Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1598-5504(Print)
ISSN : 2383-8272(Online)
Journal of Agriculture & Life Science Vol.55 No.4 pp.103-112
DOI : https://doi.org/10.14397/jals.2021.55.4.103

A Comparison of EBV Reliability Validation Methods for PEV and MTEDC of Hanwoo Carcass Traits

Ji-Hyun Son1, Yang-Mo Koo1*, Yeoung-Ho Jeoung1, Jung-Il Kim1, Dae-Hyeop Cha1, Seong-Jin Kim1, Tae-Jeong Choi2, Mi-Na Park2, Deuk-Hwan Lee3
1Korea Animal Improvement Association, Seoul, 06668, Korea
2National Institute of Animal Science, Cheonan, 31000, Korea
3Department of Animal Life & Environment Science, Hankyong National University, Anseong, 17597, Korea
* Corresponding author: Yang-Mo Koo Tel: +82-2-588-9301 Fax: +82-2-582-3475 Email: greatman009@hanmail.net
March 9, 2021 ; June 22, 2021 ; July 13, 2021

Abstract


This study estimated the reliability of EBV (Estimated Breeding Value) used for animal improvement by PEV (Prediction Error Variance) and MTEDC (Multiple-trait Effective Daughter Contribution) methods respectively. The reliability of Hanwoo carcass traits EBV was evaluated and compared. The reliability of EBV was analyzed based on data extracted from random sampling by iterating 10 times at 1,391,141 animals. The reliability validation methods are compared by PEV and MTEDC. In Data 1 of PEV, the reliability of CW (Carcass Weight), EMA (Eye Muscle Area), BF (Backfat Thickness) and MS (Marbling Score) was estimated using PEV and the reliability of each traits was analyzed as 0.38, 0.39, 0.40 and 0.42. In Data 2 of MTEDC, the reliability was estimated using MTEDC and the reliability of each trait was analyzed as 0.45, 0.48, 0.48 and 0.52. The estimated reliability of the cows progeny animals (0-5) of CW was 0.30-0.64 in Data 1 and 0.42-0.52 in Data 2. The reliability of the EMA was 0.57-0.67 in Data 1 and 0.47-0.55 in Data 2, the reliability of BF was 0.31-0.67 in Data 1 and 0.43-0.55 in Data 2 and the reliability of MS was estimated to be 0.33-0.73 in Data 1 and 0.43-0.60 in Data 2. It is difficult to estimate a reliability of 0.5 or higher due to the low progeny of Hanwoo cows. Accordingly, it is estimated that more than 100 animals related to pedigree are needed to improve reliability. To this end, it is considered important that the number of offspring of each sire is included in the evaluation of more than 100 records in the data composition for estimated breeding value and reliability. It is suggested that the nationwide pedigree data and performance test data, which can implement robust relationship matrices in the data configuration for EBV evaluation, should be analyzed together.



한우 도체형질 육종가 신뢰도 추정을 위한 PEV와 MTEDC 방법의 비교 연구

손지현1, 구양모1*, 정용호1, 김정일1, 차대협1, 김성진1, 최태정2, 박미나2, 이득환3
1한국종축개량협회
2국립축산과학원
3한경대학교

초록


본 연구는 가축 개량을 위해서 사용되는 육종가의 신뢰도를 PEV (Prediction Error Variance) 방법과 MTEDC (Multiple-trait Effective Daughter Contribution) 방법으로 각각 추정하여, 한우 육종가 신뢰도 수준을 평가·비교하고자 하였다. 본 연구를 위해 혈통등록 거세우 중 결측치와 이상치를 제거하고 도축월령이 27-32개월령 1,391,141두의 도체자료를 이용하였다. 한우 농가의 도축기록이 있는 개체의 모집단(Population)에서 무작위 추출법(Random Sampling)으로 10번 반복하여 추출된 표본자료(Data 1)과 전국 한우농가의 전체 도체자료(Data 2)를 분석에 이용하였다. 한우 도체형질 추정육종가의 신뢰도는 PEV로 분석한 Data 1에서 도체중, 등심단면적, 등지방두께, 근내지방도가 각각 0.38, 0.39, 0.40, 0.42로 추정되었고 MTDEC로 분석한 Data 2에서는 0.45, 0.48, 0.48, 0.52로 분석되었다. 도체중의 후대 두수별(0-5두) 신뢰도는 Data 1에서 0.30-0.64, Data 2에서 0.42-0.52로 분석되었고 등심단면적에서 Data 1과 Data 2가 각각 0.57-0.67, 0.47-0.55, 등지방두께는 Data 1과 Data 2가 각각 0.31-0.67. 0.43-0.55, 근내지방도는 Data 1과 Data 2가 각각 0.43-0.60으로 분석되었다. 분석 결과 표본에 따라 다소 차이가 있었으나 암소 후대 수에 따라 뚜렷한 차이가 있었으며, 신뢰도는 형매 기록 수가 늘어날수록 추정육종가의 신뢰도가 향상됨을 확인할 수 있었다. 한우 암소의 후대가 대부분 0-1두 사이로 개체별 높은 신뢰도를 갖기 어려운 상황이므로 신뢰도 향상을 위해서는 형매 두수가 100두 이상 필요할 것으로 판단되며 이를 위해 육종가 추정을 위한 데이터 구성에서 강력한 혈연계수 행렬을 구현할 수 있는 전국단위 혈통자료와 그에 따른 능력검정 성적이 함께 분석되어야 할 것으로 사료된다.



