한우 씨수소 선발 과정에서 수집되는 도체성적의 유전모수 추정과 정확도 분석 = Genetic parameter estimation and accuracy analyses for the carcass traits collected in the sire selection system of Hanwoo

국문 초록 (Abstract)

본 연구는 한우의 보증씨수소 선발체계의 축을 이루고 있는 당대검정과 후대검정 과정에서 조사되는 도체중, 등심단면적, 등지방두께 및 근내지방도의 육종가를 추정한 후 추정된 육종가의 정확도를 분석하기 위한 목적으로 실시하였다. 1) 분석에 이용되는 표현형 자료를 후대검정, 당대검정 및 두 자료를 통합한 자료로 구분해 각각 실시함으로써 후대검정자료에 당대검정자료가 추가됨으로써 추정육종가의 정확도가 향상되는 정도를 파악하였고, 아울러, 2) 유전체 정보를 이용한 분석과 유전체 정보를 이용하지 않은 분석을 구분해서 실시함으로써 유전체 정보의 이용이 추정육종가의 정확도를 향상시키는 정도를 파악하였다.

1. 추정자료 및 방법

유전모수 추정에 이용된 표현형 자료는 후대검정자료, 당대검정자료, 및 통합자료로 구분하였는데, 후대검정자료(data set A)는 후대검정에 참여하는 후보씨수소들이 생산한 거세 후손 6,170두를 약 24개월령에 도축한 후 조사한 도체중, 등심단면적, 등지방두께 및 근내지방도의 관찰 값으로 구성되었고, 당대검정자료(data set B)는 당대검정 이후 후보씨수소로 선발되지 않은 것들을 거세하고, 약 30개월령까지 비육한 후 도축된 5,681두의 도체중, 등심단면적, 등지방두께 및 근내지방도의 관찰 값으로 구성되었으며, 통합자료(data set C)는 후대검정자료와 당대검정자료의 관측두수를 합한 11,851두로 구성되었다.
혈통자료는 통합자료를 구성하는 11,851두를 초기 세대로 하여 추적 가능한 선조를 정리한 결과 얻어진 84,936두였고, 유전체 정보는 혈통자료를 구성하는 개체 중에서 SNP 유전자형이 분석된 9,903두에 대해 QC분석을 수행한 후 9,887두로부터 수집된 39,223개의 마커로 구성된 자료였는데, 유전체 정보를 갖는 개체는 후대검정자료에 나타나는 개체가 4,776두, 당대검정자료에 나타나는 개체가 3,050두였다.
유전모수추정은 표현형자료의 종류와 유전체 정보의 이용 여부에 따라 6가지 방법으로 구분해서 실시했는데, 방법 Ⅰ, Ⅱ 및 Ⅲ은 유전체 정보 없이 혈통정보와 표현형정보만 이용해서 실시한 BLUP 추정치이고, 방법 Ⅳ, Ⅴ 및 Ⅵ은 유전체정보, 혈통정보 및 표현형 정보를 모두 이용해서 실시한 방법이었다. 따라서 방법 Ⅰ, Ⅱ, Ⅲ에 의해 추정된 육종가는 BLUP(unbiased prediction)이 되고, 방법 Ⅳ, Ⅴ 및 Ⅵ에 의해 추정된 육종가는 ssGBLUP(single step genomic best linear unbiased prediction)이 된다. 그리고 방법 Ⅰ과 Ⅳ는 후대검정자료, 방법 Ⅱ와 Ⅴ는 당대검정자료 그리고 방법 Ⅲ과 Ⅵ은 통합자료의 표현형정보를 이용하여 실시한 방법이었다.

