한우 보증씨수소 육종가의 정확도 및 순위검증 방법에 관한 연구

손지현; 구양모; 정용호; 김성진; 최태정; 박미나; 이득환

doi:10.12972/jabng.20210015

추천

검색

자료유형: 학술저널

저자정보: 손지현 (한국종축개량협회) 구양모 (한국종축개량협회) 정용호 (한국종축개량협회) 김성진 (한국종축개량협회) 최태정 (국립축산과학원) 박미나 (국립축산과학원) 이득환 (한경대학교)

저널정보: 한국동물유전육종학회 Journal of Animal Breeding and Genomics Journal of Animal Breeding and Genomics Vol.5 No.4

발행연도: 2021.12

수록면: 157 - 169 (13page)

DOI: 10.12972/jabng.20210015

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 현재 후대검정을 통하여 선발하고 있는 보증씨수소의 선발체계를 개선하기 위하여 농가에서 직접 사육하여 출하된한우의 도체 등급판정 결과를 이용하여 보증씨수소의 육종가 정확도를 추정하여 이미 선발된 보증씨수소의 능력을 재평가하고2차 검증을 시행하여 한우 보증씨수소의 육종가 정확도 및 검정체계의 개선에 활용할 수 있는지 알아보고자 실시하였다. 추정된모수로부터 계산된 도체중, 등심단면적, 등지방두께 및 근내지방도의 유전력은 각각 0.23, 0.23, 0.20 및 0.27로 추정되었다. 후대의 도체성적을 가지고 있는 씨수소 643두에 대한 농장 도축자료로부터 추정된 육종가의 정확도는 도체중, 등심단면적, 등지방두께 및 근내지방도에서 각각 0.89, 0.85, 0.89 및 0.90으로 나타났으며 검정소 후대검정을 통하여 추정된 육종가 정확도 0.78, 0.78, 0.78 및 0.79 보다 약 10∼11% 높게 추정되었다. 후대검정에서 약 20두의 후대가 있으면 0.90 이상의 육종가 정확도를 기대할 수있는 것으로 나타났으나 후대검정에서 수집되는 후대표현형 자료는 평균 8두로 약 0.70∼0.75 수준의 정확도를 보이며, 0.9 이상의 정확도를 추정한 씨수소의 비율은 도체중, 등심단면적, 등지방두께 및 근내지방도에서 각각 4.8%, 3.6%, 3.3% 및 4.2%에 불과했다. 농장에서 출하된 도체성적을 통해 추정된 육종가의 정확도는 98% 이상의 씨수소에서 0.7 이상의 정확도를 보였으며, 0.9 이상의 정확도를 추정한 씨수소의 비율은 도체중, 등심단면적, 등지방두께 및 근내지방도에서 각각 56.6%, 56.8%, 55.4% 및58.8%인 것으로 나타났다. 이는 농장의 출하된 도축성적에서 씨수소 당 평균 후대 두수가 2,455두로 비교적 많았기 때문으로 사료된다. 또한 한우 보증씨수소 선발을 위하여 추정된 형질별 육종가가 실제로 이들 개체로부터 태어난 자손에서 추정 육종가만큼의 능력을 발현하였는지 알아보기 위하여 자손들의 도체성적을 조사하고 농장 및 도축년도-계절에 의한 편의를 제거한 보정표현형(Corrected Phenotype) 성적을 보증씨수소 선발 시 추정된 육종가와의 순위 상관 분석을 시행하였다. 또한 같은 방법으로 농가의 도축성적을 이용한 2차 검증 육종가도 Corrected Phenotype 성적과 순위 상관 분석을 시행하였다. 후대검정 육종가와의 비교에서 순위 상관은 0.62, 0.57, 0.54, 0.52로 추정되어 이론적인 육종가 정확도 추정치인 0.78에 못 미치는 결과를 보여주었다. 이러한 결과를 보여주는 대표적인 원인으로 도축개월의 차이와 검정을 하기에 부족한 후대검정 두수를 들 수 있을 것이다. 따라서 보증씨수소의 정확도를 높이기 위하여 후대검정 전문 농가의 확대를 통한 후대검정 두수의 증가와 신규형질로써 농가 도축 시점(30～31개월)에 출하하는 후대를 생산할 필요성이 대두된다. 단, 이러한 문제는 예산 확보 및 농가 참여의 어려움을 안고있어서 장기적으로 해결해야 할 목표가 될 것이며, 기존의 보증씨수소의 순위를 일정량의 후대를 생성한 시점(3년 후)에 현장 데이터를 이용한 2차 검증으로 정액을 재평가할 수 있는 시스템으로 보완할 수 있을 것으로 기대된다.

