선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 본 연구는 한우 암소 초음파 측정자료 특징을 알아보고, 측정형질에 대한 유전모수를 추정하여 육질 또는 육량 개량을 위한 기초자료를 제공하기 위해 수행되었다.
제안 방법
- 각 형질에 대한 상가적 유전효과 및 영구환경효과에 대한 유전모수 및 육종가 추정을 위하여 ②와 같은 반복모형을 이용하였다.
- 유전모수 추정을 위하여 반복개체모형을 이용하였으며, 유전모수 추정에는 REMLF90 (Miztal, 2001)을 이용하였다. 유전모수 추정 모형의 설정을 위하여 흉위, 영양도 및 초음파 측정치에 대한 출생년도, 출생계절, 측정년도, 측정계절, 측정지역, 측정연령 등의 환경효과를 추정하였다.
- 유전모수 추정을 위한 동기군 설정에는 측정연도, 측정지역 및 농가를 적용하였으며, 출생년도, 출생계절을 하나의 효과로 통합하여 설정했으며, 측정연령에 대해서는 측정일령으로 변환하여 공변량으로 적용하였다. 측정계절은 동기군 설정에 있어서 큰 차이를 보이지 않아 모형에서 제외하였다.
대상 데이터
- 본 연구는 2001년부터 2009년까지 한국종축개량협회에 의해 수집된 한우 암소 초음파 측정형질(배최장근단면적, 등지방두께 및 근내지방도)이 있는 36,893두를 이용하였고, 그 중 반복측정이 이루어진 개체는 7,913두였다. 초음파 측정에 사용된 한우 암소의 출생년도, 출생계절, 측정년도, 측정계절, 연령, 지역에 대한 두수는 Table 1에 표시한 바와 같다.
- 본 연구는 한우 암소 초음파 측정자료 특징을 알아보고, 측정형질에 대한 유전모수를 추정하여 육질 또는 육량 개량을 위한 기초 자료를 제공하기 위해 수행되었으며, 2001년부터 2009년까지 한국종축개량협회에 의해 측정된 한우 암소 36,893두를 이용하였고, 그중 반복기록이 있는 개체는 7,913두였다.
데이터처리
- 여기서, Yijkl는 ijkl의 각 형질들에 대한 관측치, μi는 i번째 형질의 전체평균, YAFij는 i번째 형질의 j번째 측정년도－측정지역－농가의 고정효과(1,2,3,…,761), YSik는 i번째 형질의 k번째 출생년도－출생계절 i=(1,2,3,…,48), bi는 측정일령의 1차식 회귀계수, Xijkl 는 i번째 형질의 l번째 측정일령의 공변이(Covariate), PEijkl는 영구환경 임의효과 ~N(0,P), aijkl는 개체의 상가적 유전효과~N(0,G), eijkl는 각 측정치의 임의오차 ~N(0,R)이며, 상기 설정한 혼합모형 설정을 위한 환경효과 분석에는 PC용 SAS package ver 9.1.3을 이용하였고, 혈통 자료의 Renumbering과 Fixed effect와 Random effect의 재 정렬을 위하여 RENUMF90(2001, Misztal) 을 사용하였으며, 유전모수 추정을 위하여 EM-REML algorithm 을 바탕으로 Fortran 기반에서 개발된 REMLF90 (Misztal, 2001) 을 이용하여 잔차분산이 10-11 이하로 수렴 될 때까지 반복 추정하여 Variance-covariance 값을 구하였다.
이론/모형
- 배최장근단면적, 등지방두께 및 근내지방도에 대한 상가적 유전 효과에 대한 유전모수 및 육종가 추정을 위하여 ①과 같은 다형질 혼합모형을 이용하였다.
- 유전모수 추정을 위하여 반복개체모형을 이용하였으며, 유전모수 추정에는 REMLF90 (Miztal, 2001)을 이용하였다. 유전모수 추정 모형의 설정을 위하여 흉위, 영양도 및 초음파 측정치에 대한 출생년도, 출생계절, 측정년도, 측정계절, 측정지역, 측정연령 등의 환경효과를 추정하였다.
성능/효과
- 07로 추정되었다. 다형질개체모형으로 추정된 배 최장근단면적, 등지방두께, 근내지방도의 유전분산은 각각 0.78, 0.35, 0.04로 추정되었으며, 환경분산은 50.52, 3.46, 0.57로 추정되었다. 유전력은 각각 0.
- Table 3에서 보는 바와 같이 배최장근단면적과 등지방두께 그리고 근내지방도는 다른 형질과는 다르게 초음파 측정시 편차가 크게 나타날 수 있는 형질이기 때문에 평균과 표준편차의 비인 변동계수(CV)값이 회차에 관계없이 다른 형질들에 비하여 상대적으로 크게 나타났다. 또한 조사된 개체들 중 약 29.75%가 27단계의 근내지방도 점수에서 최하위의 1점을 보였는데 이는 측정자의 오차 및 조사된 개체들의 근내지방도 변이성이 정규성에 다소 벗어난 분포를 보이고 있음을 알 수 있었다.