    서론

    가축 개량을 위해서는 일반적으로 추정육종가(EBV, Estimatied Breeding Values)를 기초로 선발과 도태가 이루어지고 농가단위 개체의 선발과 도태는 육종가를 많이 이용하고 있지만, 씨수소를 제외한 암소 및 송아지의 육종가 신뢰도는 제시되지 않고 있어 농가단위 가축개량에 어려움이 있다. 육종가의 신뢰도를 추정하는 방법은 예측 오차 분산(PEV, Prediction Errors Variance)을 기초 로 추정하는 방법과, 다형질 유효 딸소(후대) 기여도MTEDC (Multiple-trait Effective Daughter Contribution)로 추정하는 방 법이 있다. EBV의 예측 오차 분산은 EBV의 신뢰도 평가를 제공 하기 위해 유전능력평가에 사용되는 통계모형에 기초로 계산이 된 다(Henderson, 1975a;Henderson, 1984). 유전능력평가를 위하여 PEV는 혼합모형방정식(MME, Mixed Model Equation)의 좌변 (LHS, Left Hand Side)의 역행렬을 직접 구해야 하지만, 이것이 가능하지 않으면 근사치 또는 선발지수 이론에 의해 생성되며, EBV 신뢰도는 최종 사용자가 더욱 쉽게 해석할 수 있게 하려고 유전평가 프로그램에서 PEV를 직접 계산하는 대신 PEV에서 파생 된 EBV의 신뢰도를 계산하게 되며, 이는 PEV와 상가적 유전분산 (Additive Genetic Variance)의 비율을 1로 뺄셈하여 계산된다 (Misztal & Wiggans, 1988;VanRaden et al., 1991;Harris & Johnson, 1998;Mrode & Thompson, 2005;Hickey et al., 2009). 다형질 유효 후대 기여도 추정의 접근법은 단형질모형에서 다형질모형(Multipe-trait Models)으로 확장되었으며(Graser & Tier, 1997;Liu et al., 2001;Strabel et al., 2001;VanRaden, 2001), 국제 씨수소 유전능력평가에서는 가중치를 적용하여 신뢰 도를 추정하는 방법을 적용하여, 씨수소의 후대축 정보와 연관되어 신뢰도를 함께 계산하기 위한 유효 딸소 기여도(EDC, Effective Daughter Contribution) 방법의 개발을 가져왔다(Harris & Johnson, 1998;Fikse & Banos, 2001;Liu et al., 2004, Cho et al., 2013).

    한우 개량을 위해 혈연관계에 근거하여 계산된 혈통지수(PI, Pedigree Index) 및 추정육종가 등을 제공하고 있지만, 최근 한우 개량의 관심도가 높아져 혈통지수와 추정육종가 뿐만 아니라 신뢰 도 기준의 선발 및 도태자료가 필요하다. 개체를 선발하고 도태하 는데 육종가도 중요하지만, 그것보다 더 중요한 것은 신뢰도와 신 뢰도이며, 특히, 한우 암소개량을 위해서는 육종가와 신뢰도가 함 께 제공되고 이용되어야 한다. 따라서 본 연구에서는 PEV와 MTEDC 방법으로 각각 신뢰도를 추정하여, 한우 육종가 신뢰도 수준을 평가·비교하고자 하였다.

    재료 및 방법

    1. 공시 재료

    본 연구를 위하여 4,040 농가로부터 도축된 970,567두의 도축 기록으로부터 10번 반복되어 추출된 표본 자료(S1-S10, Data 1) 와, 전국의 한우농가에서 사육하여 2009년부터 2019년까지 도축 하여 한국종축개량협회에 혈통등록 된 거세우 중 결측치 및 이상치 를 제거하고 도축월령이 27개월령에서 32개월령 이외의 기록은 분석에서 제외한 1,391,141두의 도체자료(S11; Data 2)를 분석에 이용하였다. 이용된 형질은 도체중(CW, Carcass Weight), 등심단면 적(EMA, Eye Muscle Area), 등지방두께(BF, Backfat Thickness) 및 근내지방도(MS, Marbling Score)의 4개 형질을 고려하였다.

