 소거능 및 lipase 저해 활성에서 각각 679.14, 156.26 및 118.16이었으며, 모든 모델에서 높은 유의성이 확인되었다(p < 0.0001). 또한 결정계수(R²)는 각각 0.9976, 0.9899 및 0.9866이었고, adjusted R²는 각각 0.9962, 0.9835 및 0.9783으로 높은 설명력을 나타내었다. Lack of fit은 모든 반응변수에서 유의하지 않았으며(p > 0.05), Adeq Precision은 각각 73.74, 36.61 및 31.79로 모두 기준값인 4를 크게 상회하였다. 이상의 결과는 구축된 회귀모델이 팥, 조 및 수수의 배합비에 따른 각 반응변수의 변화를 적절히 설명하며, 최적 혼합비 예측에 활용하기에 적합함을 나타낸다. 혼합물 성분을 coded factor로 나타낸 회귀식은 다음과 같다. 여기서 A, B 및 C는 각각 홍다(팥), 삼다찰(조) 및 고은찰(수수)의 혼합비를 의미한다.
Table 2
ANOVA results for the fitted models of extraction yield, antioxidant activity, and lipase inhibitory activity.
| Source |
Extraction yield (%) |
DPPH radical scavenging activityz (㎎ TE/g) |
Lipase inhibitory activity (%) | ||||||||||||
|
Sum of squares | df |
Mean squares | F-value | p-value |
Sum of squares | df |
Mean squares | F-value | p-value |
Sum of squares | df |
Mean squares | F-value | p-value | |
| Block | 2.39 | 1 | 2.39 | 0.0025 | 1 | 0.0025 | 132.96 | 1 | 132.96 | ||||||
| Model | 28.3 | 5 | 5.66 | 679.14 | <0.0001 | 0.0703 | 5 | 0.0141 | 156.26 | <0.0001 | 1299.1 | 5 | 259.82 | 118.16 | <0.0001 |
| Linear Mixture | 28.17 | 2 | 14.09 | 1690.39 | <0.0001 | 0.0573 | 2 | 0.0286 | 318.22 | <0.0001 | 1055.59 | 2 | 527.8 | 240.03 | <0.0001 |
| AB | 0.0754 | 1 | 0.0754 | 9.05 | 0.0168 | 0.0072 | 1 | 0.0072 | 79.82 | <0.0001 | 134.13 | 1 | 134.13 | 61 | <0.0001 |
| AC | 0.0165 | 1 | 0.0165 | 1.98 | 0.1971 | 0.0003 | 1 | 0.0003 | 3.18 | 0.1124 | 44.65 | 1 | 44.65 | 20.31 | 0.002 |
| BC | 0.0493 | 1 | 0.0493 | 5.91 | 0.0411 | 0.0056 | 1 | 0.0056 | 62.02 | <0.0001 | 100.21 | 1 | 100.21 | 45.57 | 0.0001 |
| Residual | 0.0667 | 8 | 0.0083 | 0.0007 | 8 | 0.0001 | 17.59 | 8 | 2.2 | ||||||
| Lack of Fit | 0.0085 | 4 | 0.0021 | 0.1464 | 0.9552 | 0.0006 | 4 | 0.0002 | 5.15 | 0.0708 | 13.27 | 4 | 3.32 | 3.07 | 0.1511 |
| Pure Error | 0.0582 | 4 | 0.0145 | 0.0001 | 4 | 0 | 4.32 | 4 | 1.08 | ||||||
| Cor Total | 30.75 | 14 | 0.0735 | 14 | 1449.65 | 14 | |||||||||
| Fit Statistics | |||||||||||||||
| Std Devy | 0.0913 | 0.0095 | 1.48 | ||||||||||||
| Mean | 3.66 | 0.172 | 27.93 | ||||||||||||
| CV % | 2.49 | 5.51 | 5.31 | ||||||||||||
| R2 | 0.9976 | 0.9899 | 0.9866 | ||||||||||||
| Adjusted R2 | 0.9962 | 0.9835 | 0.9783 | ||||||||||||
| Adeq Precision | 73.7403 | 36.6076 | 31.7863 | ||||||||||||
반응표면 분석 결과(Fig. 1), 추출 수율은 팥의 혼합비가 증가함에 따라 높아지는 경향을 나타내었으며, 팥 100% 처리구에서 6.23∼6.29%로 가장 높았다. 반면 수수 100% 처리구의 추출 수율은 1.68∼1.72%로 가장 낮았다. 회귀식에서도 팥(A)의 계수가 6.25로 조(B, 2.45) 및 수수(C, 1.65)보다 높게 나타나 팥의 혼합비가 추출 수율 증가에 주요하게 기여한 것으로 판단된다. DPPH 라디칼 소거능은 수수의 혼합비가 높은 배합에서 전반적으로 높았으며, 수수 100% 처리구에서 109.45∼110.73 ㎎ TE/g으로 가장 높았다. Lipase 저해 활성 역시 수수의 비율이 높은 배합에서 증가하는 경향을 보였으며, 수수의 선형계수(C)가 36.43으로 세 원료 중 가장 높았다. 또한 AB 및 BC 상호작용 계수가 각각 39.57 및 40.39로 나타나 lipase 저해 활성은 개별 원료의 기여뿐만 아니라 원료 간 혼합효과에도 영향을 받는 것으로 판단된다.
