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
- 본 연구는 농협 한우개량사업소 후대검정우 552두의 도체중, 배최장근단면적, 등지방두께 및 근내지방도를 측정한 후 고밀도 SNP 패널(777K)을 사용하여 유전체 혈연 행렬(Genetic Relationship Matrix, GRM)을 추정하고 GBLUP (Genomic Best Linear Unbiased Prediction) 방법으로 GEBV (Genomic Estimated Breeding Value)를 구하여 교차 검증(Cross-validation) 방법으로 그 정확도를 추정함으로써 유전체 선발 기법을 한우 유전평가 체계에 적용하기 위한 기초자료로 이용하고자 수행하였다. 교차 검증 방법으로 각 형질별로 추정된 유전체 육종가의 정확도는 0.
- 본 연구는 실제 한우 축군(농협 한우개량사업소 후대검정우)에 대해 고밀도 SNP 패널(777K)을 사용하여 유전체 혈연 행렬(Genetic Relationship Matrix, GRM)을 추정하고 GBLUP(Genomic Best Linear Unbiased Prediction) 방법으로 GEBV(Genomic Estimated Breeding Value)를 구하고, 교차 검증(Cross-validation) 방법으로 그 정확도를 추정함으로써 유전체 선발 기법을 한우 유전평가 체계에 적용하기 위한 기초자료로 이용하고자 수행하였다.
제안 방법
- RR-BLUP 방법을 이용하여 추정된 유전체 육종가의 정확도를 추정하기 위하여 참조 집단(Reference Set)으로부터 추정된 SNP 마커의 효과 및 고정 효과를 검정 집단(Validation Set)에 적용한후 검정 집단의 표현형가와 유전체 육종가 간의 상관을 추정하는 교차 검증(Cross-validation) 방법을 이용하였다. SNP 유전자형 분석이 완료되고 도체성적이 있는 후대검정우 552두 중에서 무작위적으로 502두(90%)를 참조 집단으로 선별하여 RR-BLUP 방법으로 각 형질 별로 유의한 SNP 마커 세트에 대하여 SNP 마커의 효과 및 고정효과를 동시에 추정하였다. 그리고 나머지 50두(10%)는 검증 집단으로 설정하여 GEBV를 추정하였으며 이와 같은 작업을 10반복 수행하였다.
- Table 5에는 표현형 자료를 갖고 있으며 SNP 유전자형 분석이 완료된 개체 534두(후대검정우)와 혈연관계가 조사된 3,674두에 대해 유전체 혈연 행렬들을 이용하여 추정된 GBLUP 방법과 가계 정보를 기반으로 계산된 혈연 행렬을 이용하여 추정된 BLUP 방법 간에 육종가의 정확도 평균의 차이와 개체별로 육종가의 정확도 차이가 가장 크게 나타낸 값들을 퍼센트로 변환하여 표시하였다. 대립유전자의 빈도로 계산된 유전체 혈연 행렬을 이용하여 GBLUP 방법으로 추정된 육종가 정확도 평균은 기존의 BLUP 방법으로 추정된 육종가 정확도 평균보다 후대검정우 534두에 대하여 0.
- SNP 유전자형 분석이 완료되고 도체성적이 있는 후대검정우 552두 중에서 무작위적으로 502두(90%)를 참조 집단으로 선별하여 RR-BLUP 방법으로 각 형질 별로 유의한 SNP 마커 세트에 대하여 SNP 마커의 효과 및 고정효과를 동시에 추정하였다. 그리고 나머지 50두(10%)는 검증 집단으로 설정하여 GEBV를 추정하였으며 이와 같은 작업을 10반복 수행하였다. 그리하여 검증 집단 개체들의 표현형가와 추정된 GEBV간의 상관을 통하여 정확도를 추정하였다.
- 그리고 나머지 50두(10%)는 검증 집단으로 설정하여 GEBV를 추정하였으며 이와 같은 작업을 10반복 수행하였다. 그리하여 검증 집단 개체들의 표현형가와 추정된 GEBV간의 상관을 통하여 정확도를 추정하였다.