    2. 분석방법

    2.1. 육종가 추정 방법

    육종가 추정을 위해 S1부터 S10의 자료(Data 1)는 BLUPF90 Family of Programs (Misztal et al., 2018)으로 육종가를 추정하 였고, S11 자료(Data 2)는 독일 연방축산정보연구소에서 개발한 PEST (Groeneveld & Kovac, 1990;Groeneveld, 1992;Groeneveld, 1994) 프로그램을 이용하였으며, 평가모형은 동일하 게 적용하였다.

    한우 도체형질에 영향을 미치는 환경요인으로 Major Fixed Effect인 농가-도축년도-도축계절(HYS)의 동기우군 및 도축월령 을 고정효과로 설정하였으며, SAS 통계분석 프로그램의 일반화 선형모형(GLM, Generalized Linear Model) Procedure를 이용하 여 각각의 표본에 대하여 분산분석을 실시하였다. 그 결과 모든 도체형질에서 농가, 도축년도, 도축계절 및 도축월령에 대하여 고 도의 유의성이 있는 것으로 나타났다. 따라서 한우 도체형질의 유 전모수 및 육종가 추정을 위한 다형질 개체모형(Multiple Trait Animal Models)은 다음과 같이 설정하였다.

    Y ijk = μ + HYS i  + AS j  + a ijk  + e ijk
    식 (1)

    Yijk : i번째 농가-도축년도-도축계절(HYS)에 대한 j번째 도축월령의 도축 형질 별 관측치(CW, EMA, BF, MS)

    • μ : 형질의 전체평균

    • HYS : 형질의 i번째 농가-도축년도-도축계절의 고정효과

    • AS j : j번째 도축월령의 고정효과(j=27~32)

    • aijk : 개체의 상가적 유전(임의)효과

    • eijk : 형질에 대한 모형식의 각 요인들로 설명되지 않은 임의 오차효과

    2.2. 육종가 신뢰도 추정 방법

    2.2.1. PEV를 이용한 신뢰도 추정

    1976년 Henderson이 발표한 BLUP의 대용량 방정식의 해를 구하기 위해 혼합모형방정식(MME, Mixed Model Equation)을 많이 사용하고 방정식의 좌변(LHS, Left Hand Side)과 우변 (RHS, Right Hand Side)을 이용하여 해(Solution)를 구하고 있다. 여기서 LHS의 전체를 역행렬(Inverse Matrix)을 하여 C11~C22의 매트릭스를 재구성하게 되며, 추정된 C행렬을 이용하여 PEV (Prediction Error Variance)를 추정하고 유전분산을 대입하여 육 종가의 신뢰도를 추정하게 된다. 이를 위해 BLUPF90 family of programs (Misztal & Perez-Enciso, 1993;Misztal et al., 2018) 이용하여 신뢰도를 추정하였다.

    Data 1의 육종가 신뢰도 추정은 BLUPF90의 육종가 표준오차 계산 옵션(OPTION sol se)을 이용하여 개체에 대한 예측 오차 분산(표준오차)을 계산하였으며, 개체의 상가적 유전효과의 신뢰 도는 표준오차로부터 아래와 같이 계산하였다.

    [ A B B D ] [ g ^ s ^ ] = [ r 1 r 2 ]
    식 (2)

    Variance of Prediction Errors 다음과 같다.

    var [ g ^ s ^ s ] = [ A B B D ] 1 , σ e 2 = [ C 11 C 12 C 12 C 22 ] = σ e 2
    식 (3)

    이를 역행렬하여 Iteration 방법으로 해를 다음과 같이 수렴하게 된다.

    첫 번째 계산방식

    [ A B B D ] [ C 11 C 12 ] = [ I O ]
    식 (4)

    두 번째 계산방식

    [ A B B D ] [ C 12 C 22 ] = [ O I ]
    식 (5)

    상기 방식으로 방정식을 행렬식으로 전환하면 다음과 같다.

    R I 2 = [ cov ( s ^ , s ) σ s ^ σ s ] 2
    식 (6)

    Henderson 방법의 BLUP 풀이과정에서 V(s) = cov(s,s)= V(s)-V(s-s)로 두면,

    R I 2 = 1 [ V ( s ^ s ) V ( s ) ]
    식 (7)

    ij번째 개체 값을 추정하기 위해 C22의 Diagonal Element 값을 cij, ij로 한다.