Fig. 1
Response surface and desirability plots generated from simplex lattice mixture design for optimization of adzuki bean (cv. Hongda), Italian millet (cv. Samdachal), and sorghum (cv. Goeunchal) mixtures. (A) Overall desirability, (B) lipase inhibitory activity, (C) extraction yield, and (D) 2,2-diphenyl-1-picrylhydrazyl (DPPH) radical scavenging activity. Red points indicate experimental design points.
추출 수율, DPPH 라디칼 소거능 및 lipase 저해 활성을 동시에 고려한 최적 혼합비를 도출하기 위하여 desirability function을 적용하였다. Desirability 값은 0에서 1의 범위로 나타내며, 예측된 반응값이 설정된 목표에 얼마나 근접하는지를 나타낸다. 이때 1에 가까울수록 설정된 기준을 최적으로 만족하는 조합을 의미하며, 0은 목표 기준을 만족하지 못하는 조합을 의미한다(Akinoso et al., 2024).
분석 결과(Table 3), 팥 43.6%, 조 37.2% 및 수수 19.2%로 구성된 배합이 가장 높은 desirability 값인 0.637을 나타내어 최적 혼합비로 선정되었다. 수치 최적화 결과 도출된 세 후보 조성 중 1순위와 2순위 후보의 desirability 값은 각각 0.637과 0.624로 유사하였다. 그러나 2순위 후보는 팥과 조만으로, 3순위 후보는 조와 수수만으로 구성되어 세 원료를 모두 포함하지 않았다. 따라서 본 연구의 목적이 팥, 수수 및 조의 상호보완적 특성을 통한합 혼합물 개발에 있음을 고려하여 세 원료를 모두 포함하면서 가장 높은 desirability 값을 나타낸 1순위 조성을 최적 혼합비로 선정하였다. 최적 혼합물에 대한 모델의 예측력을 검증한 결과(Table 4), 추출 수율, DPPH 라디칼 소거능 및 lipase 저해 활성의 실측값은 각각 4.29%, 44.53 ㎎ TE/g 및 31.06%로 나타났으며, 모두 각 모델에서 제시된 95% prediction interval 범위 내에 포함되었다. 따라서 본 연구에서 구축된 혼합물 설계 모델은 팥, 조 및 수수의 배합에 따른 기능적 특성을 효과적으로 반영하였으며, 서로 다른 특성을 갖는 자원식물의 배합을 최적화하는 데 활용 가능한 것으로 판단된다.
Table 3
Candidate formulations obtained by mixture design optimization and their desirability values.
| No. |
Component 1: Hongda (%) |
Component 2: Samdachal (%) |
Component 3: Goeunchal (%) | Desirability |
| 1 | 43.6 | 37.2 | 19.2 | 0.637 |
| 2 | 60.8 | 39.2 | 0.0 | 0.624 |
| 3 | 0.0 | 48.6 | 51.4 | 0.532 |
Table 4
Predicted and observed response values for validation of the optimized blend.
