Overview

Dataset statistics

Number of variables14
Number of observations188
Missing cells10
Missing cells (%)0.4%
Duplicate rows0
Duplicate rows (%)0.0%
Total size in memory21.2 KiB
Average record size in memory115.7 B

Variable types

Numeric3
Categorical7
Text4

Dataset

Description2018년 종료 농림식품 수의학 연구개발사업의(사업명, 과제번호, 과제명, 주관연구기관, 연구시작년도, 연구종료년도, 연구비, 연구내용)
Author농림식품기술기획평가원
URLhttps://data.mafra.go.kr/opendata/data/indexOpenDataDetail.do?data_id=20191014000000001335

Alerts

분류 has constant value ""Constant
당해년도연구종료일 is highly overall correlated with 번호 and 5 other fieldsHigh correlation
당해년도연구시작일 is highly overall correlated with 번호 and 6 other fieldsHigh correlation
총연구기간 시작일 is highly overall correlated with 번호 and 6 other fieldsHigh correlation
총연구기간 종료일 is highly overall correlated with 번호 and 6 other fieldsHigh correlation
번호 is highly overall correlated with 총괄과제번호 and 5 other fieldsHigh correlation
총괄과제번호 is highly overall correlated with 번호 and 6 other fieldsHigh correlation
사업명 is highly overall correlated with 총괄과제번호 and 4 other fieldsHigh correlation
주관기관 is highly overall correlated with 번호 and 6 other fieldsHigh correlation
사업명 is highly imbalanced (54.9%)Imbalance
연구내용요약 has 10 (5.3%) missing valuesMissing
번호 has unique valuesUnique
세부과제번호 has unique valuesUnique

Reproduction

Analysis started2023-12-11 03:45:18.392764
Analysis finished2023-12-11 03:45:21.371330
Duration2.98 seconds
Software versionydata-profiling vv4.5.1
Download configurationconfig.json

Variables

번호
Real number (ℝ)

HIGH CORRELATION  UNIQUE 

Distinct188
Distinct (%)100.0%
Missing0
Missing (%)0.0%
Infinite0
Infinite (%)0.0%
Mean94.5
Minimum1
Maximum188
Zeros0
Zeros (%)0.0%
Negative0
Negative (%)0.0%
Memory size1.8 KiB
2023-12-11T12:45:21.480631image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Quantile statistics

Minimum1
5-th percentile10.35
Q147.75
median94.5
Q3141.25
95-th percentile178.65
Maximum188
Range187
Interquartile range (IQR)93.5

Descriptive statistics

Standard deviation54.415071
Coefficient of variation (CV)0.57582086
Kurtosis-1.2
Mean94.5
Median Absolute Deviation (MAD)47
Skewness0
Sum17766
Variance2961
MonotonicityStrictly increasing
2023-12-11T12:45:21.689407image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram with fixed size bins (bins=50)
ValueCountFrequency (%)
1 1
 
0.5%
131 1
 
0.5%
122 1
 
0.5%
123 1
 
0.5%
124 1
 
0.5%
125 1
 
0.5%
126 1
 
0.5%
127 1
 
0.5%
128 1
 
0.5%
129 1
 
0.5%
Other values (178) 178
94.7%
ValueCountFrequency (%)
1 1
0.5%
2 1
0.5%
3 1
0.5%
4 1
0.5%
5 1
0.5%
6 1
0.5%
7 1
0.5%
8 1
0.5%
9 1
0.5%
10 1
0.5%
ValueCountFrequency (%)
188 1
0.5%
187 1
0.5%
186 1
0.5%
185 1
0.5%
184 1
0.5%
183 1
0.5%
182 1
0.5%
181 1
0.5%
180 1
0.5%
179 1
0.5%

분류
Categorical

CONSTANT 

Distinct1
Distinct (%)0.5%
Missing0
Missing (%)0.0%
Memory size1.6 KiB
수의
188 

Length

Max length2
Median length2
Mean length2
Min length2

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row수의
2nd row수의
3rd row수의
4th row수의
5th row수의

Common Values

ValueCountFrequency (%)
수의 188
100.0%

Length

2023-12-11T12:45:21.843453image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category

Common Values (Plot)

2023-12-11T12:45:21.970408image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
ValueCountFrequency (%)
수의 188
100.0%

사업명
Categorical

HIGH CORRELATION  IMBALANCE 

Distinct7
Distinct (%)3.7%
Missing0
Missing (%)0.0%
Memory size1.6 KiB
가축질병대응기술개발
147 
기술사업화지원
 
14
첨단생산기술개발
 
10
수출전략기술개발
 
6
포스트게놈 신산업육성을 위한 다부처유전체사업
 
5
Other values (2)
 
6

Length

Max length24
Median length10
Mean length10.021277
Min length7

Unique

Unique0 ?
Unique (%)0.0%

Sample

1st row가축질병대응기술개발
2nd row가축질병대응기술개발
3rd row가축질병대응기술개발
4th row가축질병대응기술개발
5th row가축질병대응기술개발

Common Values

ValueCountFrequency (%)
가축질병대응기술개발 147
78.2%
기술사업화지원 14
 
7.4%
첨단생산기술개발 10
 
5.3%
수출전략기술개발 6
 
3.2%
포스트게놈 신산업육성을 위한 다부처유전체사업 5
 
2.7%
농식품연구성과후속지원 4
 
2.1%
농축산자재산업화기술개발 2
 
1.1%

Length

2023-12-11T12:45:22.152932image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category

Common Values (Plot)

2023-12-11T12:45:22.321116image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
ValueCountFrequency (%)
가축질병대응기술개발 147
72.4%
기술사업화지원 14
 
6.9%
첨단생산기술개발 10
 
4.9%
수출전략기술개발 6
 
3.0%
포스트게놈 5
 
2.5%
신산업육성을 5
 
2.5%
위한 5
 
2.5%
다부처유전체사업 5
 
2.5%
농식품연구성과후속지원 4
 
2.0%
농축산자재산업화기술개발 2
 
1.0%

총괄과제번호
Real number (ℝ)

HIGH CORRELATION 

Distinct64
Distinct (%)34.0%
Missing0
Missing (%)0.0%
Infinite0
Infinite (%)0.0%
Mean315117.41
Minimum116096
Maximum918020
Zeros0
Zeros (%)0.0%
Negative0
Negative (%)0.0%
Memory size1.8 KiB
2023-12-11T12:45:22.459913image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Quantile statistics

Minimum116096
5-th percentile116100
Q1315028
median316094.5
Q3318041.25
95-th percentile816339.15
Maximum918020
Range801924
Interquartile range (IQR)3013.25

Descriptive statistics

Standard deviation173173.05
Coefficient of variation (CV)0.54955087
Kurtosis4.8117823
Mean315117.41
Median Absolute Deviation (MAD)1944.5
Skewness1.989187
Sum59242073
Variance2.9988904 × 1010
MonotonicityIncreasing
2023-12-11T12:45:22.652196image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram with fixed size bins (bins=50)
ValueCountFrequency (%)
316042 6
 
3.2%
315028 5
 
2.7%
116097 5
 
2.7%
316039 5
 
2.7%
318039 4
 
2.1%
317028 4
 
2.1%
318067 4
 
2.1%
316078 4
 
2.1%
316047 4
 
2.1%
316043 4
 
2.1%
Other values (54) 143
76.1%
ValueCountFrequency (%)
116096 2
 
1.1%
116097 5
2.7%
116099 2
 
1.1%
116100 2
 
1.1%
116101 3
1.6%
116102 4
2.1%
116103 3
1.6%
116104 4
2.1%
116125 2
 
1.1%
116128 4
2.1%
ValueCountFrequency (%)
918020 2
1.1%
914010 3
1.6%
818027 2
1.1%
818013 2
1.1%
817057 1
 
0.5%
815006 4
2.1%
318069 4
2.1%
318068 2
1.1%
318067 4
2.1%
318066 1
 
0.5%

세부과제번호
Text

UNIQUE 

Distinct188
Distinct (%)100.0%
Missing0
Missing (%)0.0%
Memory size1.6 KiB
2023-12-11T12:45:22.954230image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length14
Median length14
Mean length14
Min length14

Characters and Unicode

Total characters2632
Distinct characters16
Distinct categories2 ?
Distinct scripts2 ?
Distinct blocks1 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique188 ?
Unique (%)100.0%