    R I 2 = 1 cij , ij σ e 2 / σ s 2
    식 (8)

    R2에서 제곱근을 우변이로 이항하여 계산한다.

    R = 1 c ij,ij , σ e 2 / σ a 2
    식 (9)

    R값이 육종가의 신뢰도로 구현되게 된다.

    ACC i = 1 se ( a i ) 2 / σ a 2
    식 (10)

    • Acc : Accuracy, 여기서, se(ai )2는 i번째 개체에 대한 예측 오차 분산, σ a 2 는 상가적 유전분산

    2.2.2. MTEDC를 이용한 신뢰도 추정

    Data 2의 육종가 신뢰도 추정은 개체 후대의 표현형 및 주요 동기군별 두수를 이용하여 추정하였으며 포트란 기반으로 자체 개 발된 REL4.pfm 프로그램(Liu et al., 2004)을 이용하였다. REL4.pfm은 후대 개체의 기록과 연관하여 신뢰도를 계산하는 다 형질 유효 후대 기여도(MTEDC, Multiple Traits Effective Daughter Contribution)를 통해 육종가의 신뢰도를 추정한다(Liu et al., 2001;VanRaden & Wiggans, 1991;Cho et al., 2013).

    혼합모형방정식에서 개체(Animal)의 상가적 유전효과와 잔차 효과의 벡터 및 분산을 대입하여 방정식의 좌변과 우변을 계산하면 아래와 같다.

    ( Z a W a Z a + G a -1 ) a ^ = Z a W a y
    식 (11)

    좌변의 역행렬 중 Random effect를 C라고 정의하게 되면, 다형 질 육종가에 대한 신뢰도는 아래와 같다.

    R a = G a -1 ( G a -C ) = I G a -1 C = I ( Z a W a Z a G a + I ) 1
    식 (12)

    상기 식을 MTEDC로 계산하기 위해 변환하면 아래와 같다.

    ψ = Z a W a Z a = [ I R a -1 I ] G a -1
    식 (13)

    개체별 육종가의 신뢰도를 추정하기 위하여 검정기록이 있는 개체를 기준으로 그 개체 선대의 육종가의 평균과 후대축의 정보를 포함하여 Major Fixed Effect (Herd-Year-Season)에 포함하여 계산하게 되며 다형질 EDC를 이용하여 신뢰도를 구성하면 다음과 같다.

    R = I ( 1 4 Ψ T G 0 + I ) 1
    식 (14)

    • R : Accuracy, ΨT: 전체 유효 자손의 기여도(EDC), Go : 유전분산공분산행렬, I : 단위 행렬

    결과 및 고찰

    1. 데이터 기초통계량

    한우 암소와 씨수소에 대한 970,567두의 자료를 SAS 통계프로 그램의 SURVEYSELECT Procedure를 이용하여 10번 반복하여 표본 추출한 자료(Data 1)의 평균 및 표준편차는 Table 2에 나타내 었다. 도체중은 평균 441.0㎏(439.63-442.27), 등심단면적, 등지 방두께 및 근내지방도는 각각 92.8㎠(92.59-93.02), 13.9㎜ (13.78-13.97) 및 5.9점(5.82-5.93)이였다. Pest2 프로그램을 이용 하여 전체 자료를 분석하기 위해 구성한 1,391,141두 자료(Data 2)의 기초통계량은 Table 3에 나타내었다. 29.84개월령에 도축된 거세우의 도체중, 등심단면적, 등지방두께 및 근내지방도는 각각 436.97±48.05㎏, 92.26±11.04㎠, 13.57±5.10㎜ 및 5.76±1.86점 이였다.

    2. 육종가 신뢰도

    한우 암소의 육종가를 추정하였을 때 기대되는 육종가 신뢰도를 추정하여 Table 4에 나타내었다. PEV를 이용한 신뢰도는 Data 1, MTEDC를 이용한 신뢰도는 Data 2에서 각각 비교하였다. Data 1에서 추정된 암소의 육종가 신뢰도는 도체중, 등심단면적, 등지방 및 근내지방도에서 각각 0.38, 0.39, 0.40, 0.42로 분석되었다. Data 2에서는 암소 1,522,716두에 대한 육종가 신뢰도가 도체중, 등심단면적, 등지방두께 및 근내지방도에서 각각 0.45, 0.48, 0.48 및 0.52로 분석되어 Data 1 결과와 비교해 도체중 0.07, 등심단면 적 0.09, 등지방두께 0.08 및 근내지방도 0.10 높았다. 형질별 육종 가 신뢰도를 비교해 보면 근내지방도의 육종가 신뢰도가 가장 높게 나타났으며, 상대적으로 도체중의 육종가 신뢰도가 낮게 나타났다. 이는 일반적으로 동물 육종가 추정 방법이 유전력을 기반으로 추 정되는 이유인 것으로 사료된다(Henderson, 1975b;VanRaden, 2008).