2. 유전력 및 유전 상관

후대검정자료와 유전체 정보를 이용해서 추정한 방법 Ⅳ의 유전력 크기는 도체중이 0.502, 등심단면적이 0.406, 등지방두께가 0.468, 근내지방도가 0.527이었고, 유전체 정보를 이용하지 않고 추정한 방법 Ⅰ의 각 형질별 유전력 크기는 도체중이 0.332, 등심단면적이 0.461, 등지방두께가 0.549 그리고 근내지방도가 0.577이었다. 유전체 정보를 이용한 방법 Ⅳ의 유전력이 유전체 정보를 이용하지 않은 방법 Ⅰ의 유전력에 비해 도체중은 더 크게, 그리고 등심단면적, 등지방두께 및 근내지방도 유전력은 더 작게 추정되었다.
당대검정자료와 유전체 정보를 이용해서 추정한 방법 Ⅴ의 유전력과 유전체 정보를 이용하지 않고 당대검정자료만으로 추정한 방법 Ⅱ의 유전력 간 크기에서의 차이(방법 Ⅴ - 방법 Ⅱ)는 형질별로 –0.01부터 0.032로 작은 편이었으며, 통합자료와 유전체 정보를 이용해서 추정한 방법 Ⅵ의 유전력과 유전체 정보를 이용하지 않고 통합 자료만으로 추정한 방법 Ⅲ의 유전력 간 크기에서의 차이(방법 Ⅵ - 방법 Ⅲ)는 다음과 같았다. 도체중이 0.105, 등심단면적이 0.009, 등지방두께가 0.017 및 근내지방도가 –0.002였고, 도체중만 비교적 큰 편이었다.
모든 추정방법에서 등심단면적은 도체중이나 근내지방도와는 비교적 높은 수준의 정의 유전 상관관계를 보였고, 등지방두께와는 중 내지는 저도의 음의 유전 상관관계를 보였다. 그리고, 모든 추정방법에서 등지방두께와 근내지방도 간의 유전 상관계수는 0에 가까웠으며, 도체중은 등지방두께와 낮은 수준의 정의 유전 상관관계를 갖고 있는 것으로 추정되었다.

3. 추정 육종가의 기대 정확도

본 연구에서 혈통자료에 나타나는 모든 개체들의 추정 육종가의 정확도 평균치를 계산하면, 도체중은 0.639(방법 Ⅰ)부터 0.759(방법 Ⅳ)까지의 범위, 등심단면적은 0.708(방법 Ⅴ)부터 0.748(방법 Ⅰ)까지의 범위, 등지방두께는 0.742(방법 Ⅳ)부터 0.789(방법 Ⅱ)까지의 범위 그리고 근내지방도는 0.749(방법 Ⅴ)부터 0.781(방법 Ⅰ)까지의 범위였다.
표현형정보와 유전체 정보의 유무에 따라 추정 육종가의 정확도에 기여하는 ‘유전체 효과’가 달라지는지를 파악하기 위하여 후대검정자료를 구성하는 개체들과 당대검정자료를 구성하는 개체들을 각각 data set E와 F로 명명하였다. 그리고, 각 data set 내에서 표현형 정보만 있는 그룹(그룹 1), 표현형 정보와 유전체 정보가 모두 있는 그룹(그룹 2), 및 유전체 정보만 있는 그룹(그룹 3)으로 나누었으며, 각 자료의 그룹별로 ssGBLUP 정확도 평균치에서 BLUP 정확도 평균치를 빼준 값으로 ‘유전체 효과’를 평가하였고, 그 결과는 다음과 같았다.

(1) 후대검정자료로 추정한 육종가에서 유전체 효과
후대검정자료를 구성하는 개체군인 data set E 의 그룹 1과 그룹 2에서는 공통적으로 도체중만 유전체 효과가 있었고 나머지 형질(등심단면적, 등지방두께 및 근내지방도)은 유전체 효과가 없었다. 당대검정자료를 구성하는 개체군인 data set F의 그룹 1에서는 도체중의 유전체 효과가 미약하게 있었으나 나머지 형질에서 유전체 효과가 확인되지 않았으며, 그룹 2와 3에서는 모든 형질의 유전체효과가 비교적 크게 나타났다.

(2) 당대검정자료로 추정한 육종가에서 유전체 효과
후대검정자료를 구성하는 개체군인 data set E의 그룹 1에서 모든 형질의 유전체 효과는 없는 것으로 나타났지만 그룹2에서는 모든 형질에서 추정 육종가의 정확도를 향상시키는 유전체 효과가 비교적 크게 나타났다. 당대검정자료를 구성하는 개체군인 data set F의 그룹 1과 2에서는 모든 형질의 유전체 효과가 없었으나 유전체 정보만 있는 그룹 3에서는 모든 형질의 유전체 효과가 있는 것으로 나타났다.