This study was conducted to solve the problem of Korean Proven Bull (KPN) currently being selected by progeny test. The Estimated Breeding Values (EBV) accuracy of KPN was estimated using the carcass traits data of Hanwoo that was raised and slaughtered directly in the farm, and the ability of KPN was re-evaluated and verified to determine whether it could be used to improve the EBV accuracy and test system of Hanwoo KPN. The heritability of Carcass Weight (CW), Eye Muscle Area (EMA), Backfat Thickness (BF), Marbling Score (MS) calculated from the estimated parameters were evaluated to be 0.23, 0.23, 0.20, and 0.27, respectively. The accuracy of EBVs estimated from farm slaughter data for KPN 643 animals with progeny's carcass traits data was 0.89, 0.85, 0.89, and 0.90, respectively, and the EBV accuracy estimated through the station progeny test was approximately 10~11% higher than farm progeny. In the progeny test, the progeny phenotypic data collected from the progeny test showed an accuracy of about 0.70 to 0.75 on average, and the proportion of KPNs with an accuracy of 0.9 or higher was 4.8%, 3.6%, 3.3% and 4.2%, respectively, in CW, EMA, BF, and MS. The accuracy of EBVs estimated from carcass traits data slaughtered at Hanwoo farms was greater than 0.7 in KPNs over 98%, and the ratio of KPNs with accuracy greater than 0.9 was 56.6%, 56.8%, 55.4%, and 58.8%, respectively, in CW, EMA, BF, and MS. This is believed to be due to the relatively high average number of progeny per KPN at 2,455 animals in farm slaughter data. In addition the carcass traits data of progeny animals was investigated to determine whether the estimated EBV for the selection of Hanwoo KPN expressed EBV's ability in the progeny born from KPN, and the corrected phenotype performance, which eliminated convenience by farm and slaughter year-season, was conducted using the investigated data. In the same way, a secondary verification EBV using the farm carcass traits data was also conducted with corrected phenotype performance and rank correlation. In comparison with progeny test EBV, the rank correlation was estimated to be 0.62, 0.57, 0.54, and 0.52, showing results below the theoretical EBV accuracy estimate of 0.78. Therefore, in order to increase the accuracy of KPN, it is necessary to increase the number of progeny test farms, increase the number of progeny test animals, and add novel traits to produce future generations that slaughter at the point of slaughter (30~31 months). This problem will be a long-term goal due to the difficulty of securing budgets and participating in farms, and it is expected that the existing KPN ranking will be able to be supplemented with a system that can re-evaluate KPN semen with field data approximately three years after production.

#유전모수 #EBV 정확도 #KPN #Corrected Phenotype 상관분석 #Genetic Parameters #EBV Accuracy #KPN #Corrected Phenoytpe Correlation

참고문헌 (27)

참고문헌 신청

국립축산과학원 / 2019 / 2019년도 상반기 한우유전능력평가 보고서(제43호)

조광현 / 2013 / 젖소 국제유전능력 평가를 위한 종모우별 다형질 Effective Daughter Contribution 추정 / 한국축산학회지 55(5):399~403

최태정 / 2006 / 한우의 성장 및 도체형질에 대한 유전모수 추정 / 한국축산학회지 48(6):759~766

Henderson CR / 1963 / Statistical genetics and plant breeding, Publication 982 / National Academy of Sciences, National Research Council :141~163

Henderson CR. / 1975 / Best linear unbiased estimation and prediction under a selection model / Biometrics 31:423~447

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

손지현

소속기관 한국종축개량협회

주요연구분야 농수해양학 > 축산학

논문수 8 이용수 106

Yang-Mo Koo

소속기관 Korea Animal Improvement Association

주요연구분야 농수해양학 > 축산학

논문수 10 이용수 108

정용호

소속기관 한국종축개량협회

주요연구분야 농수해양학 > 축산학

논문수 1 이용수 10

김성진

소속기관 한국종축개량협회 유전정보사업부

주요연구분야 농수해양학 > 축산학

논문수 4 이용수 31

최태정

소속기관 국립축산과학원 가축개량평가과

주요연구분야 농수해양학 > 축산학

논문수 10 이용수 144

박미나

소속기관 국립축산과학원

주요연구분야 농수해양학 > 축산학

논문수 1 이용수 10

이득환

소속기관 한경대학교

주요연구분야 농수해양학 > 축산학

논문수 3 이용수 18

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (27)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)