    또한 Data 2에서 추정된 육종가의 신뢰도가 모든 형질에 대해서 0.45 이상으로 추정되긴 했으나 일반적으로 0.5가 넘지 못하는 수 치를 보였다. 이는 도체성적의 경우는 자기 자신의 표현형 기록이 없으므로 0.5 이상의 높은 신뢰도를 얻기 위해선 후대의 표현형 기록이 중요하며(Van Vleck & Pollak, 1987), Park et al. (2017) 이 한우 암소 추정육종가의 신뢰도를 암소 산차별 분석에서는 후대 두수가 2-3두에서, 약 40%의 신뢰도를 나타내었고, 후대의 수가 4마리인 경우 48%-57%, 후대 두수가 5-6두에서 50%-60%의 신 뢰도를 보고하였다. 이는 후대의 수가 많아질수록 추정육종가의 신뢰도가 증가하는 것에 영향한 것으로 사료된다.

    따라서 암소 추정육종가의 신뢰도는 후대의 수가 많을수록 올라 간다고 할 수 있는데, 실제 한우 암소는 도축월령이 54개월령 (KAPE, 2019)으로 번식우의 초산일령이 24.4개월령(Han, 2002) 임을 감안 했을 때 평균적으로 약 30개월 비육 후 출하되는 거세우 의 도축기록을 1두 이상 갖기 어렵다. 즉 일반적으로 2산, 3산 사이 에 비육되는 암소는 후대의 도축기록을 갖기 이전에 도축될 확률이 높으며, 도축 시점에 개체의 능력을 판단할 추정육종가의 신뢰도가 낮을 수밖에 없다.

    Table 5에서는 암소 추정육종가 분석에 이용된 암소 후대 거세 우의 두수별 빈도와 비율을 나타내었다. 암소가 갖는 후대의 수는 6두 이상을 갖는 개체들도 있었으나 두수가 매우 적어 Table에 는 제시하지 않았으며, 후대의 수가 0두인 경우가 Data 1에서 평균 56.7%(56.0%-57.9%), 1두 40.8%(32.0%-41.3%), 2두 2.2%(1.5%-2.4%), 3두 0.2%(0.1-0.3%), 4두 및 5두는 0.0%로 나타났다. Data 2에서는 0두의 후대 거세우 성적을 가진 암소는 1,522,716두 중 31.8%인 484,440두(31.8%)였으며, 1두, 2두, 3 두, 4두 및 5두의 후대 거세우 성적을 가진 암소는 각각 767,761두 (50.4%), 206,976두(13.6%), 49,067두(3.2%), 1,126두(0.7%) 및 2,621(0.2%)로 나타났다. 1두 이내(0두-1두)의 도축성적을 가 진 개체의 비율은 Data 1에서 평균 97.5%, Data 2에서 82.2%였 다. 표본 구간을 추출한 것이 아닌 전체 거세우 도체성적을 대상인 Data 2에서 표본을 추출한 집단에 비해 1두 이상 후대 비중이 높음 을 확인할 수 있었는데 이는 표본추출 방법에서 암소의 후대 도축 성적을 추출한 것이 아니고 농가를 기준으로 추출하였기 때문에 번식농장에서 생산한 송아지가 다른 농가로 이동하였을 경우 후대 가 기록에서 누락될 수 있다. 이러한 이유로 Data 2의 암소의 후대 거세우 분포가 Data 1보다 상대적으로 정확할 것으로 사료된다. Data 2의 비율을 확인해 봤을 때 전체 개체의 30% 이상의 암소가 육종가 추정을 위해 1두의 후대의 기록도 이용할 수 없으며, 거세 우 후대가 도축되어 자료가 생성되는 시점에서 평균 54개월에 도 축되는 암소는 이미 도축되었을 확률이 높아서 실제로 후대 거세우 성적이 0두인 암소의 비율은 더 높을 것으로 사료된다.