(3) 통합자료로 추정한 육종가에서 유전체 효과
후대검정자료를 구성하는 개체군인 data set E의 그룹 1과 2에서 공통적으로 도체중의 유전체 효과는 있으나 나머지 형질의 유전체 효과는 없거나 미약한 것으로 나타났다. 당대검정자료를 구성하는 개체군인 data set F의 그룹 1과 2에서도 공통적으로 도체중의 유전체 효과만 있고 나머지 형질의 유전체 효과는 없거나 미약했으며 그룹3에서는 모든 형질에서 유전체 효과가 있는 것으로 나타났다.

4. 검정자료에서 추정육종가의 예측능력

(1) 검정자료에서 개체 육종가의 예측능력 정확도

후대검정자료로 추정한 개체 육종가를 독립변량으로 설정하고 당대검정자료에 있는 개체들의 표현형을 종속변량으로 설정한 직선 회귀분석을 실시하였다. 그 결과 ssGBLUP 육종가를 독립변량으로 설정한 회귀모형이 BLUP 육종가를 독립변량으로 설정한 회귀모형보다 결정계수가 증가하였고, 증가한 수치는 도체중, 등심단면적, 등지방두께 및 근내지방도가 각각 2.2%, 1.7%, 2.1%, 2.6%이었다.
당대검정자료로 추정한 개체 육종가를 독립변량으로 설정하고 후대검정자료에 있는 개체들의 표현형을 종속변량으로 설정한 직선 회귀분석을 실시하였다. 그 결과 ssGBLUP 육종가를 독립변량으로 설정한 회귀모형이 BLUP 육종가를 독립변량으로 설정한 회귀모형보다 결정계수가 증가하였고, 증가한 수치는 도체중, 등심단면적, 등지방두께 및 근내지방도가 각각 4.5%, 3.2%, 2.6%, 3.6%이었다.
통합자료로 추정된 육종가를 독립변량으로 설정하고 제3의 검증자료(data set D)에 있는 개체들의 표현형을 종속변량으로 설정한 직선 회귀분석을 실시하였다. 그 결과 ssGBLUP 육종가를 독립변량으로 설정한 회귀모형이 BLUP 육종가를 독립변량으로 설정한 회귀모형보다 결정계수가 증가하였고, 증가한 수치는 도체중, 등심단면적, 등지방두께 및 근내지방도가 각각 1.1%, 0.3%, 0.4%, 0.4%이었다.

(2) 검정자료에서 씨수소 추정 육종가의 예측능력
후대검정자료로 추정한 씨수소의 육종가를 독립변량으로 설정하고 당대검정자료에 있는 씨수소 후손들의 표현형 평균을 종속변량으로 설정한 직선 회귀분석을 실시하였다. 그 결과 씨수소의 ssGBLUP 육종가를 독립변량으로 설정한 회귀모형이 씨수소의 BLUP 육종가를 독립변량으로 설정한 회귀모형보다 결정계수가 증가하였고, 증가한 수치는 도체중, 등심단면적, 등지방두께 및 근내지방도가 각각 5.4%, 2.7%, 2.0%, 2.5%이었다.
당대검정자료로 추정한 씨수소의 육종가를 독립변량으로 설정하고 후대검정자료에 있는 씨수소 후손들의 표현형 평균을 종속변량으로 설정한 직선 회귀분석을 실시하였다. 그 결과 씨수소의 ssGBLUP 육종가를 독립변량으로 설정한 회귀모형이 씨수소의 BLUP 육종가를 독립변량으로 설정한 회귀모형보다 결정계수가 증가하였고, 증가한 수치는 도체중, 등심단면적, 등지방두께 및 근내지방도가 각각 4.1%, 2.5%, 1.9%, 0.9%이었다.
통합자료로 추정한 씨수소의 육종가를 독립변량으로 설정하고 제3의 검증자료(data set D)에 있는 후손들의 표현형 평균을 종속변량으로 설정한 직선 회귀 분석을 실시하였다. 그 결과 씨수소의 ssGBLUP 육종가를 독립변량으로 설정한 회귀모형이 씨수소 BLUP 육종가를 독립변량으로 설정한 회귀모형에 비해 결정계수가 변화하였고, 증가한 수치는 도체중, 등심단면적 및 근내지방도가 각각 3.2%, 1.5%, 1.3%이었다. 다만, 등지방두께에서는 그 차이가 –0.2%로, 오히려 ssGBLUP 회귀모형의 결정계수가 BLUP 회귀모형의 결정계수보다 작았다.