Sample

1st row116096032HD020
2nd row116096032SB010
3rd row116097032HD030
4th row116097032WT041
5th row116097032HD040
ValueCountFrequency (%)
116096032hd020 1
 
0.5%
318037021wt011 1
 
0.5%
318041031sb020 1
 
0.5%
318034031wt011 1
 
0.5%
318034031hd020 1
 
0.5%
318034031hd030 1
 
0.5%
318035021sb010 1
 
0.5%
318035021wt011 1
 
0.5%
318036021sb010 1
 
0.5%
318036021wt011 1
 
0.5%
Other values (178) 178
94.7%
2023-12-11T12:45:23.370363image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
0 734
27.9%
1 451
17.1%
3 401
15.2%
2 214
 
8.1%
6 102
 
3.9%
8 102
 
3.9%
4 96
 
3.6%
H 88
 
3.3%
D 88
 
3.3%
S 73
 
2.8%
Other values (6) 283
 
10.8%

Most occurring categories

ValueCountFrequency (%)
Decimal Number 2256
85.7%
Uppercase Letter 376
 
14.3%

Most frequent character per category

Decimal Number
ValueCountFrequency (%)
0 734
32.5%
1 451
20.0%
3 401
17.8%
2 214
 
9.5%
6 102
 
4.5%
8 102
 
4.5%
4 96
 
4.3%
5 64
 
2.8%
7 49
 
2.2%
9 43
 
1.9%
Uppercase Letter
ValueCountFrequency (%)
H 88
23.4%
D 88
23.4%
S 73
19.4%
B 73
19.4%
W 27
 
7.2%
T 27
 
7.2%

Most occurring scripts

ValueCountFrequency (%)
Common 2256
85.7%
Latin 376
 
14.3%

Most frequent character per script

Common
ValueCountFrequency (%)
0 734
32.5%
1 451
20.0%
3 401
17.8%
2 214
 
9.5%
6 102
 
4.5%
8 102
 
4.5%
4 96
 
4.3%
5 64
 
2.8%
7 49
 
2.2%
9 43
 
1.9%
Latin
ValueCountFrequency (%)
H 88
23.4%
D 88
23.4%
S 73
19.4%
B 73
19.4%
W 27
 
7.2%
T 27
 
7.2%

Most occurring blocks

ValueCountFrequency (%)
ASCII 2632
100.0%

Most frequent character per block

ASCII
ValueCountFrequency (%)
0 734
27.9%
1 451
17.1%
3 401
15.2%
2 214
 
8.1%
6 102
 
3.9%
8 102
 
3.9%
4 96
 
3.6%
H 88
 
3.3%
D 88
 
3.3%
S 73
 
2.8%
Other values (6) 283
 
10.8%

과제명
Text

Distinct177
Distinct (%)94.1%
Missing0
Missing (%)0.0%
Memory size1.6 KiB
2023-12-11T12:45:23.722972image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length86
Median length49
Mean length32.393617
Min length9

Characters and Unicode

Total characters6090
Distinct characters370
Distinct categories9 ?
Distinct scripts3 ?
Distinct blocks3 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique168 ?
Unique (%)89.4%

Sample

1st rowImmuno-PCR (IPCR)방법을 이용한 고감도 구제역 진단방법 연구 및 나노물질을 활용한 초고감도 현장 신속진단키트의 개발
2nd rowImmuno-PCR (IPCR)방법을 이용한 고감도 구제역 진단방법 연구 및 나노물질을 활용한 초고감도 현장 신속진단키트의 개발
3rd row구제역 바이러스 진단용 페이퍼센서 개발
4th row구제역 바이러스 검출용 앱타머 발굴
5th row앱타머를 이용한 구제역 진단 시료 수송배지 개발
ValueCountFrequency (%)
및 109
 
7.2%
개발 94
 
6.2%
위한 28
 
1.9%
구제역 28
 
1.9%
이용한 25
 
1.7%
백신 20
 
1.3%
ai 20
 
1.3%
연구 18
 
1.2%
평가 17
 
1.1%
시스템 15
 
1.0%
Other values (652) 1136
75.2%
2023-12-11T12:45:24.304054image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
1323
 
21.7%
발 136
 
2.2%
제 123
 
2.0%
개 123
 
2.0%
및 109
 
1.8%
기 97
 
1.6%
용 93
 
1.5%
이 85
 
1.4%
구 82
 
1.3%
역 76
 
1.2%
Other values (360) 3843
63.1%

Most occurring categories

ValueCountFrequency (%)
Other Letter 4303
70.7%
Space Separator 1323
 
21.7%
Uppercase Letter 221
 
3.6%
Lowercase Letter 154
 
2.5%
Other Punctuation 45
 
0.7%
Close Punctuation 14
 
0.2%
Open Punctuation 14
 
0.2%
Dash Punctuation 12
 
0.2%
Decimal Number 4
 
0.1%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
발 136
 
3.2%
제 123
 
2.9%
개 123
 
2.9%
및 109
 
2.5%
기 97
 
2.3%
용 93
 
2.2%
이 85
 
2.0%
구 82
 
1.9%
역 76
 
1.8%
한 75
 
1.7%
Other values (310) 3304
76.8%
Uppercase Letter
ValueCountFrequency (%)
I 55
24.9%
A 38
17.2%
C 17
 
7.7%
P 16
 
7.2%
H 12
 
5.4%
D 11
 
5.0%
R 10
 
4.5%
T 10
 
4.5%
V 10
 
4.5%
M 9
 
4.1%
Other values (10) 33
14.9%
Lowercase Letter
ValueCountFrequency (%)
i 21
13.6%
u 14
9.1%
a 12
 
7.8%
m 12
 
7.8%
t 11
 
7.1%
p 11
 
7.1%
o 11
 
7.1%
s 10
 
6.5%
r 9
 
5.8%
e 9
 
5.8%
Other values (8) 34
22.1%
Other Punctuation
ValueCountFrequency (%)
, 31
68.9%
/ 8
 
17.8%
· 3
 
6.7%
. 2
 
4.4%
& 1
 
2.2%
Decimal Number
ValueCountFrequency (%)
2 2
50.0%
7 1
25.0%
5 1
25.0%
Space Separator
ValueCountFrequency (%)
1323
100.0%
Close Punctuation
ValueCountFrequency (%)
) 14
100.0%
Open Punctuation
ValueCountFrequency (%)
( 14
100.0%
Dash Punctuation
ValueCountFrequency (%)
- 12
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 4303
70.7%
Common 1412
 
23.2%
Latin 375
 
6.2%

Most frequent character per script

Hangul
ValueCountFrequency (%)
발 136
 
3.2%
제 123
 
2.9%
개 123
 
2.9%
및 109
 
2.5%
기 97
 
2.3%
용 93
 
2.2%
이 85
 
2.0%
구 82
 
1.9%
역 76
 
1.8%
한 75
 
1.7%
Other values (310) 3304
76.8%
Latin
ValueCountFrequency (%)
I 55
 
14.7%
A 38
 
10.1%
i 21
 
5.6%
C 17
 
4.5%
P 16
 
4.3%
u 14
 
3.7%
H 12
 
3.2%
a 12
 
3.2%
m 12
 
3.2%
t 11
 
2.9%
Other values (28) 167
44.5%
Common
ValueCountFrequency (%)
1323
93.7%
, 31
 
2.2%
) 14
 
1.0%
( 14
 
1.0%
- 12
 
0.8%
/ 8
 
0.6%
· 3
 
0.2%
. 2
 
0.1%
2 2
 
0.1%
7 1
 
0.1%
Other values (2) 2
 
0.1%

Most occurring blocks

ValueCountFrequency (%)
Hangul 4303
70.7%
ASCII 1784
29.3%
None 3
 
< 0.1%

Most frequent character per block

ASCII
ValueCountFrequency (%)
1323
74.2%
I 55
 
3.1%
A 38
 
2.1%
, 31
 
1.7%
i 21
 
1.2%
C 17
 
1.0%
P 16
 
0.9%
) 14
 
0.8%
( 14
 
0.8%
u 14
 
0.8%
Other values (39) 241
 
13.5%
Hangul
ValueCountFrequency (%)
발 136
 
3.2%
제 123
 
2.9%
개 123
 
2.9%
및 109
 
2.5%
기 97
 
2.3%
용 93
 
2.2%
이 85
 
2.0%
구 82
 
1.9%
역 76
 
1.8%
한 75
 
1.7%
Other values (310) 3304
76.8%
None
ValueCountFrequency (%)
· 3
100.0%

연구수행기관
Text

Distinct87
Distinct (%)46.3%
Missing0
Missing (%)0.0%
Memory size1.6 KiB
2023-12-11T12:45:24.586381image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length17
Median length16
Mean length9.5159574
Min length2