    도체중에서 후대거세우의 두수에 따른 암소의 추정육종가 신뢰 도를 Table 6에서 살펴보면 Data 1에서 암소 후대거세우의 두수가 0두에서 평균 0.30±0.20(0.29-0.30), 1두에서 평균 0.48±0.13 (0.47-049)로 나타났다. 2두, 3두, 4두 및 5두에서는 각각 0.55±0.09(0.54-0.56), 0.59±0.07(0.57-0.61), 0.62±0.05(0.60-0.64) 및 0.64±0.04(0.61-0.67)로 추정되었다. Data 2에서는 0두에서 0.42±0.08, 1두에서 평균 0.43±0.06로 나타났다. 2두, 3두, 4두 및 5두에서는 각각 0.45±0.06, 0.47±0.06, 0.50±0.05 및 0.52±0.04로 추정되었다. Data 2가 Data 1 대비 후대 거세우 수가 0두 일 때 0.12 높았지만 1두, 2두, 3두, 4두 및 5두 일 때 0.05, 0.10, 0.12, 0.12 및 0.12 낮았다. Park et al. (2017)은 암소 후대의 기록이 2두에서 0.43±0.12, 3두에서 0.47±0.09, 4두에서 0.50±0.06, 5두에서 0.53±0.06, 6두에서 0.53±0.04로 보고하였는데 이는 Data 2의 결과와 비슷한 경향을 나타내었다.

    등심단면적에서 후대거세우의 두수에 따른 암소 추정육종가 신뢰도를 Table 7에서 살펴보면 Data 1에서 암소 후대거세우 의 두수가 0두에서 평균 0.31±0.20(0.30-0.32), 1두에서 평균 0.50±0.12(0.48-052)로 나타났다. 2두, 3두, 4두 및 5두에서는 각 각 0.57±0.08(0.55-0.60), 0.62±0.06(0.59-0.64), 0.65±0.05 (0.63-0.67) 및 0.67±0.04(0.65-0.69)로 추정되었다. Data 2에서 0두에서 0.43±0.08, 1두에서 평균 0.44±0.06로 나타났다. 2두, 3 두, 4두 및 5두에서는 각각 0.47±0.05, 0.50±0.05, 0.53±0.05 및 0.55±0.04로 추정되었다. Data 2가 Data 1 대비 후대 거세우 수가 0두에서 0.12 높았지만 1두, 2두, 3두, 4두 및 5두에서 0.06, 0.10, 0.12, 0.12 및 0.12로 낮게 추정되었다. Park et al. (2017)은 암소 후대의 기록이 2두에서 0.42±0.12, 3두에서 0.45±0.09, 4두에서 0.48±0.06, 5두에서 0.51±0.06, 6두에서 0.50±0.03로 보고하였는 데 이는 도체중과 분석결과와 비슷하고 Data 2의 결과와 비슷한 경향을 나타내었다.

    등지방두께에서 후대거세우의 두수별 암소의 추정육종가 신뢰 도를 Table 8에서 살펴보면 Data 1에서 암소 후대거세우의 두수가 0두에서 평균 0.31±0.20(0.30-0.32), 1두에서 평균 0.51±0.12 (0.49-052)로 나타났다. 2두, 3두, 4두 및 5두에서는 각각 0.58±0.08(0.57-0.60), 0.63±0.05(0.61-0.65), 0.66±0.04(0.63-0.67) 및 0.67±0.04(0.65-0.71)로 추정되었다. Data 2에서 0두에서 0.43±0.08, 1두에서 평균 0.44±0.06로 나타났다. 2두, 3두, 4두 및 5두에서는 각각 0.47±0.05, 0.50±0.05, 0.53±0.05 및 0.55±0.04로 추정되었다. Data 2가 Data 1 대비 후대 거세우 두수 가 0두 일 때 0.12 높았지만 1두, 2두, 3두, 4두 및 5두에서는 0.06, 0.10, 0.12, 0.12 및 0.12 낮았다. Park et al. (2017)은 암소 후대의 기록이 2두에서 0.48±0.12, 3두에서 0.53±0.09, 4두에서 0.56±0.09, 5두에서 0.60±0.06, 6두에서 0.60±0.03로 보고하였는 데 Data 2에서 추정한 신뢰도 보다 약 5%정도 높게 추정된 것으로 보이며 이러한 결과는 분석에 이용한 형질별 유전력의 차이에 따른 것으로 사료된다.