- 농협중앙회 한우개량사업소에서 2009년부터 2012년 사이에 수행된 한우개량사업 45차, 46차, 48차 및 49차 후대검정우 총 552두의 자료를 최종적으로 이용하였고 이에 대한 검정 차수와 월령별 분포를 Table 1에 나타냈었다. 대상 후대검정우의 혈통을 4세대까지 추적하여 3,674두에 대한 정보를 수집하고, 도체중(Carcass weight, CW), 배최장근단면적(Eye Muscle Area, EMA), 등지방두께(Backfat Thickness, BT) 및 근내지방도(Marbling Score, MS) 형질의 표현형을 분석하였다.
- 유전자형 분석을 위한 시료는 경정맥에서 채혈한 후 Genome Nucleic Acid Purification Kit (MagExtractorTM, Toyobo CO., LTD. Osaka, Japan)로 DNA를 추출하였다. SNP 유전자형 분석은 Illumina사의 BovineHD BeadChip (777K SNPs)을 이용하였다.
- 최소제곱법으로 SNP 마커의 효과를 추정하여 유의한 SNP 마커만 선택한 것은 표현형 자료를 가진 552두에 대해 4개 형질별로 578,489개의 SNP 마커의 효과를 동시에 추정하는 것이 상당한 연산량을 요구하므로 이후 추정의 효율성을 높이기 위하여 수행하였다. 조사된 각각의 형질에서 적합도 검정을 통하여 유의적인 효과를 가지는 걸로 추정된 SNP 마커는 총 578,489개의 SNP 마커 중에서 도체중 50,632개, 배최장근단면적 50,435개, 등지방두께 67,213개 및 근내지방도 46,592개였다.
- 혈연 행렬을 이용하여 추정된 유전체 육종가에 대한 정확도는 직접적인 역행렬 계산을 통하여 정확한 예측 오차 분산(Exact Predicted Error Variance, PEVexact)을 추정하여 이용하였다.
대상 데이터
- Osaka, Japan)로 DNA를 추출하였다. SNP 유전자형 분석은 Illumina사의 BovineHD BeadChip (777K SNPs)을 이용하였다. 결정된 유전자형에 대하여 이형접합체와 동형접합체만 존재하는 경우, 하디－와인버그 평형(Hardy-Weinberg equilibrium, HWE)이 극도의 편차를 보이는 경우, 유전자형 결측 비율(Missing proportion, MSP)이 20% 이상인 경우 및 Minor Allele frequency (MAF)가 0.
- SNP 유전자형 분석은 Illumina사의 BovineHD BeadChip (777K SNPs)을 이용하였다. 결정된 유전자형에 대하여 이형접합체와 동형접합체만 존재하는 경우, 하디－와인버그 평형(Hardy-Weinberg equilibrium, HWE)이 극도의 편차를 보이는 경우, 유전자형 결측 비율(Missing proportion, MSP)이 20% 이상인 경우 및 Minor Allele frequency (MAF)가 0.05 이하인 경우 등을 제외한 총 578,489개의 SNP 마커를 이용하였다.
- 농협중앙회 한우개량사업소에서 2009년부터 2012년 사이에 수행된 한우개량사업 45차, 46차, 48차 및 49차 후대검정우 총 552두의 자료를 최종적으로 이용하였고 이에 대한 검정 차수와 월령별 분포를 Table 1에 나타냈었다. 대상 후대검정우의 혈통을 4세대까지 추적하여 3,674두에 대한 정보를 수집하고, 도체중(Carcass weight, CW), 배최장근단면적(Eye Muscle Area, EMA), 등지방두께(Backfat Thickness, BT) 및 근내지방도(Marbling Score, MS) 형질의 표현형을 분석하였다.