| Response | Predicted value | Observed value (n=3) | ||||
| Mean | Std Devz | Lower 95% PIy | Data Mean | Std Dev | Upper 95% PI | |
|
Extraction yield (%) | 4.21 | 0.09 | 4.05 | 4.29 | 0.04 | 4.36 |
|
DPPH radical scavenging activityx (㎎ TE/g) | 44.22 | 5.44 | 35.72 | 44.53 | 0.28 | 54.78 |
|
Lipase inhibitory activity (%) | 31.63 | 1.48 | 29.07 | 31.06 | 0.26 | 34.19 |
최적 혼합물 첨가에 따른 취반미의 기능성 성분 변화
최적 혼합물의 첨가비는 예비실험에서 10, 20, 30 및 40%(w/w) 수준으로 검토하였다. 혼합물의 첨가량이 증가할수록 기능성 성분과 생리활성은 증가하는 경향을 나타냈으나 조직감 및 호화특성은 저하되는 경향을 보였다(Data not shown). 또한 이러한 결과는 잡곡 혼합비 증가에 따라 취반미의 이화학적 특성이 변화한다고 보고한 Kim et al. (2025)의 결과와 일치하였다. 따라서 기능성 향상과 취반 품질을 함꼐 고려하여 20%(w/w)를 최적 첨가비로 선정하였다. 최적 혼합물의 취반미 적용에 따른 기능성 성분 함량 변화를 평가하기 위하여 추출 수율, 총 폴리페놀 및 총 플라보노이드 함량을 분석하였다(Fig. 2). 총 폴리페놀 함량은 Blend에서 62.28 ㎎ GAE/g extract로 가장 높았으며, CR+Blend와 CR에서는 각각 35.38 및 23.13 ㎎ GAE/g extract로 처리구 간 유의적인 차이를 보였다(p < 0.05). 총 플라보노이드 함량 역시 Blend에서 19.95 ㎎ CE/g extract로 가장 높았으며, CR+Blend 및 CR에서는 각각 11.99 및 1.91 ㎎ CE/g extract로 나타났다. CR+Blend는 전체 취반미 조성 중 Blend가 20%만 포함된 시료임에도 불구하고 CR 보다 높은 총 폴리페놀 및 총 플라보노이드 함량을 보여 Blend가 갖는 페놀성 성분 특성이 취반 후 시료에도 일정 수준 반영되는 것으로 판단되었다. 또한 CR+Blend는 CR보다 높은 추출수율(Fig. 2A)을 나타냈으며, 이를 반영하여 dry weight (DW) 기준으로 환산한 결과에서도 총 폴리페놀 함량은 15.9에서 56.01 ㎎ GAE/100 g DW로, 총 플라보노이드 함량은 1.31에서 18.98 ㎎ CE/100 g DW로 증가하였다. 이러한 결과는 최적 혼합물의 첨가가 추출물 기준 뿐만 아니라 취반미 자체의 기능성 성분 함량 증가에도 기여함을 시사한다.
Fig. 2
Extraction yield (A) and total polyphenol (B) and flavonoid (C) contents of the optimized blend (Blend), control cooked rice (CR), and CR supplemented with 20% (w/w) of the optimized blend (CR+Blend). Values are presented as mean ± standard deviation (SD) (n = 3). Different letters indicate significant differences among samples according to one-way ANOVA followed by Tukey's honestly significant difference (HSD) test (p < 0.05).
곡류 및 두류에 존재하는 페놀성 화합물의 함량과 조성은 작물의 종류와 품종에 따라 차이를 보이며, 수수는 페놀산, 플라보노이드 및 안토시아닌이 풍부한 곡류 자원으로 알려져 있다(Gao et al., 2026). 또한 팥과 조 역시 다양한 페놀성 화합물을 함유하고 있어 기능성 식품소재로서의 활용 가능성이 보고되어 왔다(Dykes and Rooney, 2006; Jeon et al., 2011; Ofosu et al., 2020). 특히 열처리 방법은 페놀성 성분의 함량 및 추출성이 변화할 수 있으며, 수분을 동반한 열처리는 세포벽 구조를 변화시키고 결합형 페놀성 화합물의 유리를 촉진하여 추출 가능한 생리활성 성분을 증가시킬 수 있다(Cao et al., 2021; Cardoso et al., 2014). Han et al. (2025)의 보고에 의하면 수수의 압력 취반 처리에 따라 총 폴리페놀 함량이 96.55에서 110.90 ㎎ GAE/g extract로 총 플라보노이드 함량이 31.29에서 46.83 ㎎ CE/g extract로 증가하였다고 보고하였다. 또한 조에서도 압력 취반 및 증숙과 같은 습열처리에 따라 페놀성 성분의 추출성이 향상되는 경향이 확인되었으며, 이는 열처리에 의한 열처리에 의한 세포 조직 구조의 붕괴와 결합형 페놀성 화합물의 유리에 기인한 것으로 설명되었다. 이러한 결과는 취반과 같은 습열처리가 잡곡에 존재하는 페놀성 화합물의 추출성에 영향을 미칠 수 있음을 보여준다.