    근내지방도에서 후대거세우의 두수별 암소의 추정육종가 신뢰 도를 Table 9에서 살펴보면 Data 1에서 암소 후대거세우의 두수가 0두에서 평균 0.33±0.20(0.31-0.34), 1두에서 평균 0.53±0.11 (0.50-056)로 나타났다. 2두, 3두, 4두 및 5두에서는 각각 0.62±0.07(0.58-0.64), 0.67±0.04(0.63-0.70), 0.70±0.03(0.68-0.73) 및 0.73±0.03(0.70-0.76)로 추정되었다. Data 2는 0두에서 0.43±0.08, 1두에서 평균 0.46±0.06로 나타났다. 2두, 3두, 4두 및 5두에서는 각각 0.50±0.05, 0.53±0.05, 0.57±0.04 및 0.60±0.04로 추정되었다. Data 1과 Data 2에서 기존 다른 형질들 에 비해 신뢰도가 높게 추정되었는데 이는 도체중, 등심단면적, 등지방두께 및 근내지방도에서 적용된 유전력이 0.28, 0.28, 0.35 및 0.48로 근내지방도의 유전력이 다른 형질에 비해 높았기 때문으 로 사료된다. Park et al. (2017)은 암소 후대의 기록이 2두에서 0.48±0.11, 3두에서 0.53±0.09, 4두에서 0.57±0.06, 5두에서 0.60±0.05, 6두에서 0.60±0.04로 보고하여 Data 2와 비슷한 경향 을 보고하였다.

    Table 5에서 나타낸 것과 같이 일반적으로 한우 암소는 후대 수가 적기 때문에 형매의 성적 즉 암소의 아비로부터 태어난 반형 매의 표현형 기록이 중요하다. Park et al. (2017)은 암소의 추정육 종가의 신뢰도를 높이기 위해서는 추정하려고 하는 암소의 아비 정보를 확보하고, 암소의 아비의 후대정보를 가능한 한 많이 확보 하여 유전능력평가를 수행하는 것이 암소의 육종가의 신뢰도를 높 이는 방법일 것이라고 하였으며, 씨수소의 추정 육종가는 신뢰도가 높을수록 그 후대인 암소의 육종가도 높게 추정한다고 보고하였다. Table 5에 제시한 것처럼 한우 암소에서 후대 거세우 기록이 0-1두 인 경우가 전체의 80% 이상인 것으로 분석되었으므로 대부분의 한우 암소가 0.5 이상의 추정육종가의 신뢰도를 갖기 어려운 상황 에서 신뢰도 향상을 위하여 형매 두수가 100두 이상 필요할 것으로 판단된다. 이를 위해 육종가 추정을 위한 데이터 구성에서 씨수소 (Sire)별 후대 거세우 자손 두수가 100두 이상의 기록을 자료에 포함할 필요가 있을 것으로 사료된다.

    결과에서 확인할 수 있듯이 한우 암소는 후대 수가 적기 때문에 형매의 성적과 암소의 아비로부터 태어난 반형매의 표현형 기록이 중요하기 때문에 후대 및 형매의 두수가 신뢰도에 영향을 미치는지 확인하기 위하여 표본을 추출한 집단별 암소 후대 거세우 두수 및 형매 두수에 따른 형질별 육종가 신뢰도를 확인하였다. 분석 결과 표본에 따라 다소 차이가 있었으나 암소 후대 수에 따라 뚜렷 한 차이가 있었으며, 신뢰도는 형매 기록 수가 늘어날수록 추정육 종가의 신뢰도가 향상됨을 확인할 수 있었다. 한우 대부분의 암소 의 후대가 0-1두 사이로 50% 이상의 추정육종가의 신뢰도를 갖기 어려운 상황에서 신뢰도 향상을 위하여 형매 두수가 100두 이상 필요할 것으로 판단되며 이를 위해 육종가 추정을 위한 데이터 구성에서 강력한 혈연계수 행렬을 구현할 수 있는 전국단위 혈통자 료와 그에 따른 능력검정 성적이 함께 분석되어야 할 것으로 사료 된다.

    Figures

    Tables

    Number of records (Obs.) by slaughter (NOS), pedigree (NOP), sire (NOS) and dam (NOD) in Hanwoo

    Number of records (Obs.), mean, standard deviations for Hanwoo data 1

    Simple statistics of carcass traits for Hanwoo data 2

    Reliability of estimated breeding value for carcass traits in Hanwoo cow

    Frequency and proportion by number of offspring in Hanwoo cow

    EBV reliability estimates (Means±Standard deviation) based on the number of offspring for carcass weight in Hanwoo

    EBV reliability estimates (Means±Standard deviation) based on the number of offspring for eye muscle area in Hanwoo

    EBV reliability estimates (Means±Standard deviation) based on the number of offspring for backfat thickness in Hanwoo

    EBV reliability estimates (Means±Standard deviation) based on the number of offspring for marbling score in Hanwoo