- Table 4는 초음파 측정형질에 대한 반복개체모형과 다형질개체 모형을 이용하여 유전상관과 영구환경상관을 나타낸 표이다. 반복 개체모형에서의 배최장근단면적과 등지방두께, 배최장근단면적과 근내지방도, 등지방두께와 근내지방도의 유전상관은 각각 0.69, 0.54 및 0.59로 나타났고, 다형질개체모형에서는 각각 0.07, －0.66 및 0.39로 추정되었다. 반복모형에서는 각 형질간에 정의 상관을 나타내었고, 다형질개체모형에서는 배최장근단면적과 근내지방도간에 부의 상관을 나타내었다.
- 194로 추정되어 본 연구와는 차이를 보였다. 반복개체모형에 사용된 영구환경상관은 배최장근단면적과 등지방두께, 배최장근단면적과 근내지방도, 등지방두께와 근내지방도가 각각 0.49, 0.62 및 0.44로 나타났다.
- 반복개체모형으로 추정된 배최장근단면적, 등지방두께 및 근내지방도에 대한 유전력이 각각 0.31, 0.38, 0.27로 나타났고, 다형질개체모형으로 추정한 유전력은 각각 0.02, 0.09, 0.07로 낮게 추정되었다.
- 반복개체모형을 이용한 반복력은 배최장근단면적, 등지방두께, 근내지방도가 각각 0.46, 0.57, 0.39로 나타났다. 분석모형 간의 추정치의 차이를 비교 할 때 반복모형에서의 유전력과 반복력이 높게 추정되었다.
- 반복모형과 다형질개체모형에 의해 추정된 초음파 측정형질의 유전력은 Table 3에 제시하였다. 반복모형으로 추정된 배최장근단면적, 등지방두께, 근내지방도의 유전력은 각각 0.31, 0.38, 0.27로 나타났고, 반복력추정값은 배최장근단면적, 등지방두께, 근내지방도가 각각 0.46, 0.57, 0.39로 추정되었다. 유전분산은 각각 18.
- 39로 나타났다. 분석모형 간의 추정치의 차이를 비교 할 때 반복모형에서의 유전력과 반복력이 높게 추정되었다.
- 09로 나타났다. 흉위의 평균은 179.10 cm였고 개체의 비만도로 측정되는 9단계의 신체충실지수(BCS)는 평균 4.85로 조사자의 주관에 따른 차이가 있다 하더라도 평균 5.0정도로 번식우의 적정 기준치에 적합하다고 사료되었다. Table 3에서 보는 바와 같이 배최장근단면적과 등지방두께 그리고 근내지방도는 다른 형질과는 다르게 초음파 측정시 편차가 크게 나타날 수 있는 형질이기 때문에 평균과 표준편차의 비인 변동계수(CV)값이 회차에 관계없이 다른 형질들에 비하여 상대적으로 크게 나타났다.
후속연구
- 따라서 반복형질 값을 가진 형질들의 측정치를 표준화하여 한우암소개량을 위한 기초자료로 활용된다면 유전능력평가와 개량사업 비용절감에 도움이 될 것으로 기대된다. (주제어: 반복개체모형, 초음파 측정형질, 한우암소)
- 초음파 측정기술을 이용하면 도체형질(배최장근단면적, 등지방두께, 근내지방도)을 추정하는 방법중에서 효율적으로 비교적 정확히 해석 할 수 있다. 발육상태와 생축으로 부터의 육질을 실시간으로 측정하여 출하시기 조절 및 육질평가를 할 수 있으며 우수한 개체의 조기 선발에 초음파를 활용하여 조기선발을 한다면 기존의 후대검정체계보다 시간을 단축하고 비용을 절감 할 수 있을 것으로 사료된다. 하지만 이러한 장점이 있는 반면에 측정자, 화상판독자, 개체의 보정 상태, 동기군 설정 등 필드에서 자료를 수집하거나 조사함에 있어 상당한 오차를 안고 있는 것도 사실이다.
- 그러나 유전력이 낮은 형질에 있어서는 개체간의 차이가 주로 환경적인 원인에 의하여 나타나므로 개체의 표현형에만 근거하여 판단하기 어렵다. 이에 환경효과와 영구환경효과를 고려한 어느 한 형질의 반복기록들에 대해 반복력을 추정하게 된다면 가축 경제형질에 대하여 혹은 종축으로 더 이용할 것인가 하는 문제를 결정하는데 유익하게 쓸 수 있을 것으로 사료되어진다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.