따라서 본 연구에서 CR+Blend의 총 폴리페놀 및 총 플라보노이드 함량이 높게 유지된 것은 최적 혼합물의 첨가에 따른 기능성 성분 보완 효과와 함께 취반 과정에서 곡립 조직 및 세포벽 구조가 변화하면서 결합형 페놀성 화합물의 유리와 추출성이 향상된 결과가 복합적으로 작용한 것으로 판단된다. 이는 팥, 조 및 수수로 구성된 최적 혼합물이 취반 공정을 거친 후에도 기능성 성분 특성을 유지하며, 취반미의 기능성 성분을 보완하기 위한 잡곡 소재로 활용될 수 있음을 시사한다.
최적 혼합물 첨가에 따른 취반미의 생리활성 변화
최적 혼합물 첨가에 따른 취반미의 생리활성 변화를 평가하기 위하여 DPPH 및 ABTS 라디칼 소거 활성과 FRAP을 측정하였다(Fig. 3). DPPH 라디칼 소거 활성은 Blend에서 44.53 ㎎ TE/g extract로 가장 높았으며, CR 및 CR+Blend에서는 각각 8.73 및 20.52 ㎎ TE/g extract로 나타나 처리구 간 유의적인 차이를 보였다(p < 0.05). ABTS 라디칼 소거 활성 역시 Blend, CR+Blend 및 CR에서 각각 110.59, 42.14 및 25.85 ㎎ TE/g extract로 나타났으며, FRAP은 각각 256.65, 138.73 및 56.54 μmol Fe2+ equivalents/g extract로 확인되었다. 세 항산화 활성 평가에서 모두 Blend가 가장 높은 활성을 나타내었고, CR+Blend는 CR보다 유의적으로 높은 값을 보여 앞서 확인된 총 폴리페놀 및 총 플라보노이드 함량과 유사한 경향을 나타내었다.
Fig. 3
Antioxidant activities of the optimized blend (Blend), control cooked rice (CR), and CR supplemented with 20% (w/w) of the optimized blend (CR+Blend). (A) 2,2-diphenyl-1-picrylhydrazyl (DPPH) radical scavenging activity, (B) 2,2’-azino-bis (3-ethylbenzothiazoline-6-sulfonic acid) (ABTS) radical scavenging activity, and (C) ferric reducing antioxidant power (FRAP). Values are presented as mean ± standard deviation (SD) (n = 3). Different letters indicate significant differences among samples according to one-way analysis of variance (ANOVA) followed by Tukey's honestly significant difference (HSD) test (p < 0.05).
페놀성 화합물은 phenolic hydroxyl group을 통한 수소 또는 전자 공여에 의해 자유라디칼을 소거하고 환원력을 나타내며, 총 폴리페놀 및 플라보노이드 함량과 항산화 활성 간의 밀접한 관련성은 다양한 식물자원에서 널리 보고되어 왔다. 특히 페놀성 성분 함량이 높은 시료에서 라디칼 소거 활성과 환원력이 높게 나타나는 경향이 다수의 연구에서 확인되었다(Gao et al., 2026). 따라서 본 연구에서 CR+Blend의 DPPH 및 ABTS 라디칼 소거 활성과 FRAP이 CR보다 높게 나타난 것은 앞서 확인된 총 폴리페놀 및 총 플라보노이드 함량의 변화와 연관된 결과로 판단된다. 즉, CR+Blend에서 관찰된 높은 페놀성 성분 함량은 최적 혼합물의 첨가에 기인한 것으로 사료되며, 이는 최적 혼합물의 기능성 성분 특성이 취반미에도 반영될 수 있음을 시사한다. 다만, 취반 전후 동일 시료의 직접적인 비교는 수행하지 않았으므로 취반 과정에서 기능성 성분의 변화 양상에 대해서는 추후 연구를 통해 검증할 필요가 있다.