5. 도체형질에서 씨수소 추정 육종가의 기대 정확도와 KPN지수 순위상관

후대검정자료에만 이용된 씨수소 760두 그룹과 후대검정자료와 당대검정자료 양쪽에 이용된 공통씨수소 345두 그룹을 구분해서 추정방법별 육종가 추정치의 정확도 평균치를 비교해보면, 두 그룹 모두 ssGBLUP의 정확도 평균치가 BLUP의 정확도 평균치에 비해 큰 편이었지만, 그 차이는 도체중에서 크고, 나머지 형질에서는 작았다.
통합자료 BLUP 육종가의 정확도 평균치와 후대검정자료 BLUP 육종가의 정확도 평균치를 비교해보면 통합자료 BLUP 평균치는 후대검정자료 BLUP 평균치보다 컸으며, 통합자료 ssGBLUP 평균치와 후대검정자료 ssGBLUP 평균치 비교에서도 통합자료의 정확도 평균치가 후대검정자료의 정확도 평균치에 비해서 큰 편이었다.
통합 자료에 아비로 나타나는 씨수소 814두의 도체중, 등심단면적, 등지방두께 및 근내지방도 육종가를 표준화 시킨 후 각 형질별 가중치를 1:1:-1:6으로 주고 각 추정방법별로 KPN지수를 산출하였다. 그 다음, 후대검정자료와 당대검정자료 양쪽에 모두 아비로 나타나는 공통 씨수소 345두만을 선택하여, 6개의 각 추정방법별 생성한 KPN지수 간의 순위상관계수(Spearman rank correlation coefficient)를 추정하였다. 그 결과로 후대검정_BLUP_KPN지수와 후대검정_ssGBLUP_KPN지수 간 순위상관계수는 0.945였고, 당대검정_BLUP_KPN지수와 당대검정_ssGBLUP_KPN지수 간 순위상관계수와 통합자료_BLUP_KPN지수와 통합자료_ssGBLUP_KPN지수간 순위상관계수는 동일한 크기인 0.972였다.

6. 농가 도축자료를 이용한 씨수소 추정육종가의 예측능력 검증

농가에서 수집된 도축자료를 이용하여 씨수소 추정 육종가에 대한 반형매 가계 표현형 평균을 종속변량으로 둔 각각의 회귀모형을 설정하였고, 후대검정자료로 추정한 씨수소 BLUP 육종가를 독립변량으로 설정한 회귀모형(후대검정 BLUP 회귀모형), 후대검정자료로 추정한 씨수소 ssGBLUP 육종가를 독립변량으로 설정한 회귀모형(후대검정 ssGBLUP 회귀모형), 통합자료로 추정한 GBLUP 육종가를 독립변량으로 설정한 회귀모형(통합자료 BLUP 회귀모형), 통합자료로 추정한 씨수소 ssGBLUP 육종가를 독립변량으로 설정한 회귀모형(통합자료 ssGBLUP 회귀모형)의 각각의 결정계수를 비교하였다. 그 결과, 후대검정 ssGBLUP 회귀모형의 결정계수는 후대검정 BLUP 회귀모형의 결정 계수에 비해 형질에 따라 0.027(등지방두께) 내지 0.049(등심단면적)정도 더 컸고, 통합자료 ssGBLUP 회귀모형의 결정계수는 통합자료 BLUP 회귀모형의 결정 계수에 비해 형질에 따라 0.013(도체중) 내지 0.041(등심단면적) 정도 더 커서 ssGBLUP 추정치가 BLUP 추정치에 비해 후손 표현형을 더 정확하게 예측하는 것으로 나타났다. 그리고, 동일한 BLUP 회귀 모형이라고 하더라도 통합 자료 BLUP 회귀 모형의 결정계수가 후대검정 BLUP 회귀모형의 결정계수보다 형질에 따라 0.144(도체중)내지 0.132(등심단면적) 정도 더 컸고, 동일한 ssGBLUP 모형이라고 하더라도 통합자료 ssGBLUP 회귀모형의 결정계수가 후대검정 ssGBLUP 회귀모형의 결정계수보다 형질에 따라 0.105(등심단면적)내지 0.129(등지방두께)정도 더 큰 것으로 나타나서 통합자료로부터 추정되는 육종가의 예측능력이 후대검정자료만으로 추정되는 예측능력보다 우수한 것으로 나타났다.