Characters and Unicode

Total characters1789
Distinct characters169
Distinct categories5 ?
Distinct scripts3 ?
Distinct blocks2 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique64 ?
Unique (%)34.0%

Sample

1st row강원대학교 산학협력단
2nd row(주)다우진유전자연구소
3rd row한국화학연구원부설안전성평가연구소
4th row충북대학교 산학협력단
5th row전북대학교산학협력단
ValueCountFrequency (%)
산학협력단 67
24.5%
서울대학교 15
 
5.5%
농림축산검역본부 15
 
5.5%
건국대학교 14
 
5.1%
주식회사 11
 
4.0%
전북대학교산학협력단 9
 
3.3%
강원대학교 8
 
2.9%
주)이지팜 7
 
2.6%
경상대학교 6
 
2.2%
코미팜 5
 
1.8%
Other values (83) 116
42.5%
2023-12-11T12:45:24.995632image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
학 178
 
9.9%
산 104
 
5.8%
대 85
 
4.8%
85
 
4.8%
단 84
 
4.7%
교 83
 
4.6%
협 83
 
4.6%
력 83
 
4.6%
주 73
 
4.1%
( 61
 
3.4%
Other values (159) 870
48.6%

Most occurring categories

ValueCountFrequency (%)
Other Letter 1577
88.1%
Space Separator 85
 
4.8%
Open Punctuation 61
 
3.4%
Close Punctuation 61
 
3.4%
Uppercase Letter 5
 
0.3%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
학 178
 
11.3%
산 104
 
6.6%
대 85
 
5.4%
단 84
 
5.3%
교 83
 
5.3%
협 83
 
5.3%
력 83
 
5.3%
주 73
 
4.6%
이 27
 
1.7%
국 24
 
1.5%
Other values (151) 753
47.7%
Uppercase Letter
ValueCountFrequency (%)
T 1
20.0%
K 1
20.0%
E 1
20.0%
N 1
20.0%
G 1
20.0%
Space Separator
ValueCountFrequency (%)
85
100.0%
Open Punctuation
ValueCountFrequency (%)
( 61
100.0%
Close Punctuation
ValueCountFrequency (%)
) 61
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 1577
88.1%
Common 207
 
11.6%
Latin 5
 
0.3%

Most frequent character per script

Hangul
ValueCountFrequency (%)
학 178
 
11.3%
산 104
 
6.6%
대 85
 
5.4%
단 84
 
5.3%
교 83
 
5.3%
협 83
 
5.3%
력 83
 
5.3%
주 73
 
4.6%
이 27
 
1.7%
국 24
 
1.5%
Other values (151) 753
47.7%
Latin
ValueCountFrequency (%)
T 1
20.0%
K 1
20.0%
E 1
20.0%
N 1
20.0%
G 1
20.0%
Common
ValueCountFrequency (%)
85
41.1%
( 61
29.5%
) 61
29.5%

Most occurring blocks

ValueCountFrequency (%)
Hangul 1577
88.1%
ASCII 212
 
11.9%

Most frequent character per block

Hangul
ValueCountFrequency (%)
학 178
 
11.3%
산 104
 
6.6%
대 85
 
5.4%
단 84
 
5.3%
교 83
 
5.3%
협 83
 
5.3%
력 83
 
5.3%
주 73
 
4.6%
이 27
 
1.7%
국 24
 
1.5%
Other values (151) 753
47.7%
ASCII
ValueCountFrequency (%)
85
40.1%
( 61
28.8%
) 61
28.8%
T 1
 
0.5%
K 1
 
0.5%
E 1
 
0.5%
N 1
 
0.5%
G 1
 
0.5%

주관기관
Categorical

HIGH CORRELATION 

Distinct42
Distinct (%)22.3%
Missing0
Missing (%)0.0%
Memory size1.6 KiB
서울대학교 산학협력단
22 
(주)메디안디노스틱
 
11
경상대학교 산학협력단
 
11
건국대학교
 
11
충남대학교 산학협력단
 
10
Other values (37)
123 

Length

Max length16
Median length12
Mean length8.8670213
Min length5

Unique

Unique3 ?
Unique (%)1.6%

Sample

1st row(주)다우진유전자연구소
2nd row(주)다우진유전자연구소
3rd row(주)메디안디노스틱
4th row(주)메디안디노스틱
5th row(주)메디안디노스틱

Common Values

ValueCountFrequency (%)
서울대학교 산학협력단 22
 
11.7%
(주)메디안디노스틱 11
 
5.9%
경상대학교 산학협력단 11
 
5.9%
건국대학교 11
 
5.9%
충남대학교 산학협력단 10
 
5.3%
강원대학교 산학협력단 9
 
4.8%
(주)카브 8
 
4.3%
전북대학교산학협력단 7
 
3.7%
(주)비오지노키 5
 
2.7%
(주)바이오앱 5
 
2.7%
Other values (32) 89
47.3%

Length

2023-12-11T12:45:25.147676image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
산학협력단 59
21.6%
서울대학교 22
 
8.1%
주식회사 15
 
5.5%
주)메디안디노스틱 11
 
4.0%
경상대학교 11
 
4.0%
건국대학교 11
 
4.0%
충남대학교 10
 
3.7%
강원대학교 9
 
3.3%
주)카브 8
 
2.9%
전북대학교산학협력단 7
 
2.6%
Other values (38) 110
40.3%

총연구기간 시작일
Categorical

HIGH CORRELATION 

Distinct13
Distinct (%)6.9%
Missing0
Missing (%)0.0%
Memory size1.6 KiB
2018-04-26
53 
2016-09-05
37 
2015-08-14
24 
2016-05-19
24 
2017-05-29
11 
Other values (8)
39 

Length

Max length10
Median length10
Mean length10
Min length10

Unique

Unique1 ?
Unique (%)0.5%

Sample

1st row2016-09-05
2nd row2016-09-05
3rd row2016-09-05
4th row2016-09-05
5th row2016-09-05

Common Values

ValueCountFrequency (%)
2018-04-26 53
28.2%
2016-09-05 37
19.7%
2015-08-14 24
12.8%
2016-05-19 24
12.8%
2017-05-29 11
 
5.9%
2018-07-31 11
 
5.9%
2016-11-29 8
 
4.3%
2017-04-21 6
 
3.2%
2015-10-23 4
 
2.1%
2018-04-30 4
 
2.1%
Other values (3) 6
 
3.2%

Length

2023-12-11T12:45:25.290322image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
2018-04-26 53
28.2%
2016-09-05 37
19.7%
2015-08-14 24
12.8%
2016-05-19 24
12.8%
2017-05-29 11
 
5.9%
2018-07-31 11
 
5.9%
2016-11-29 8
 
4.3%
2017-04-21 6
 
3.2%
2015-10-23 4
 
2.1%
2018-04-30 4
 
2.1%
Other values (3) 6
 
3.2%

총연구기간 종료일
Categorical

HIGH CORRELATION 

Distinct14
Distinct (%)7.4%
Missing0
Missing (%)0.0%
Memory size1.6 KiB
2019-12-31
39 
2018-12-31
38 
2020-12-31
36 
2019-09-04
23 
2018-08-13
20 
Other values (9)
32 

Length

Max length10
Median length10
Mean length10
Min length10

Unique

Unique3 ?
Unique (%)1.6%

Sample

1st row2019-09-04
2nd row2019-09-04
3rd row2019-09-04
4th row2019-09-04
5th row2019-09-04

Common Values

ValueCountFrequency (%)
2019-12-31 39
20.7%
2018-12-31 38
20.2%
2020-12-31 36
19.1%
2019-09-04 23
12.2%
2018-08-13 20
10.6%
2018-09-04 9
 