- 최소제곱법으로 SNP 마커의 효과를 추정하여 유의한 SNP 마커만 선택한 것은 표현형 자료를 가진 552두에 대해 4개 형질별로 578,489개의 SNP 마커의 효과를 동시에 추정하는 것이 상당한 연산량을 요구하므로 이후 추정의 효율성을 높이기 위하여 수행하였다. 조사된 각각의 형질에서 적합도 검정을 통하여 유의적인 효과를 가지는 걸로 추정된 SNP 마커는 총 578,489개의 SNP 마커 중에서 도체중 50,632개, 배최장근단면적 50,435개, 등지방두께 67,213개 및 근내지방도 46,592개였다.
데이터처리
- RR-BLUP 방법을 이용하여 추정된 유전체 육종가의 정확도를 추정하기 위하여 참조 집단(Reference Set)으로부터 추정된 SNP 마커의 효과 및 고정 효과를 검정 집단(Validation Set)에 적용한후 검정 집단의 표현형가와 유전체 육종가 간의 상관을 추정하는 교차 검증(Cross-validation) 방법을 이용하였다. SNP 유전자형 분석이 완료되고 도체성적이 있는 후대검정우 552두 중에서 무작위적으로 502두(90%)를 참조 집단으로 선별하여 RR-BLUP 방법으로 각 형질 별로 유의한 SNP 마커 세트에 대하여 SNP 마커의 효과 및 고정효과를 동시에 추정하였다.
- 계산의 효율을 높이기 위해 578,489개의 SNP 마커에 대해 조사된 4가지 형질에서 최소제곱법을 이용하여 SNP 마커의 효과를 추정하고, 우도비 검정(Likelihood Ratio Test)를 통하여 5% 유의적인 수준의 임계치 3.84 이상인 SNP 마커만 선별하여 분석에 이용하였다.
- 본 연구의 분석을 위하여 PC 용 SAS Package (Version 9.1)와 포트란 코드로 작성된 알고리듬 프로그램을 이용하였다. 작성된 포트란 코드는 Intel Visual Fortran Compiler (Window Ver.
이론/모형
- 는 추정된 마커의 효과이며, 가우스－자이델 반복법(Gauss- Seidel iteration)을 이용하여 추정하였으며, 반복 횟수를 1,000번 수행하여 수렴을 1.0E-8 수준 이하로 설정하였다.
- 본 연구와 같이 SNP 마커의 효과를 추정하는 집단의 크기가 상대적으로 작고 따로 검증 집단을 조성하지 못한 경우, 육종가 추정의 정확도를 계산하기 위한 방법으로 임의 소포본집단 반복추출(random subsampling replication)을 이용한 10반복 교차 검증(10-fold cross validation) 방법을 이용하였다. 표현형과 유전자형 자료가 있는 후대검정우 552두 중에서 무작위적으로 502두(90%)를 참조 집단으로 추출하여 각 형질 별로 유의한 SNP 마커 세트에 대하여 SNP 마커의 효과 및 고정효과를 동시에 추정한 후 나머지 50두(10%)는 검증 집단으로 설정하여 GEBV를 추정하여 이미 알고 있는 검증 집단 개체들의 표현형가와 추정된 GEBV간의 상관을 통하여 정확도를 추정한 결과를 Table 3에 나타내었다.
- 유전체 혈연 행렬을 추정하기 위해 대립유전자의 빈도를 이용하여 추정하는 Allele Frequency Method (GOF)과 유전자형 분석이 완료된 개체와 분석되지 않은 개체들을 혼합하여 혈연 관계를 추정하는 방법(Combined Pedigree and Genomic Relationship Method : H)을 사용하였다.