다국어 초록 (Multilingual Abstract)

This study was conducted for the purpose of analyzing the accuracy of the estimating the breeding values for carcass weight, eye muscle area, back fat thickness, and marbling score that were obtained during the young bull and progeny test in the Korean proven sire selection systems.
1) The phenotypic data used in the analysis were divided into the progeny test, the young bull test, and the data combining those two data sets. The degree of improvement in the accuracy of the estimated breeding value was identified by adding the data from the young bull test to the progeny test data. In addition, 2) analysis using genomic information and analysis without genomic information were separately performed to determine the extent to which the use of genomic information improves the accuracy of the estimated breeding value.

1. Estimation data and methods

The phenotypic data used for estimating genetic parameters were divided into progeny test data, young bull test data, and the combined data. The progeny test data (data set A) consist of 6,170 heads of castrated offspring produced by candidate bulls participating in the progeny test. They include observed values of carcass weight, eye muscle area, backfat thickness, and marbling score after the slaughter at about 24 months of age. The young bull test data (data set B) consist of observation values of carcass weight, eye muscle area, backfat thickness, and marbling score for 5,681 steers that were not selected as candidate bulls, castrated and fattened to about 30 months of age. The combined data (data set C) include 11,851 heads; the sum of the number of observations from the progeny test data and the young bull test data.
The pedigree data was 84,936 heads that were obtained as a result of organizing traceable ancestors with 11,851 heads constituting the combined data as the initial generation. For genomic information, QC analysis was performed on 9,903 heads with SNP genotype analysis among the individuals constituting the pedigree data. It resulted in consisting of 39,223 markers collected from 9,887 heads. As for the individuals with genomic information, 4,776 individuals appeared in the progeny test data and 3,050 individuals appeared in the young bull test data.
Genetic parameter estimation was carried out by six methodologies with the respect to phenotypic data types and whether or not genome information was used. Methods I, II, and III are BLUP estimates performed using only pedigree and phenotype information without genomic information. Method IV, V, and VI were methods using all of the genomic, pedigree, and phenotype information. Therefore, the breeding value estimated by methods I, II, and III become BLUP (unbiased prediction), while the breeding value estimated by methods IV, V, and VI become ssGBLUP (single step genomic best linear unbiased prediction). And, Methods I and IV were carried out using progeny test data, Methods II and V were young bull test data, and Methods III and VI were performed using phenotypic information from the combined data.

2. Heritability and genetic correlation

The heritability for each trait in Method IV was 0.502, 0.406, 0.468, and 0.527 for carcass weight, eye muscle area, backfat thickness, and marbling score, respectively. And, the heritability for each trait derived from Method I were 0.332, 0.461, 0.549, and 0.577 for carcass weight, eye muscle area, backfat thickness, and marbling score, respectively. The heritability of method IV were shown to be larger in carcass weight; while it was estimated to be smaller in eye muscle area, backfat thickness and marbling score compared to that of method I.
The difference I heritability derived from Method V and Method II ranged from -0.01 to 0.032 for each of the traits. The difference in heritability estimated from Method VI and Method III was as follows: Carcass weight was 0.105, the eye muscle area was 0.009, the backfat thickness was 0.017, and the marbling score was -0.002, and only the carcass weight was relatively large. In all the estimation methods, eye muscle area showed a relatively high level of positive genetic correlation with carcass weight and marbling score and showed moderate to low negative genetic correlation with backfat thickness. And, in all estimation methods, the genetic correlation coefficient between backfat thickness and marbling score was close to 0, and carcass weight was estimated to have a low level of positive genetic correlation with backfat thickness.