4.8%
2019-11-28 7
 
3.7%
2020-08-13 4
 
2.1%
2018-10-22 4
 
2.1%
2018-08-22 3
 
1.6%
Other values (4) 5
 
2.7%

Length

2023-12-11T12:45:25.425220image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
2019-12-31 39
20.7%
2018-12-31 38
20.2%
2020-12-31 36
19.1%
2019-09-04 23
12.2%
2018-08-13 20
10.6%
2018-09-04 9
 
4.8%
2019-11-28 7
 
3.7%
2020-08-13 4
 
2.1%
2018-10-22 4
 
2.1%
2018-08-22 3
 
1.6%
Other values (4) 5
 
2.7%

당해년도연구시작일
Categorical

HIGH CORRELATION 

Distinct11
Distinct (%)5.9%
Missing0
Missing (%)0.0%
Memory size1.6 KiB
2018-04-26
53 
2018-01-01
45 
2017-09-05
33 
2017-08-14
24 
2018-07-31
11 
Other values (6)
22 

Length

Max length10
Median length10
Mean length10
Min length10

Unique

Unique1 ?
Unique (%)0.5%

Sample

1st row2017-09-05
2nd row2017-09-05
3rd row2017-09-05
4th row2017-09-05
5th row2017-09-05

Common Values

ValueCountFrequency (%)
2018-04-26 53
28.2%
2018-01-01 45
23.9%
2017-09-05 33
17.6%
2017-08-14 24
12.8%
2018-07-31 11
 
5.9%
2017-11-29 8
 
4.3%
2017-10-23 4
 
2.1%
2018-04-30 4
 
2.1%
2017-08-23 3
 
1.6%
2018-04-25 2
 
1.1%

Length

2023-12-11T12:45:25.556601image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category
ValueCountFrequency (%)
2018-04-26 53
28.2%
2018-01-01 45
23.9%
2017-09-05 33
17.6%
2017-08-14 24
12.8%
2018-07-31 11
 
5.9%
2017-11-29 8
 
4.3%
2017-10-23 4
 
2.1%
2018-04-30 4
 
2.1%
2017-08-23 3
 
1.6%
2018-04-25 2
 
1.1%

당해년도연구종료일
Categorical

HIGH CORRELATION 

Distinct8
Distinct (%)4.3%
Missing0
Missing (%)0.0%
Memory size1.6 KiB
2018-12-31
115 
2018-09-04
33 
2018-08-13
20 
2018-11-28
 
8
2018-06-13
 
4
Other values (3)
 
8

Length

Max length10
Median length10
Mean length10
Min length10

Unique

Unique1 ?
Unique (%)0.5%

Sample

1st row2018-09-04
2nd row2018-09-04
3rd row2018-09-04
4th row2018-09-04
5th row2018-09-04

Common Values

ValueCountFrequency (%)
2018-12-31 115
61.2%
2018-09-04 33
 
17.6%
2018-08-13 20
 
10.6%
2018-11-28 8
 
4.3%
2018-06-13 4
 
2.1%
2018-10-22 4
 
2.1%
2018-08-22 3
 
1.6%
2018-04-14 1
 
0.5%

Length

2023-12-11T12:45:25.682782image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram of lengths of the category

Common Values (Plot)

2023-12-11T12:45:25.829576image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
ValueCountFrequency (%)
2018-12-31 115
61.2%
2018-09-04 33
 
17.6%
2018-08-13 20
 
10.6%
2018-11-28 8
 
4.3%
2018-06-13 4
 
2.1%
2018-10-22 4
 
2.1%
2018-08-22 3
 
1.6%
2018-04-14 1
 
0.5%

총연구비
Real number (ℝ)

Distinct104
Distinct (%)55.3%
Missing0
Missing (%)0.0%
Infinite0
Infinite (%)0.0%
Mean1.0276464 × 108
Minimum10000000
Maximum3.7 × 108
Zeros0
Zeros (%)0.0%
Negative0
Negative (%)0.0%
Memory size1.8 KiB
2023-12-11T12:45:25.985340image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Quantile statistics

Minimum10000000
5-th percentile24983750
Q150000000
median87500000
Q31.3525 × 108
95-th percentile2.4455 × 108
Maximum3.7 × 108
Range3.6 × 108
Interquartile range (IQR)85250000

Descriptive statistics

Standard deviation73220984
Coefficient of variation (CV)0.71251147
Kurtosis2.4935712
Mean1.0276464 × 108
Median Absolute Deviation (MAD)40950000
Skewness1.4903902
Sum1.9319752 × 1010
Variance5.3613124 × 1015
MonotonicityNot monotonic
2023-12-11T12:45:26.172487image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Histogram with fixed size bins (bins=50)
ValueCountFrequency (%)
100000000 12
 
6.4%
40000000 10
 
5.3%
60000000 10
 
5.3%
80000000 8
 
4.3%
150000000 8
 
4.3%
50000000 6
 
3.2%
90000000 6
 
3.2%
110000000 5
 
2.7%
120000000 5
 
2.7%
25000000 4
 
2.1%
Other values (94) 114
60.6%
ValueCountFrequency (%)
10000000 1
 
0.5%
11900000 1
 
0.5%
13000000 1
 
0.5%
20000000 4
2.1%
22000000 1
 
0.5%
23000000 1
 
0.5%
24975000 1
 
0.5%
25000000 4
2.1%
26000000 1
 
0.5%
26500000 1
 
0.5%
ValueCountFrequency (%)
370000000 1
0.5%
367000000 1
0.5%
361900000 1
0.5%
325900000 1
0.5%
322500000 1
0.5%
322000000 1
0.5%
295000000 1
0.5%
280000000 2
1.1%
247000000 1
0.5%
240000000 1
0.5%

연구내용요약
Text

MISSING 

Distinct127
Distinct (%)71.3%
Missing10
Missing (%)5.3%
Memory size1.6 KiB
2023-12-11T12:45:26.546329image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Length

Max length995
Median length434
Mean length407.69101
Min length47

Characters and Unicode

Total characters72569
Distinct characters624
Distinct categories14 ?
Distinct scripts4 ?
Distinct blocks8 ?
The Unicode Standard assigns character properties to each code point, which can be used to analyse textual variables.

Unique

Unique95 ?
Unique (%)53.4%

Sample

1st row[당해 연구 내용]▶ 제조항원, 항체 비교 테스트▶ 나노물질 표면개질▶ 항체-레이블링 및 반응성 시험▶ 항원-항체 반응 최적화▶ PCR증폭반응 테스트 및 반응조건 최적화▶ 간이키트 시그널 증폭 및 반응 최적화
2nd row[당해 연구 내용]▶ 제조항원, 항체 비교 테스트▶ 나노물질 표면개질▶ 항체-레이블링 및 반응성 시험▶ 항원-항체 반응 최적화▶ PCR증폭반응 테스트 및 반응조건 최적화▶ 간이키트 시그널 증폭 및 반응 최적화
3rd row○ 국내 다양한 구제역 검사 시료를 대상으로한 구제역 바이러스 압타머를 포함한 수송 배지의 개발○ 구제역 수송 배지 시스템의 실험실 내 및 현장 적용 실험○ 구제역 백신 상황에서 저농도의 구제역 항원 검출을 위한 민감한 페이퍼센서의 개발○ 구제역 바이러스 검출용 페이퍼센서의 효능 및 안정성 평가 ○ 국내 구제역 발생 상황에 적합한 구제역 진단 시스템 개선
4th row○ 국내 다양한 구제역 검사 시료를 대상으로한 구제역 바이러스 압타머를 포함한 수송 배지의 개발○ 구제역 수송 배지 시스템의 실험실 내 및 현장 적용 실험○ 구제역 백신 상황에서 저농도의 구제역 항원 검출을 위한 민감한 페이퍼센서의 개발○ 구제역 바이러스 검출용 페이퍼센서의 효능 및 안정성 평가 ○ 국내 구제역 발생 상황에 적합한 구제역 진단 시스템 개선
5th row○ 국내 다양한 구제역 검사 시료를 대상으로한 구제역 바이러스 압타머를 포함한 수송 배지의 개발○ 구제역 수송 배지 시스템의 실험실 내 및 현장 적용 실험○ 구제역 백신 상황에서 저농도의 구제역 항원 검출을 위한 민감한 페이퍼센서의 개발○ 구제역 바이러스 검출용 페이퍼센서의 효능 및 안정성 평가 ○ 국내 구제역 발생 상황에 적합한 구제역 진단 시스템 개선
ValueCountFrequency (%)
및 822
 