    References

    1. Cho KH , Choi TJ , Cho CI , Park KD , Do CH , Oh JD , Lee HK , Kong HS and Lee JH. 2013. Approximation of multiple trait effective daughter contribution by dairy proven bulls for MACE. J. Anim. Sci. Technol. 55(5): 399-403.
    2. Fikse WF and Banos G. 2001. Weighting factors of sire daughter information in international genetic evaluations. J. Dairy Sci. 84: 1759-1767.
    3. Graser HU and Tier B. 1997. Applying the concept of number of effective progeny to approximate accuracies of predictions derived from multiple-trait analyses. In Proc. Assoc. Adv. Anim. Breed. Genet., Dubbo, NSW, Australia. pp.547-551.
    4. Groeneveld E and Kovac MA. 1990. Generalized computing procedure for setting up and solving mixed linear models. J. Dairy Sci. 73: 513-531.
    5. Groeneveld E. 1992. Performance of direct sparse matrix solvers in derivative free REML covariance component estimation. J. Anim. Sci. 70: 145.
    6. Groeneveld E. 1994. A reparameterization to improve numerical optimization in multivariate REML (co)variance component estimation. Genet. Sel. Evol. 26: 537-545.
    7. Han KJ. 2002. Effects of environmental factors on reproductive traits in Korean Cattle. Kor. J. Anim. Sci. & Technol. 44(2): 191-200.
    8. Harris B and Johnson D. 1998. Approximate reliability of genetic evaluations under an animal model. J. Dairy Sci. 81: 2723-2728.
    9. Henderson CR. 1975a. Best linear unbiased estimation and prediction under a selection model. Biometrics 31: 423-47.
    10. Henderson CR. 1975b. Comparison of alternative sire evaluation methods. J. Anim. Sci. 41: 760-770.
    11. Henderson CR. 1984. Applications of linear models in animal breeding. (3rd ed.). In Schaeffer LR. ed. University of Guelph, Canada.
    12. Hickey JM , Veerkamp RF , Calus MPL, Mulder, HA and Thompson R. 2009. Estimation of prediction error variances via Monte Carlo sampling methods using different formulations of the prediction error variance. Genet Sel. Evol. 41: 23.
    13. KAPE(Korea Institute for Animal Products Quality Evaluation).2019. Animal products grading statistical yearbook. 24p.
    14. Liu Z , Reinhardt F and Reents R. 2001. The effective daughter contribution concept applied to multiple trait models for approximating reliability of estimated breeding values. Interbull Bulletin 27: 41-47.
    15. Liu Z , Reinhardt F , Bünger A and Reents R. 2004. Derivation and calculation of approximated reliabilities and daughter yield-deviations of a random regression test-day model for genetic evaluation of dairy cattle. J. Dairy Sci. 87: 1896-1907.
    16. Misztal I and Perez-Enciso M. 1993. Sparse matrix inversion for restricted maximum likelihood estimation of variance components by expectation-maximization. J. Dairy Sci. 76(5): 1479-1483.
    17. Misztal I and Wiggans GR. 1988. Approximation of prediction error variance in large-scale animal models. J. Dairy Sci. 71: 27-32.
    18. Misztal I , Tsuruta S , Lourenco DAL , Masuda Y , Aguilar I , Legarra A and Vitezica Z. 2018. Manual for BLUPF90 family programs. University of Georgia. http://nce.ads.uga.edu/wiki/doku.php?id=documentation (2020.7.27.).
    19. Mrode RA and Thompson R. 2005. Linear models for the prediction of animal breeding values, Ed. 2. CAB International, Wallingford, UK.
    20. Park MN , Kim YK , Lim DJ , Dang CG , Gondro C , Park BH , Kim SD and Lee SH. 2017. Factor affecting estimated breeding value of cow from pedigree and progeny records in Hanwoo. J. Animal Breeding and Genomics 1: 31-39.
    21. Strabel T , Misztal I and Bertrand JK. 2001. Approximation of reliabilities for multiple-trait model with maternal effects. J. Anim. Sci. 79: 833-839.
    22. Van Raden PM and Wiggans GR. 1991. Derivation, calculation and use of national animal model information. J. Dairy Sci. 74: 2737-2746.
    23. Van Raden PM. 2001. Methods to combine estimated breeding values obtained from separate source. J. Dairy Sci. 84(E.Sup-pl.): E47-E55.
    24. Van Raden PM. 2008. Efficient methods to compute genomic predictions. J. Dairy Sci. 91: 4414-4423.
    25. Van Vleck LD , Pollak EJ and Branford Oltenacu EA. 1987. Genetics for the animal science. Introduction to quantitative tratis. 230p.
    오늘하루 팝업창 안보기 닫기