3. Expected accuracy of estimated breeding value

When calculating the average accuracy of the estimated breeding value of all individuals in the pedigree data used in this study, the carcass weight ranged from 0.639 (Method I) to 0.759 (Method IV), and the eye muscle area ranged from 0.708 (Method V) to 0.748 (Method I), and backfat thickness ranged from 0.742 (Method IV) to 0.789 (Method II), and marbling score was in the range from 0.749 (Method V) to 0.781 (Method I).
To understand whether the 'genetic effect' that contributes to the accuracy of the estimated breeding value changes depending on the presence or absence of phenotypic information and genomic information, the animals constituting the progeny test data and the animals constituting the young bull test data were named as data sets E and F, respectively. Within each of the data set, it was divided into a group with only phenotype information (Group 1), a group with both phenotype information and genomic information (Group 2), and a group with only genomic information (Group 3). And, the 'genetic effect' was evaluated by subtracting the average BLUP accuracy from the average ssGBLUP accuracy for each group of data, and the results were as follows.

(1) Genomic effect in breeding value estimated with progeny test data
In group 1 and group 2 of the data set E, which is the population constituting the progeny test data, the genomic effect only showed in carcass weight in common, and the other traits(eye muscle area, backfat thickness and marbling score) had no genomic effect. In group 1 of data set F, which is the population constituting the young bull test data, the genomic effect in the carcass was weak, but the genomic effect was not confirmed in the remaining traits. In groups 2 and 3, the genomic effect of all traits was relatively large.

(2) Genomic effect in breeding value estimated with young bull test data
In group 1 of the data set E, there was no genomic effect on aall the traits in this study. However, in group 2, the genomic effect of improving the accuracy of the estimated breeding value was relatively large in all traits. In groups 1 and 2 of data set F, there was no genomic effect on all the traits, but in group 3, which had only genomic information, it was found that all traits had a genomic effect.

(3) Genomic effect in breeding value estimated by combined data
In groups 1 and 2 of data set E, which is the population constituting the progeny test data, there was a genomic effect in the carcass in common, but the genomic effect of the other traits was absent or weak. In groups 1 and 2 of data set F, which is the population constituting the young bull test data, there was only a genomic effect in the carcass weight in common, and the genomic effect of the other traits was absent or weak, and in group 3, all traits had a genomic effect.

4. Predictive ability of estimated breeding value from test data

(1) Accuracy of predictive ability of the individual breeding value from test data
A linear regression analysis was performed in which the individual breeding value estimated by the progeny test data was set as the independent variable and the phenotype of the individuals in the young bull test data was set as the dependent variable. As a result, the coefficient of determination increased in the regression model in which the ssGBLUP breeding value was set as the independent variable compared to the regression model in which the BLUP breeding value was set as the independent variable. The increased values were 2.2%, 1.7%, 2.1%, and 2.6% in the carcass weight, the eye muscle area, the backfat thickness, and the marbling score, respectively.
A linear regression analysis was performed in which the individual breeding value estimated by the young bull test data was set as the independent variable and the phenotype of the individuals in the progeny test data was set as the dependent variable. As a result, the coefficient of determination increased in the regression model in which the ssGBLUP breeding value was set as the independent variable compared to the regression model in which the BLUP breeding value was set as the independent variable. The increased values were 4.5%, 3.2%, 2.6%, and 3.6% in the carcass weight, the eye muscle area, the backfat thickness, and the marbling score, respectively.
A linear regression analysis was performed in which the breeding value estimated as the combined data was set as the independent variable and the phenotype of the individuals in the third validation data (data set D) was set as the dependent variable. As a result, the coefficient of determination increased in the regression model in which the ssGBLUP breeding value was set as the independent variable compared to the regression model in which the BLUP breeding value was set as the independent variable. The increased values were 1.1%, 0.3%, 0.4%, and 0.4% in the carcass weight, the eye muscle area, the backfat thickness, and the marbling score, respectively.