4.7%
644
 
3.7%
개발 276
 
1.6%
○ 174
 
1.0%
위한 158
 
0.9%
구제역 132
 
0.8%
ai 129
 
0.7%
바이러스 127
 
0.7%
대한 123
 
0.7%
분석 117
 
0.7%
Other values (3727) 14651
84.4%
2023-12-11T12:45:27.076268image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Most occurring characters

ValueCountFrequency (%)
18925
26.1%
제 979
 
1.3%
의 859
 
1.2%
이 853
 
1.2%
한 825
 
1.1%
및 822
 
1.1%
- 779
 
1.1%
시 701
 
1.0%
발 697
 
1.0%
용 675
 
0.9%
Other values (614) 46454
64.0%

Most occurring categories

ValueCountFrequency (%)
Other Letter 45095
62.1%
Space Separator 18925
26.1%
Lowercase Letter 2764
 
3.8%
Uppercase Letter 1888
 
2.6%
Other Punctuation 1133
 
1.6%
Dash Punctuation 779
 
1.1%
Decimal Number 766
 
1.1%
Other Symbol 446
 
0.6%
Close Punctuation 372
 
0.5%
Open Punctuation 334
 
0.5%
Other values (4) 67
 
0.1%

Most frequent character per category

Other Letter
ValueCountFrequency (%)
제 979
 
2.2%
의 859
 
1.9%
이 853
 
1.9%
한 825
 
1.8%
및 822
 
1.8%
시 701
 
1.6%
발 697
 
1.5%
용 675
 
1.5%
기 666
 
1.5%
가 661
 
1.5%
Other values (520) 37357
82.8%
Lowercase Letter
ValueCountFrequency (%)
e 298
10.8%
i 279
 
10.1%
t 237
 
8.6%
o 225
 
8.1%
a 205
 
7.4%
s 182
 
6.6%
n 180
 
6.5%
r 173
 
6.3%
l 143
 
5.2%
m 120
 
4.3%
Other values (17) 722
26.1%
Uppercase Letter
ValueCountFrequency (%)
A 298
15.8%
I 277
14.7%
P 174
 
9.2%
V 117
 
6.2%
C 109
 
5.8%
S 100
 
5.3%
H 88
 
4.7%
D 81
 
4.3%
F 74
 
3.9%
R 71
 
3.8%
Other values (15) 499
26.4%
Other Punctuation
ValueCountFrequency (%)
, 546
48.2%
. 280
24.7%
: 121
 
10.7%
/ 73
 
6.4%
% 30
 
2.6%
※ 25
 
2.2%
* 23
 
2.0%
· 20
 
1.8%
; 9
 
0.8%
& 6
 
0.5%
Decimal Number
ValueCountFrequency (%)
1 192
25.1%
2 179
23.4%
0 107
14.0%
3 102
13.3%
4 56
 
7.3%
5 53
 
6.9%
6 29
 
3.8%
8 21
 
2.7%
9 15
 
2.0%
7 12
 
1.6%
Other Symbol
ValueCountFrequency (%)
○ 300
67.3%
● 45
 
10.1%
◎ 36
 
8.1%
□ 24
 
5.4%
■ 15
 
3.4%
℃ 12
 
2.7%
▶ 12
 
2.7%
㈜ 2
 
0.4%
Math Symbol
ValueCountFrequency (%)
+ 23
67.6%
< 4
 
11.8%
> 4
 
11.8%
= 2
 
5.9%
~ 1
 
2.9%
Close Punctuation
ValueCountFrequency (%)
) 367
98.7%
] 5
 
1.3%
Open Punctuation
ValueCountFrequency (%)
( 329
98.5%
[ 5
 
1.5%
Space Separator
ValueCountFrequency (%)
18925
100.0%
Dash Punctuation
ValueCountFrequency (%)
- 779
100.0%
Control
ValueCountFrequency (%)
29
100.0%
Other Number
ValueCountFrequency (%)
① 3
100.0%
Modifier Symbol
ValueCountFrequency (%)
^ 1
100.0%

Most occurring scripts

ValueCountFrequency (%)
Hangul 45097
62.1%
Common 22820
31.4%
Latin 4650
 
6.4%
Greek 2
 
< 0.1%

Most frequent character per script

Hangul
ValueCountFrequency (%)
제 979
 
2.2%
의 859
 
1.9%
이 853
 
1.9%
한 825
 
1.8%
및 822
 
1.8%
시 701
 
1.6%
발 697
 
1.5%
용 675
 
1.5%
기 666
 
1.5%
가 661
 
1.5%
Other values (521) 37359
82.8%
Latin
ValueCountFrequency (%)
A 298
 
6.4%
e 298
 
6.4%
i 279
 
6.0%
I 277
 
6.0%
t 237
 
5.1%
o 225
 
4.8%
a 205
 
4.4%
s 182
 
3.9%
n 180
 
3.9%
P 174
 
3.7%
Other values (40) 2295
49.4%
Common
ValueCountFrequency (%)
18925
82.9%
- 779
 
3.4%
, 546
 
2.4%
) 367
 
1.6%
( 329
 
1.4%
○ 300
 
1.3%
. 280
 
1.2%
1 192
 
0.8%
2 179
 
0.8%
: 121
 
0.5%
Other values (31) 802
 
3.5%
Greek
ValueCountFrequency (%)
Δ 1
50.0%
λ 1
50.0%

Most occurring blocks

ValueCountFrequency (%)
Hangul 45069
62.1%
ASCII 26978
37.2%
Geometric Shapes 432
 
0.6%
Compat Jamo 26
 
< 0.1%
Punctuation 25
 
< 0.1%
None 24
 
< 0.1%
Letterlike Symbols 12
 
< 0.1%
Enclosed Alphanum 3
 
< 0.1%

Most frequent character per block

ASCII
ValueCountFrequency (%)
18925
70.1%
- 779
 
2.9%
, 546
 
2.0%
) 367
 
1.4%
( 329
 
1.2%
A 298
 
1.1%
e 298
 
1.1%
. 280
 
1.0%
i 279
 
1.0%
I 277
 
1.0%
Other values (71) 4600
 
17.1%
Hangul
ValueCountFrequency (%)
제 979
 
2.2%
의 859
 
1.9%
이 853
 
1.9%
한 825
 
1.8%
및 822
 
1.8%
시 701
 
1.6%
발 697
 
1.5%
용 675
 
1.5%
기 666
 
1.5%
가 661
 
1.5%
Other values (513) 37331
82.8%
Geometric Shapes
ValueCountFrequency (%)
○ 300
69.4%
● 45
 
10.4%
◎ 36
 
8.3%
□ 24
 
5.6%
■ 15
 
3.5%
▶ 12
 
2.8%
Punctuation
ValueCountFrequency (%)
※ 25
100.0%
None
ValueCountFrequency (%)
· 20
83.3%
㈜ 2
 
8.3%
Δ 1
 
4.2%
λ 1
 
4.2%
Compat Jamo
ValueCountFrequency (%)
ㅇ 20
76.9%
ㄱ 1
 
3.8%
ㄴ 1
 
3.8%
ㄷ 1
 
3.8%
ㄹ 1
 
3.8%
ㅁ 1
 
3.8%
ㅂ 1
 
3.8%
Letterlike Symbols
ValueCountFrequency (%)
℃ 12
100.0%
Enclosed Alphanum
ValueCountFrequency (%)
① 3
100.0%

Interactions

2023-12-11T12:45:20.547016image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-11T12:45:19.553486image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-11T12:45:19.893780image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-11T12:45:20.638890image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-11T12:45:19.647577image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-11T12:45:20.017882image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-11T12:45:20.766320image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-11T12:45:19.763254image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
2023-12-11T12:45:20.430331image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/