- 최소제곱법으로 유전체 마커의 효과를 추정하고 이것으로 개체에 대한 유전체 육종가를 추정할 경우 과대 추정(over-estimation)되는 문제점이 발생하므로 SNP 마커 효과의 분산 값이 동일하다는 가정 하에 SNP 마커의 효과를 평균에 맞추어 보정하기 위하여 능형회귀를 이용한 BLUP (Ridge Regression Best Linear Unbiased Prediction, RR-BLUP) 방법으로 추정하였다(Meuwissen et al., 2001; Whittaker ar al., 2000). 이 방법은 유전체 전체에 매우 많은 유전자가 고르게 분포하고 있으며 이들이 형질에 작은 효과로 동일하게 기여한다는 무한소 모형(Infinitesimal Model)을 기반으로 하며(Hayes et al.
성능/효과
- 표현형과 유전자형 자료가 있는 후대검정우 552두 중에서 무작위적으로 502두(90%)를 참조 집단으로 추출하여 각 형질 별로 유의한 SNP 마커 세트에 대하여 SNP 마커의 효과 및 고정효과를 동시에 추정한 후 나머지 50두(10%)는 검증 집단으로 설정하여 GEBV를 추정하여 이미 알고 있는 검증 집단 개체들의 표현형가와 추정된 GEBV간의 상관을 통하여 정확도를 추정한 결과를 Table 3에 나타내었다. 각 형질별로 추정된 정확도의 결과를 살펴보면, 유전체 육종가의 정확도가 형질별로 0.915~0.957로 상당히 높게 추정되었다. 그러나 이러한 결과는 유전체 선발에 의한 결과로 해석되기 보다는 현재 SNP 마커들에 대한 효과를 RR-BLUP 방법에 의하여 추정된 것이 얼마나 정확한 것인지 판단하는 기준으로 유효한 것으로 사료된다.
- 본 연구는 농협 한우개량사업소 후대검정우 552두의 도체중, 배최장근단면적, 등지방두께 및 근내지방도를 측정한 후 고밀도 SNP 패널(777K)을 사용하여 유전체 혈연 행렬(Genetic Relationship Matrix, GRM)을 추정하고 GBLUP (Genomic Best Linear Unbiased Prediction) 방법으로 GEBV (Genomic Estimated Breeding Value)를 구하여 교차 검증(Cross-validation) 방법으로 그 정확도를 추정함으로써 유전체 선발 기법을 한우 유전평가 체계에 적용하기 위한 기초자료로 이용하고자 수행하였다. 교차 검증 방법으로 각 형질별로 추정된 유전체 육종가의 정확도는 0.915~0.957로 상당히 높게 추정되었다. 대립유전자의 빈도로 계산된 유전체 혈연 행렬을 이용하여 GBLUP 방법으로 추정된 육종가 정확도의 최대 차이는 후대검정우 534두에 대하여 도체중, 배최장근단면적, 등지방 두께 및 근내지방도 순으로 각각 9.
- 29% 수준으로 비슷한 값을 나타내었다. 그러나 육종가 정확도의 최대 차이는 후대검정우 534두에 대하여 도체중, 배최장근 단면적, 등지방 두께 및 근내지방도 순으로 각각 9.56%, 5.78%, 5.78% 및 4.18% 정도의 수준으로 상승했고, 혈통 기록상의 모든 개체 3,674두에 대해서는 형질 별로 최대 13.54%, 6.50%, 6.50% 및 4.31% 정도의 수준으로 증가한 결과가 추정되었다.
- 957로 상당히 높게 추정되었다. 그러나 이러한 결과는 유전체 선발에 의한 결과로 해석되기 보다는 현재 SNP 마커들에 대한 효과를 RR-BLUP 방법에 의하여 추정된 것이 얼마나 정확한 것인지 판단하는 기준으로 유효한 것으로 사료된다. 타 문헌에 의하면 reference와 validation data set 간의 혈연관계는 유전체 예측의 정확도에 영향을 주며, 두 data set간의 혈연관계가 높을수록 정확도가 높아지게 된다(Clack et al.