(2) Predictive ability of the sire’s estimated breeding value from test data
A linear regression analysis was performed in which the breeding value of the sire estimated with the progeny test data was set as the independent variable and the phenotypic mean of the seed bull descendants in the young bull test data was set as the dependent variable. As a result, the coefficient of determination was increased in the regression model in which the sire's ssGBLUP breeding value was set as an independent variable compared to the regression model in which the sire's BLUP breeding value was set as an independent variable. The increased values were 5.4%, 2.7%, 2.0%, and 2.5% in the carcass weight, the eye muscle area, the backfat thickness, and the marbling score, respectively.
A linear regression analysis was performed in which the breeding value of the sire estimated by the young bull test data was set as the independent variable and the phenotypic mean of the seed bull descendants in the progeny test data was set as the dependent variable. As a result, the coefficient of determination was increased in the regression model in which the sire's ssGBLUP breeding value was set as an independent variable compared to the regression model in which the sire's BLUP breeding value was set as an independent variable. The increased values were 4.1%, 2.5%, 1.9%, and 0.9% in the carcass weight, the eye muscle area, the backfat thickness, and the marbling score, respectively.
A linear regression analysis was performed in which the breeding value of the sire estimated as the combined data was set as the independent variable and the phenotypic mean of the offspring in the third validation data (data set D) was set as the dependent variable. As a result, the coefficient of determination was changed in the regression model in which the sire's ssGBLUP breeding value was set as an independent variable compared to the regression model in which the sire's BLUP breeding value was set as an independent variable. The increased values were 3.2%, 1.5%, and 1.3% in the carcass weight, the eye muscle area, and the marbling score, respectively. However, the difference in backfat thickness was -0.2%, and the coefficient of determination of the ssGBLUP regression model was smaller than that of the BLUP regression model.

5. The expected accuracy of sire’s estimated breeding value in carcass traits and rank correlation of KPN index

Comparing the average accuracy of the breeding value estimate for each estimation method by dividing the 760 seed hydrogen groups used only in the progeny test data and the 345 common seed hydrogen groups used in both the progeny test data and the young bull test data, in both groups, the mean accuracy of ssGBLUP was larger than that of BLUP, but the difference was large in the carcass weight and small in other traits.
Comparing the average accuracy of the BLUP breeding value from the combined data and the average accuracy of the BLUP breeding value from the progeny test, the average BLUP value of the combined data was larger than the average value of the BLUP test data. In the comparison of the average accuracy of the ssGBLUP breeding value from the combined data and the average accuracy of the ssGBLUP breeding value from the progeny test data, the average accuracy of the combined data was larger than the average accuracy of the progeny test data.
After standardizing the breeding value of the carcass weight, eye muscle area, backfat thickness, and marbling score of 814 sires that appear as fathers in the combined data, the weights for each trait are given 1:1:-1:6, and the KPN index is calculated for each estimation method. Then, only 345 common sires, which appear as fathers, were selected in both the progeny test data and the young bull test data, and the rank correlation coefficient between the KPN indices generated by each of the six estimation methods was estimated. As a result, the rank correlation coefficient between the progeny test_BLUP_KPN index and the progeny test_ssGBLUP_KPN index was 0.945, and the rank correlation coefficient between the young bull test_BLUP_KPN index and the young bull test_ssGBLUP_KPN index and the rank correlation coefficient between the combined data_BLUP_KPN index and the combined data_ssGBLUP_KPN index were 0.972, the same size.

6. Validation of predictive ability of sire’s estimated breeding value using farmhouse slaughter data

Using slaughter data collected from farms, each regression model was established with the mean of the phenotype of the halfsib family for the estimated breeding value of sires as the dependent variable. And, the regression model (the progeny test BLUP regression model) in which the sire’s BLUP breeding value estimated by the progeny test is set as an independent variable, the regression model (the progeny test ssGBLUP regression model) in which the sire’s ssGBLUP breeding value estimated by the progeny test data is set as an independent variable, the regression model (the combined data BLUP regression model) in which the GBLUP breeding value estimated with the combined data is set as an independent variable, and the regression model(the combined data ssGBLUP regression model) in which the ssGBLUP breeding value estimated with the combined data is set as an independent variable, each The coefficients of determination were compared. As a result, the coefficient of determination of the progeny test ssGBLUP regression model was greater than that of the progeny test BLUP regression model by 0.027(backfat thickness) to 0.049(eye muscle area) depending on the trait, And, the coefficient of determination of the combined data ssGBLUP regression model is 0.013 (carcass weight) to 0.041 (eye muscle area), which is higher than the coefficient of determination of the combined data BLUP regression model; so the ssGBLUP estimate more accurately predicts the offspring phenotype than the BLUP estimate.
And, even with the same BLUP regression model, the coefficient of determination of the combined data BLUP regression model was larger than that of the progeny test BLUP regression model by 0.144 (carcass weight) to 0.132(eye muscle area) depending on the trait. Even though the same ssGBLUP model, the coefficient of determination of the combined data ssGBLUP regression model was larger than that of the progeny test ssGBLUP regression model by 0.105 (eye muscle area) to 0.129(backfat thickness) depending on the trait. Therefore, it was found that the predictive ability of the estimated breeding value from the combined data was superior to the predictive ability of the estimated breeding value only from the progeny test data.