Correlations

2023-12-11T12:45:27.222285image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
번호사업명총괄과제번호연구수행기관주관기관총연구기간 시작일총연구기간 종료일당해년도연구시작일당해년도연구종료일총연구비
번호1.0000.6470.8720.4520.9450.8920.8550.8610.7830.307
사업명0.6471.0000.8290.8490.9700.9270.8830.8580.6810.310
총괄과제번호0.8720.8291.0000.8410.8890.9640.9560.9610.9650.000
연구수행기관0.4520.8490.8411.0000.9680.8860.8440.9010.8750.885
주관기관0.9450.9700.8890.9681.0000.9590.9700.9540.9730.595
총연구기간 시작일0.8920.9270.9640.8860.9591.0000.9630.9970.9720.000
총연구기간 종료일0.8550.8830.9560.8440.9700.9631.0000.9751.0000.000
당해년도연구시작일0.8610.8580.9610.9010.9540.9970.9751.0000.9720.000
당해년도연구종료일0.7830.6810.9650.8750.9730.9721.0000.9721.0000.000
총연구비0.3070.3100.0000.8850.5950.0000.0000.0000.0001.000
2023-12-11T12:45:27.375642image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
당해년도연구종료일당해년도연구시작일총연구기간 시작일총연구기간 종료일사업명주관기관
당해년도연구종료일1.0000.9140.8960.9830.4500.754
당해년도연구시작일0.9141.0000.9840.8780.6490.661
총연구기간 시작일0.8960.9841.0000.8010.7570.659
총연구기간 종료일0.9830.8780.8011.0000.5300.639
사업명0.4500.6490.7570.5301.0000.698
주관기관0.7540.6610.6590.6390.6981.000
2023-12-11T12:45:27.489248image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
번호총괄과제번호총연구비사업명주관기관총연구기간 시작일총연구기간 종료일당해년도연구시작일당해년도연구종료일
번호1.0001.000-0.2200.3950.6400.6480.5620.5950.524
총괄과제번호1.0001.000-0.2210.7350.6060.9010.8550.9120.745
총연구비-0.220-0.2211.0000.1620.2240.0000.0000.0000.000
사업명0.3950.7350.1621.0000.6980.7570.5300.6490.450
주관기관0.6400.6060.2240.6981.0000.6590.6390.6610.754
총연구기간 시작일0.6480.9010.0000.7570.6591.0000.8010.9840.896
총연구기간 종료일0.5620.8550.0000.5300.6390.8011.0000.8780.983
당해년도연구시작일0.5950.9120.0000.6490.6610.9840.8781.0000.914
당해년도연구종료일0.5240.7450.0000.4500.7540.8960.9830.9141.000

Missing values

2023-12-11T12:45:21.012059image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
A simple visualization of nullity by column.
2023-12-11T12:45:21.266459image/svg+xmlMatplotlib v3.7.2, https://matplotlib.org/
Nullity matrix is a data-dense display which lets you quickly visually pick out patterns in data completion.