Lipase 저해 활성을 분석한 결과(Fig. 4), Blend는 31.06%로 가장 높은 활성을 나타내었으며, CR과 CR+Blend는 각각 13.65 및 15.34%의 저해 활성을 보였다. CR+Blend의 lipase 저해 활성은 Blend에 비해 유의적으로 낮았으며, CR과 CR+Blend 간에는 유의적인 차이가 확인되지 않았다(p > 0.05). CR+Blend는 CR보다 다소 높은 저해 활성을 나타냈으나, 통계적으로 유의한 수준은 아니었다. 최적 혼합물 첨가에 따른 lipase 저해 활성의 증가는 확인되었으나 취반미 중 혼합물의 첨가 비율(20%)과 취반 과정의 영향 등으로 인해 통계적으로 유의한 수준의 차이는 나타나지 않은 것으로 사료된다.
Fig. 4
Lipase inhibitory activity of the optimized blend (Blend), control cooked rice (CR), and CR supplemented with 20% (w/w) of the optimized blend (CR+Blend). Values are presented as mean ± standard deviation (SD) (n = 3). Different letters indicate significant differences among samples according to one-way analysis of variance (ANOVA) followed by Tukey's honestly significant difference (HSD) test (p < 0.05).
본 연구는 기존의 곡류 및 두류 혼합물 최적화에서 사용되지 않았던 팥을 구성 원료도 도입함으로써 추출 수율과 생리활성 간의 균형을 고려한 새로운 혼합 조성을 제시하였다. 또한 최적 혼합물 자체의 특성 평가에 그치지 않고, 이를 실제 섭취 형태인 취반미에 적용하여 페놀성 성분과 항산화 특성이 취반미에서도 나타나는지를 확인하였다는 점에서 기존 연구와 차별된다. 다만, 본 연구는 취반미의 기능성 성분과 in vitro 생리활성을 중심으로 적용 가능성을 평가한 연구로 향후 조직감, 호화특성, 관능적 특성, 영양 성분 및 저장성 등을 포함한 종합적인 품질 평가를 통해 실제 활용성을 검증할 필요가 있다.
이상의 결과를 종합하면, 혼합물 설계를 통해 추출 수율, 항산화 활성 및 lipase 저해 활성을 고려한 팥, 조 및 수수의 최적 혼합비를 도출하였으며, 이를 취반미에 적용하여 기능성 성분 및 항산화 특성의 변화를 평가하였다. 최적 혼합물을 첨가한 취반미는 대조 취반미보다 총 폴리페놀 및 총 플라보노이드 함량이 높았으며, DPPH 및 ABTS 라디칼 소거 활성과 FRAP에서도 높은 활성을 나타냈다. 이러한 결과는 혼합물 설계를 이용한 잡곡 혼합물의 최적화가 실제 취반미에 적용 가능한 기능성 혼합물 개발에 활용될 수 있음을 보여주며, 본 연구에서 제시한 최적 혼합 조성은 국내 잡곡 자원의 활용 확대를 위한 기초 자료로 활용될 수 있을 것으로 판단된다.
적 요
본 연구는 혼합물 설계를 이용하여 팥, 조 및 수수 혼합물의 조성을 최적화하고, 최적 혼합물의 취반미 활용 가능성을 평가하고자 수행하였다. 수수(고은찰)와 조(삼다찰)는 선행연구에서 보고된 기능성 성분 특성을 고려하여 선정하였으며, 팥(홍다)은 추출 수율을 고려하여 혼합 원료로 사용하였다. 추출 수율, 항산화 활성 및 lipase 저해 활성을 최적화 반응변수로 설정하고 {3,2} simplex lattice mixture design을 적용하였다. 수치 최적화 결과, 팥 43.6%, 조 37.2% 및 수수 19.2%로 구성된 최적 혼합비가 도출되었다. 최적 혼합물은 취반미에 20%(w/w) 비율로 첨가하였다. 최적 혼합물을 첨가한 취반미는 대조 취반미보다 높은 페놀성 성분 함량과 항산화 활성을 나타내어, 최적 혼합물의 페놀성 성분 및 항산화 특성이 취반미에도 반영되는 것으로 확인되었다. Lipase 저해 활성은 대조 취반미보다 다소 높은 값을 나타냈으나 통계적으로 유의한 차이는 확인되지 않았다. 이상의 결과는 혼합물 설계가 팥, 조 및 수수의 혼합 조성을 최적화하는 데 효과적인 접근법이며, 도출된 최적 혼합물은 국내 잡곡 자원의 취반미 적용 및 활용 가능성을 제시하였다.