- Table 5에는 표현형 자료를 갖고 있으며 SNP 유전자형 분석이 완료된 개체 534두(후대검정우)와 혈연관계가 조사된 3,674두에 대해 유전체 혈연 행렬들을 이용하여 추정된 GBLUP 방법과 가계 정보를 기반으로 계산된 혈연 행렬을 이용하여 추정된 BLUP 방법 간에 육종가의 정확도 평균의 차이와 개체별로 육종가의 정확도 차이가 가장 크게 나타낸 값들을 퍼센트로 변환하여 표시하였다. 대립유전자의 빈도로 계산된 유전체 혈연 행렬을 이용하여 GBLUP 방법으로 추정된 육종가 정확도 평균은 기존의 BLUP 방법으로 추정된 육종가 정확도 평균보다 후대검정우 534두에 대하여 0.51%~1.28% 정도의 정확도 상승을 나타내었으며, 혈통 기록상의 모든 개체 3,674두를 대상으로는 0.57%~1.29% 수준으로 비슷한 값을 나타내었다. 그러나 육종가 정확도의 최대 차이는 후대검정우 534두에 대하여 도체중, 배최장근 단면적, 등지방 두께 및 근내지방도 순으로 각각 9.
- 957로 상당히 높게 추정되었다. 대립유전자의 빈도로 계산된 유전체 혈연 행렬을 이용하여 GBLUP 방법으로 추정된 육종가 정확도의 최대 차이는 후대검정우 534두에 대하여 도체중, 배최장근단면적, 등지방 두께 및 근내지방도 순으로 각각 9.56%, 5.78%, 5.78% 및 4.18% 정도의 수준으로 상승했고, 혈통 기록상의 모든 개체 3,674두에 대해서는 형질 별로 최대 13.54%, 6.50%, 6.50%및 4.31% 정도의 수준으로 증가한 결과가 추정되었다. 이는 한우 보증씨수소의 선발 시스템에서 아직 표현형 자료를 생산할 수 없는 당대검정 후보축 대한 집단을 조성할 때 유전체 정보를 이용한 사전 선발을 활용하면 기존의 상대적으로 낮았던 육종가의 정확도의 상승 효과와 세대 간격의 단축으로 인하여 유전적 개량량을 증대시킬 수 있을 것으로 기대된다.
- 유전체 혈연 행렬을 비교하여 혈통 오류를 제거한 534두에 대하여 가계 정보로 계산된 혈연 행렬을 이용한 혼합 모형식으로 추정된 BLUP 방법과 위의 혼합 모형식에 기존의 혈연 행렬 대신에 유전체 혈연 행렬로 대치하여 추정한 GBLUP 방법 간에 육종가의 정확도의 평균울 Table 4에 나타내었다. 대립인자의 빈도를 이용하여 추정된 유전체 혈연 행렬(GOF)과 기존의 혈연 행렬과 통합된 유전체 혈연 행렬(H)을 이용한 육종가의 정확도 평균이 각 형질별로 차이를 나타낸 것은 형질별로 다른 분산 성분(환경 분산과 유전 분산)을 가지고 있기 때문이며, 추정된 유전력은 도체중, 배최장근 단면적, 등지방두께 및 근내 지방도에 대하여 각각 0.50, 0.41, 0.40 및 0.50으로 추정되었다. 특히 근내 지방도 형질의 경우 모든 혈연 행렬에 대하여 가장 높은 유전 모수로 추정되었기 때문에 정확도의 평균 역시 가장 높게 추정되었다.
- 본 연구에서 genomic breeding value 추정을 위하여 조성된 집단의 경우는 후대 검정우 집단으로서 개체들 간의 혈연관계가 높으며, 이미 전통적인 BLUP 방법으로도 상당히 높은 정확도를 가진 집단을 이용하였다. 그러나, 현재 한우 집단에 대한 유전체 자료 구축 시 이용할 수 있는 정확한 자료는 후대검정우 집단 외에는 참조 집단을 조성할 수 있는 대안이 없으므로, 지속적인 유전체 검정을 위해서는 다양한 유전적 조성이 구축된 참조 집단을 구축해야 할 것으로 사료된다.