Sample

번호분류사업명총괄과제번호세부과제번호과제명연구수행기관주관기관총연구기간 시작일총연구기간 종료일당해년도연구시작일당해년도연구종료일총연구비연구내용요약
01수의가축질병대응기술개발116096116096032HD020Immuno-PCR (IPCR)방법을 이용한 고감도 구제역 진단방법 연구 및 나노물질을 활용한 초고감도 현장 신속진단키트의 개발강원대학교 산학협력단(주)다우진유전자연구소2016-09-052019-09-042017-09-052018-09-0440000000[당해 연구 내용]▶ 제조항원, 항체 비교 테스트▶ 나노물질 표면개질▶ 항체-레이블링 및 반응성 시험▶ 항원-항체 반응 최적화▶ PCR증폭반응 테스트 및 반응조건 최적화▶ 간이키트 시그널 증폭 및 반응 최적화
12수의가축질병대응기술개발116096116096032SB010Immuno-PCR (IPCR)방법을 이용한 고감도 구제역 진단방법 연구 및 나노물질을 활용한 초고감도 현장 신속진단키트의 개발(주)다우진유전자연구소(주)다우진유전자연구소2016-09-052019-09-042017-09-052018-09-04280000000[당해 연구 내용]▶ 제조항원, 항체 비교 테스트▶ 나노물질 표면개질▶ 항체-레이블링 및 반응성 시험▶ 항원-항체 반응 최적화▶ PCR증폭반응 테스트 및 반응조건 최적화▶ 간이키트 시그널 증폭 및 반응 최적화
23수의가축질병대응기술개발116097116097032HD030구제역 바이러스 진단용 페이퍼센서 개발한국화학연구원부설안전성평가연구소(주)메디안디노스틱2016-09-052019-09-042017-09-052018-09-04100000000○ 국내 다양한 구제역 검사 시료를 대상으로한 구제역 바이러스 압타머를 포함한 수송 배지의 개발○ 구제역 수송 배지 시스템의 실험실 내 및 현장 적용 실험○ 구제역 백신 상황에서 저농도의 구제역 항원 검출을 위한 민감한 페이퍼센서의 개발○ 구제역 바이러스 검출용 페이퍼센서의 효능 및 안정성 평가 ○ 국내 구제역 발생 상황에 적합한 구제역 진단 시스템 개선
34수의가축질병대응기술개발116097116097032WT041구제역 바이러스 검출용 앱타머 발굴충북대학교 산학협력단(주)메디안디노스틱2016-09-052019-09-042017-09-052018-09-0426500000○ 국내 다양한 구제역 검사 시료를 대상으로한 구제역 바이러스 압타머를 포함한 수송 배지의 개발○ 구제역 수송 배지 시스템의 실험실 내 및 현장 적용 실험○ 구제역 백신 상황에서 저농도의 구제역 항원 검출을 위한 민감한 페이퍼센서의 개발○ 구제역 바이러스 검출용 페이퍼센서의 효능 및 안정성 평가 ○ 국내 구제역 발생 상황에 적합한 구제역 진단 시스템 개선
45수의가축질병대응기술개발116097116097032HD040앱타머를 이용한 구제역 진단 시료 수송배지 개발전북대학교산학협력단(주)메디안디노스틱2016-09-052019-09-042017-09-052018-09-04110000000○ 국내 다양한 구제역 검사 시료를 대상으로한 구제역 바이러스 압타머를 포함한 수송 배지의 개발○ 구제역 수송 배지 시스템의 실험실 내 및 현장 적용 실험○ 구제역 백신 상황에서 저농도의 구제역 항원 검출을 위한 민감한 페이퍼센서의 개발○ 구제역 바이러스 검출용 페이퍼센서의 효능 및 안정성 평가 ○ 국내 구제역 발생 상황에 적합한 구제역 진단 시스템 개선
56수의가축질병대응기술개발116097116097032SB010국내 구제역 진단 시스템 개선을 위한 시료 수송배지 및 구제역 바이러스 진단용 페이퍼센서 개발(주)메디안디노스틱(주)메디안디노스틱2016-09-052019-09-042017-09-052018-09-04123333000○ 국내 다양한 구제역 검사 시료를 대상으로한 구제역 바이러스 압타머를 포함한 수송 배지의 개발○ 구제역 수송 배지 시스템의 실험실 내 및 현장 적용 실험○ 구제역 백신 상황에서 저농도의 구제역 항원 검출을 위한 민감한 페이퍼센서의 개발○ 구제역 바이러스 검출용 페이퍼센서의 효능 및 안정성 평가 ○ 국내 구제역 발생 상황에 적합한 구제역 진단 시스템 개선
67수의가축질병대응기술개발116097116097032WT031구제역 바이러스 진단용 페이퍼센서 민감도 및 특이도 평가농림축산검역본부(주)메디안디노스틱2016-09-052019-09-042017-09-052018-09-0425000000○ 국내 다양한 구제역 검사 시료를 대상으로한 구제역 바이러스 압타머를 포함한 수송 배지의 개발○ 구제역 수송 배지 시스템의 실험실 내 및 현장 적용 실험○ 구제역 백신 상황에서 저농도의 구제역 항원 검출을 위한 민감한 페이퍼센서의 개발○ 구제역 바이러스 검출용 페이퍼센서의 효능 및 안정성 평가 ○ 국내 구제역 발생 상황에 적합한 구제역 진단 시스템 개선
78수의첨단생산기술개발116099116099022SB010NFC 및 영상인식기술을 활용한 가축전염병 확산방지 기술개발(주)에이치엔엘(주)에이치엔엘2016-09-052018-09-042017-09-052018-09-04225630000스마트폰과 NFC 통신기술 및 영상인식기술을 이용하여 축산시설에 출입하고자 하는 자가 축산시설의 웹서버에 접속하여 출입허가 신청을 하고 축산시설 관리자가 이를 확인할 수 있도록 스마트 폰으로 출입통제가 가능한 임시 전자키를 발급하여 출입관리를 하되, 출입이력을 확인할 수 있도록 스마트폰(방문자)과 방문차량(영상인식) 모두의 위치 및 이력관리를 함으로써 가축병 발생초기 확산을 방지하고자 하는 기술을 개발 출입신청자를 위한 Android App 개발 관리자를 위한 출입승인/인증 Embedded Server개발 출입문 NFC단말기/영상인식장치/출입장치 개발 출입이력관리 알고리즘 개발
89수의첨단생산기술개발116099116099022HD020축사용 하드웨어 개발 및 출입문 전용 NFC 단말기/무선 출입장치 개발엠엘(주)에이치엔엘2016-09-052019-09-042017-09-052018-09-04117070000스마트폰과 NFC 통신기술 및 영상인식기술을 이용하여 축산시설에 출입하고자 하는 자가 축산시설의 웹서버에 접속하여 출입허가 신청을 하고 축산시설 관리자가 이를 확인할 수 있도록 스마트 폰으로 출입통제가 가능한 임시 전자키를 발급하여 출입관리를 하되, 출입이력을 확인할 수 있도록 스마트폰(방문자)과 방문차량(영상인식) 모두의 위치 및 이력관리를 함으로써 가축병 발생초기 확산을 방지하고자 하는 기술을 개발 출입신청자를 위한 Android App 개발 관리자를 위한 출입승인/인증 Embedded Server개발 출입문 NFC단말기/영상인식장치/출입장치 개발 출입이력관리 알고리즘 개발
910수의가축질병대응기술개발116100116100032SB010뉴캣슬병바이러스 벡터를 이용한 조류인플루엔자 백신 개발(주)바이오포아(주)바이오포아2016-09-052019-09-042017-09-052018-09-042400000001. 조류 인플루엔자 HA2 fragment common epitope의 면역원성을 향상시킨 H9 또는 H5 유전자를 발현하는 뉴캣슬병 바이러스 벡터 및 생독백신 개발2. 계태아 저병원성/고생산성/유니버설 조류 인플루엔자 벡터 시스템 개발3. 계태아 저병원성/고생산성/유니버설 백신용 H9N2 백신주 및 사독백신 개발4. 계태아 저병원성/고생산성/유니버설 백신용 H5N8/H5N1 백신주 및 사독백신 개발5. 생독백신 및 사독백신 효능 극대화를 위한 백신프로그램 확립
번호분류사업명총괄과제번호세부과제번호과제명연구수행기관주관기관총연구기간 시작일총연구기간 종료일당해년도연구시작일당해년도연구종료일총연구비연구내용요약
178179수의기술사업화지원817057817057011SB010산란계의 외부구충 및 소화흡수율 향상 기획연구기운찬 축산기자재기운찬 축산기자재2017-12-152018-04-142017-12-152018-04-1420000000기존의 외부구충제로 사용되어지고있는 피프리놀은 반감기가 8일로서 계란에서의 잔류농도가 높다.하지만 아미트라즈 제재는 반감기가 6시간으로 짧아서 계란 또는 고기에 잔류물질이 검출되지 않는 배합방법을 연구한다.산란계의 사육기간 동안 약물 분출 기전에 관한 연구사료소화 흡수율 결과에 관한 연구
179180수의농식품연구성과후속지원818013818013021WT011고양이 코로나바이러스 감염제어기술 개발을 위한 바이러스 특이항체 개발주식회사 노터스포스트바이오2018-04-302019-12-312018-04-302018-12-31103000000○ 연구개발의 주요내용 ● 고양이 코로나바이러스 감염실태 및 임상경과별 바이러스 유전자분석● 다양한 고양이 코로나바이러스 분리주 확보● 코로나바이러스 단클론항체 제조 ● 항 코로나바이러스 난황항체 제조 ● 임상평가를 통한 유효성검증 ○ 연구개발의 세부내용 및 성과지표 ● 고양이 코로나바이러스 감염에 대한 임상경과별 바이러스 유전자분석● 고양이 코로나바이러수 분석검체수 : 20건이상● 표적항원의 유전자형 수 : 1형, 2형을 포함하고 FIP 케이스를 포함● 다양한 고양이 코로나바이러스 분리주 확보 : 각 유전자형 별 5주 이상 ● 항 고양이 코로나바이러스 난황항체 확보 : 중화항체가 1 : 64이상● 고양이 코로나바이러스 단클론항체 확보 : 단크론항체 10종이상 확보 및 진단키트구성을 위한 진단페어구성● 임상평가를 통한 유효성검증 ● 수동면역을 위한 난황항체 10% 이상 증상개선 및 부작용률 10% 미만● 코로나바이러스 항원검출키트 : 리얼타임 피씨알대비 80% 민감도
180181수의농식품연구성과후속지원818013818013021SB010고양이 코로나바이러스 감염제어기술 개발을 위한 바이러스 특이항체 개발포스트바이오포스트바이오2018-04-302019-12-312018-04-302018-12-31103000000○ 연구개발의 주요내용 ● 고양이 코로나바이러스 감염실태 및 임상경과별 바이러스 유전자분석● 다양한 고양이 코로나바이러스 분리주 확보● 코로나바이러스 단클론항체 제조 ● 항 코로나바이러스 난황항체 제조 ● 임상평가를 통한 유효성검증 ○ 연구개발의 세부내용 및 성과지표 ● 고양이 코로나바이러스 감염에 대한 임상경과별 바이러스 유전자분석● 고양이 코로나바이러수 분석검체수 : 20건이상● 표적항원의 유전자형 수 : 1형, 2형을 포함하고 FIP 케이스를 포함● 다양한 고양이 코로나바이러스 분리주 확보 : 각 유전자형 별 5주 이상 ● 항 고양이 코로나바이러스 난황항체 확보 : 중화항체가 1 : 64이상● 고양이 코로나바이러스 단클론항체 확보 : 단크론항체 10종이상 확보 및 진단키트구성을 위한 진단페어구성● 임상평가를 통한 유효성검증 ● 수동면역을 위한 난황항체 10% 이상 증상개선 및 부작용률 10% 미만● 코로나바이러스 항원검출키트 : 리얼타임 피씨알대비 80% 민감도