목차 (Table of Contents)

• 국문요약 ⅰ
• LIST OF TABLES ⅹ
• LIST OF FIGURES ⅹⅲ
• Ⅰ. 서론 1
• Ⅱ. 연구사 3
• Ⅲ. 재료 및 방법 11
• 1. 재료의 구성 11
• 2. 유전모수 추정 13
• 가. 조사형질 및 방법 13
• (1) 도체중 14
• (2) 등심단면적 14
• (3) 등지방두께 14
• (4) 근내지방도 14
• 나. 혈통자료 14
• 다. 유전체 자료 15
• 라. 통계분석 18
• (1) 분산분석 18
• (2) 유전력, 유전 및 환경 상관계수 및 육종가 추정 19
• (3) 추정 육종가의 정확도 21
• (4) 추정 육종가의 검증 21
• (5) 씨수소의 KPN지수 순위상관 22
• 3. 농가 자료를 이용한 씨수소 추정 육종가의 검증 23
• 가. 농가검증자료의 수집 23
• 나. 씨수소 추정 육종가 검증 23
• Ⅳ. 결과 및 고찰 24
• 1. 단순 통계량 24
• 2. 각 추정방법별 도체형질의 유전력 27
• 3. 각 추정방법별 도체형질 간 유전 및 표현형 상관계수 30
• 4. 각 추정방법별 도체형질 추정 육종가 정확도 33
• (1) 후대검정자료로 추정한 육종가의 정확도에서 유전체 효과 34
• (2) 당대검정자료로 추정한 육종가의 정확도에서 유전체 효과 37
• (3) 통합자료로 추정한 육종가의 정확도에서 유전체 효과 39
• 5. 추정 육종가의 예측능력 검증 42
• (1) 검정자료를 이용한 개체 육종가의 예측능력 검증 42
• (2) 검정자료를 이용한 씨수소 추정 육종가의 예측능력 검증 47
• 6. 씨수소의 추정 육종가 정확도와 KPN지수의 순위상관 50
• (1) 씨수소 추정 육종가의 정확도 50
• (2) 씨수소 KPN지수의 순위상관 53
• 7. 농가 도축자료를 이용한 씨수소 추정육종가의 예측능력 검증 54
• Ⅴ. 참고문헌 60

참고문헌 (Reference)

• 1 Bourdon R. M., "Understanding Animal Breeding", 2nd ED, 2000
• 2 Van Vleck , L. D., "Contemporary groups for genetic evaluations", 70 , 2456-2464 ., 1979
• 3 Henderson , C. R., "Estimation of variance and covariance components", 9 , 226-252 ., 1953
• 4 VanRaden , P. M., "Efficient methods to compute genomic predictions .", 91 , 4414-4423, 2008
• 5 Hazel , L. N., "The genetic basis for constructing selection indexes .", 28 , 476-490 ., 1943
• 6 Choi , S. W., "Environmental factors and Phenotypic trends on carcass trait of Hanwoo", 2015
• 7 Crews , D. H., "The relationship between beef sire carcass EPD and progeny phenotype .", Sci. , 82 ( 4 ) , 503-506 ., 2002
• 8 Goddard , M., "Genomic selection : prediction of accuracy and maximisation of long term response", 136 ( 2 ) , 245-257 ., 2009
• 9 Ko , D. Y, "Genetic parameter estimation of carcass traits and retailed cuts percentage in Hanwoo steers", 2013
• 10 Dekkers , J, "Commercial application of marker- and gene-assisted selection in livestock : Strategies and lessons", 82 , E-Suppl , E313-328 ., 2004
• 11 Kim , Y. S., "Studies on the breeding value estimation and correlation analysis for high quality meat traits of Hanwoo", 2015