- Meuwissen 등(2001)이 제시한 유전체 선발 방법은 유전체 전체에 균등하게 분포한 수많은 마커를 이용하여 개체별로 분석한 마커 유전자형 정보와 표현형 정보를 바탕으로 각 마커 별로 개체의 능력에 기여하는 값을 추정하고, 아직 능력을 모르는 개체를 그 개체에서 분석한 마커에 따른 효과를 모두 종합하여 이용한다. 이 방법으로 각 유전변이의 기능이 일일이 확인되지는 않지만 유전체 정보 수집에 사용된 마커가 형질에 관여하는 모든 양적형질 유전자좌와 연관이 발생할 정도로 충분히 많고, 유전체 정보와 표현형 정보를 동시에 가진 개체의 수가 충분할 경우 개체의 유전체 정보만을 이용하여 육종가를 계산해 낼 수 있게 되었다. 이러한 이론을 바탕으로 SNP (Single Nucleotide Polymorphisms) 마커를 이용하여 홀스타인과 앵거스 품종의 유전능력을 추정하는 연구가 미국, 호주, EU 국가들에서 활발히 진행되고 있다(Rolf 등, 2010; Su 등, 2012; VanRaden 등, 2009; Hayes 등, 2009a).
- 후대검정우의 도체중, 배최장근단면적, 등지방두께 및 근내지방도의 평균 및 표준편차는 각각 352.99±37.83 kg, 82.35±8.30 cm2, 7.99±3.08 mm 그리고 3.05±1.47점으로 추정되었다.
후속연구
- 본 연구에서 genomic breeding value 추정을 위하여 조성된 집단의 경우는 후대 검정우 집단으로서 개체들 간의 혈연관계가 높으며, 이미 전통적인 BLUP 방법으로도 상당히 높은 정확도를 가진 집단을 이용하였다. 그러나, 현재 한우 집단에 대한 유전체 자료 구축 시 이용할 수 있는 정확한 자료는 후대검정우 집단 외에는 참조 집단을 조성할 수 있는 대안이 없으므로, 지속적인 유전체 검정을 위해서는 다양한 유전적 조성이 구축된 참조 집단을 구축해야 할 것으로 사료된다. 또한 유전체 검정을 통한 정확도 상승효과를 기대하기 위해서 지속적으로 참조 집단의 크기를 늘릴 필요성이 있다.
- 31% 정도의 수준으로 증가한 결과가 추정되었다. 이는 한우 보증씨수소의 선발 시스템에서 아직 표현형 자료를 생산할 수 없는 당대검정 후보축 대한 집단을 조성할 때 유전체 정보를 이용한 사전 선발을 활용하면 기존의 상대적으로 낮았던 육종가의 정확도의 상승 효과와 세대 간격의 단축으로 인하여 유전적 개량량을 증대시킬 수 있을 것으로 기대된다.
- 또한 Lee 등(2012)은 한우의 성장형질을 조절하는 유전자의 효과 및 분포는 큰 유전자의 효과라기보다는 보통의 효과를 갖는 유전자와 아주 작은 효과를 갖는 많은 유전자에 의해 조절되므로 유전체 선발 시 유용한 정보를 제공할 것이라고 했다. 이는 한우 유전능력 평가사업에서 아직 주요 경제형질에 대하여 표현형 자료를 생산할 수 없는 당대검정 후보축 대한 집단을 조성할 때 기존의 혈연정보뿐만이 아니라 유전체 정보를 이용한 사전 선발을 활용하게 된다면, Forni 등(2011)의 인용문헌에서 제시한 바와 같이 전통 BLUP을 통하여 추정된 육종가의 정확도가 상대적으로 낮았을 경우 유전체 정보를 활용할 경우 정확도의 상승폭이 높아질 뿐만 아니라, 세대 간격을 단축하여 유전적 개량량을 극대화 할 수 있을 것으로 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.