181182수의농식품연구성과후속지원818027818027021SB010구제역 발생 초기 방어를 위한 돼지 IL2 체내 전달 벡터 개발 및 사업화(주)카브(주)카브2018-04-302019-12-312018-04-302018-12-3149200000건국대학교 연구팀과 협력하여 돼지 IL2의 유전자를 전달할 수 있는 아데노바이러스 벡터의 1011TCID50/ml수준의 기술을 확보바이러스 유래 및 인공합성 dsRNAs을 돼지 IL2 아데노바이러스 벡터와 상용화된 구제역 백신과 공동접종 하는 방법으로 각 면역 자극 물질의 상승효과를 파악하고 최적의 물질을 선정 및 최저 효능 농도 확인마우스 및 돼지 공격 접종 모델을 이용한 구제역 백신 초기 방어능 확인PRRS백신과 공동접종에 의한 조기 면역 확보 확인돼지 IL2를 발현하는 아데노바이러스 벡터와 면역 자극 물질 합제의 제품화
182183수의농식품연구성과후속지원818027818027021HD020구제역 발생 초기 방어를 위한 돼지 IL2 체내 전달 벡터 개발 및 사업화건국대학교(주)카브2018-04-302019-12-312018-04-302018-12-31104200000건국대학교 연구팀과 협력하여 돼지 IL2의 유전자를 전달할 수 있는 아데노바이러스 벡터의 1011TCID50/ml수준의 기술을 확보바이러스 유래 및 인공합성 dsRNAs을 돼지 IL2 아데노바이러스 벡터와 상용화된 구제역 백신과 공동접종 하는 방법으로 각 면역 자극 물질의 상승효과를 파악하고 최적의 물질을 선정 및 최저 효능 농도 확인마우스 및 돼지 공격 접종 모델을 이용한 구제역 백신 초기 방어능 확인PRRS백신과 공동접종에 의한 조기 면역 확보 확인돼지 IL2를 발현하는 아데노바이러스 벡터와 면역 자극 물질 합제의 제품화
183184수의포스트게놈 신산업육성을 위한 다부처유전체사업914010914010044HD020살모넬라균의 숙주환경에서의 유전체 비교 분석 및 병원성 관련인자 분석중앙대학교 산학협력단경상대학교 산학협력단2014-08-232018-08-222017-08-232018-08-2272000000○ 산업동물 주요 세포 기생성 세균(브루셀라, 살모넬라)의 세포 및 동물 감염 시 발현되는 병원성 유전자 발현양상 규명 - 산업동물 주요 세포 기생성 세균의 세포 및 동물 감염 시 나타나는 전사체(transcriptome), 단백체(proteome), 대사체(metabolome) 등 기본적인 오믹스 분석 - 병원성 인자의 상호작용체(interactome) 분석 - 병원성 관련 RNA 결합단백질의 RNA 구조체(RNA structure seq) 분석 - 병원성 관련 인자 동정 및 생리적 기능 규명 - 병원성 인자의 항원성 탐색○ 산업동물 주요 세포 기생성 세균의 세포 및 동물 감염 시 발현되는 인자와 질병간의 상관관계 및 숙주 제어기전 규명 - 기생성 세균에 의한 숙주세포의 생리활성 변화 및 관련인자 규명 - 기생성 세균에 의한 숙주세포의 생리활성 변화 경로 규명 - 진단용 바이오 마커 발굴○ 고면역원성 기생성 세균 유발 병원균 제어 단백질 백신 소재 원천기술 개발 - 시험관내 단백질 합성시스템을 이용한 항원성 최적화 - 주사용/경구용 백신 개발을 위한 단백질 항원 발현 재조합 균주 제작
184185수의포스트게놈 신산업육성을 위한 다부처유전체사업914010914010044HD030기생성 세균의 오믹스데이터 비교분석 및 진단/예방 원천기술 사업화 탐색(주)인트론바이오테크놀로지경상대학교 산학협력단2014-08-232018-08-222017-08-232018-08-2280000000○ 고면역원성 기생성 세균 유발 병원균 제어 단백질 백신 소재 원천기술 개발 - 시험관내 단백질 합성시스템을 이용한 항원성 최적화 - 주사용/경구용 백신 개발을 위한 단백질 항원 발현 재조합 균주 제작○ 고면역원성 기생성 세균 유발 병원균 제어 단백질 백신 소재 원천기술 개발 - 시험관내 단백질 합성시스템을 이용한 항원성 최적화 - 주사용/경구용 백신 개발을 위한 단백질 항원 발현 재조합 균주 제작
185186수의포스트게놈 신산업육성을 위한 다부처유전체사업914010914010044SB010세포내 기생 난치성 산업동물 주요 병원균의 핵심 병원성 유전체 분석과 이를 이용한 제어기술 개발경상대학교 산학협력단경상대학교 산학협력단2014-08-232018-08-222017-08-232018-08-2298000000○ 산업동물 주요 세포 기생성 세균(브루셀라, 살모넬라)의 세포 및 동물 감염 시 발현되는 병원성 유전자 발현양상 규명 - 산업동물 주요 세포 기생성 세균의 세포 및 동물 감염 시 나타나는 전사체(transcriptome), 단백체(proteome), 대사체(metabolome) 등 기본적인 오믹스 분석 - 병원성 인자의 상호작용체(interactome) 분석 - 병원성 관련 RNA 결합단백질의 RNA 구조체(RNA structure seq) 분석 - 병원성 관련 인자 동정 및 생리적 기능 규명 - 병원성 인자의 항원성 탐색○ 산업동물 주요 세포 기생성 세균의 세포 및 동물 감염 시 발현되는 인자와 질병간의 상관관계 및 숙주 제어기전 규명 - 기생성 세균에 의한 숙주세포의 생리활성 변화 및 관련인자 규명 - 기생성 세균에 의한 숙주세포의 생리활성 변화 경로 규명 - 진단용 바이오 마커 발굴○ 고면역원성 기생성 세균 유발 병원균 제어 단백질 백신 소재 원천기술 개발 - 시험관내 단백질 합성시스템을 이용한 항원성 최적화 - 주사용/경구용 백신 개발을 위한 단백질 항원 발현 재조합 균주 제작
186187수의포스트게놈 신산업육성을 위한 다부처유전체사업918020918020041WT011Mycobacterium avium subsp. paratuberculosis 균주에서 유전체/전사체 분석 및 바이오마커 발굴울산과학기술원서울대학교 산학협력단2018-04-252021-12-312018-04-252018-12-3135748000o 소 요네병 원인균 MAP의 유전자원발굴 : 국내,외분리 MAP 의 WGS, Pan-genome 분석 등을 통해 MAP 의 유전체 데이터베이스 구축 및 신규 발굴 유전자의 특성 분석 o In vitro 감염모델을 활용한 병원체-숙주 작용체 (interactome) 분석 및 유전체 발현양상 분석을 통한 병원성유전자의 전사기작 규명 및 중요 신규 병원성 유전자 발굴 - Co-culture system 구축을 통한 MAP 감염 in vitro 모델 확립 및 interactomes 분석 - 병원체 (MAP) 및 숙주의 대용량 기능 유전체 분석으로 통한 유전자기능 및 network 분석 o In vivo에서 MAP 감염 동물에서 준임상형(잠복감염) 및 감염단계별 특성 분석; RNA-seq, microRNA, 대사체 분석을 통한 감염단계별 특이 발현 물질 발굴 및 미세병리기전 규명 - 모델 동물에서 잠복감염 및 감염단계별 특이 발현 물질 및 면역병리학적 특성규명 - 목적동물 (자연감염우) 에서 준임상형 및 임상감염단계별 혈액 및 감염부위 조직에서 병원체 및 숙주의 유전체 발현양상분석 - MAP 감염우와 미감염우의 장내 microbiota 비교 분석 o MAP 감염초기 잠복감염개체 검출을 위한 진단기법 개발 및 백신후보물질 발굴 - MAP 감염단계별 발굴 특이 물질 (유전체, 단백체, 대사체)을 이용한 진단기법 개발 - 병원성 유전자 결손변이주 (mutants) 제작 및 변이주의 유전적, 면역학적 특성 분석: 숙주에서 cytokines 발현 유도능 및 유전체 발현분석을 통한 면역발현기전분석 - 병원성유전자 결손변이주의 백신효능 평가를 통한 백신 후보물질 발굴
187188수의포스트게놈 신산업육성을 위한 다부처유전체사업918020918020041SB010소 요네병원인체, Mycobaterium avium subsp. pararuberculosis, 신규병원성인자 규명 및 조절기법이용 새로운 방제 기법 개발서울대학교 산학협력단서울대학교 산학협력단2018-04-252021-12-312018-04-252018-12-31150000000o 소 요네병 원인균 MAP의 유전자원발굴 : 국내,외분리 MAP 의 WGS, Pan-genome 분석 등을 통해 MAP 의 유전체 데이터베이스 구축 및 신규 발굴 유전자의 특성 분석 o In vitro 감염모델을 활용한 병원체-숙주 작용체 (interactome) 분석 및 유전체 발현양상 분석을 통한 병원성유전자의 전사기작 규명 및 중요 신규 병원성 유전자 발굴 - Co-culture system 구축을 통한 MAP 감염 in vitro 모델 확립 및 interactomes 분석 - 병원체 (MAP) 및 숙주의 대용량 기능 유전체 분석으로 통한 유전자기능 및 network 분석 o In vivo에서 MAP 감염 동물에서 준임상형(잠복감염) 및 감염단계별 특성 분석; RNA-seq, microRNA, 대사체 분석을 통한 감염단계별 특이 발현 물질 발굴 및 미세병리기전 규명 - 모델 동물에서 잠복감염 및 감염단계별 특이 발현 물질 및 면역병리학적 특성규명 - 목적동물 (자연감염우) 에서 준임상형 및 임상감염단계별 혈액 및 감염부위 조직에서 병원체 및 숙주의 유전체 발현양상분석 - MAP 감염우와 미감염우의 장내 microbiota 비교 분석 o MAP 감염초기 잠복감염개체 검출을 위한 진단기법 개발 및 백신후보물질 발굴 - MAP 감염단계별 발굴 특이 물질 (유전체, 단백체, 대사체)을 이용한 진단기법 개발 - 병원성 유전자 결손변이주 (mutants) 제작 및 변이주의 유전적, 면역학적 특성 분석: 숙주에서 cytokines 발현 유도능 및 유전체 발현분석을 통한 면역발현기전분석 - 병원성유전자 결손변이주의 백신효능 평가를 통한 백신 후보물질 발굴