[논문]한우 SNP Chip 및 혈통 데이터를 이용한 경기 한우 암소의 유전능력평가 정확도 분석

이광현; 이윤석; 문선정; 공홍식

doi:10.5352/jls.2022.32.4.279

한우 SNP Chip 및 혈통 데이터를 이용한 경기 한우 암소의 유전능력평가 정확도 분석
The Accuracy of Genomic Estimated Breeding Value Using a Hanwoo SNP Chip and the Pedigree Data of Hanwoo Cows in Gyeonggi Province 원문보기

생명과학회지 = Journal of life science, v.32 no.4, 2022년, pp.279 - 284

이광현 (국립한경대학교 일반대학원 생명공학부) , 이윤석 (국립한경대학교 생명공학부) , 문선정 (축산물품질평가원) , 공홍식 (국립한경대학교 일반대학원 생명공학부)

초록
AI-Helper

본 연구는 일반농가에서 적용 가능한 유전평가시스템을 구축을 위해 경기 지역에서 사육중인 암소 619두를 BLUP (Best Linear Unbiased Prediction)과 GBLUP (Genomic Best Linear Unbiased Prediction)을 사용하여 각 형질(도체중, 등심단면적, 등지방두께, 근내지방도) 별 추정 육종가의 정확도를 비교분석 하였다. GBLUP의 경우 참조집단의 크기를 다르게 그룹을 나누어 분석하였다. 분석결과 GBLUP 참조집단의 크기가 커질수록 각 형질의 육종가의 정확도도 상승하는 것을 확인 하였다. BLUP과 GBLUP 방법을 사용하여 추정한 육종가의 정확도를 비교하면, GBLUP 방법을 사용하여 육종가를 추정하였을 때 도체중, 등심단면적, 등지방두께 근내지방도순으로 각각 0.10, 0.09, 0.09, 0.11 이상 상승한 것을 확인할 수 있었다. 따라서, GBLUP 방법을 암소 평가 및 선발에 적용한다면, 정밀하고 정확한 개체 선발이 가능하고 참조집단의 크기를 더욱 키운다면 보다 정확한 개체 선발을 할 수 있기 때문에 선발의 효율성이 증가할 것으로 사료된다.

Abstract ▼ AI-Helper

This study was conducted to establish a genetic evaluation system applicable to general farms for improving cows raised on farms. The analysis used Best Linear Unbiased Prediction (BLUP) and Genomic Best Linear Unbiased Prediction (GBLUP) for 619 cows raised in Gyeonggi-do Province and compared and analyzed the accuracy of the estimated breeding value according to four traits (carcass weight, loineye muscle area, back fat thickness, and marbling). In the case of the GBLUP method, the size of the reference population was divided into different four groups and analyzed. The analysis results confirmed that the accuracy of the breeding value of each trait increased as the size of the GBLUP reference population increased. Comparing the accuracy of the breeding values estimated using the BLUP and GBLUP methods, it was confirmed that when the breeding values were estimated using the GBLUP method, they increased by 0.10, 0.09, 0.09, and 0.11 for carcass weight, eye muscle area, back fat thickness, and marbling scores, respectively. Applying the GBLUP method to the evaluation and selection of cows can enable precise and accurate individual selection, while increasing the size of the reference population can make even more accurate individual selection possible, thus increasing selection efficiency.

주제어

표/그림 (4)

표 Table 1. Reference population statistics according to BLUP method
표 Table 2. Reference population statistics according to GBLUP method
표 Table 3. Heritability and Variance of test population to analysis method
표 Table 4. Breeding value and accuracy estimated by BLUP and GBLUP

AI 본문요약
AI-Helper

제안 방법

GBLUP 방법의 참조집단 크기에 따른 유전체 육종가의 정확도 분석을 위해서 참조집단을 크기에 따라 그룹 별로 2, 000 두씩 차이를 두어 각각 6, 000두, 8, 000두, 10, 000두, 12, 000두로 4개의 그룹을 만들어 분석에 활용하였다.
따라서, 본 연구에서 일반농가에서 적용 가능한 유전평가시스템을 구축을 위해 혈통자료와 표현형자료를 사용하여 육종가를 추정하는 BLUP과 대용량의 유전체 자료를 사용하여 육종가를 추정하는 GBLUP을 이용하여 각 추정 방법의 정확도를 비교 분석하였다.

대상 데이터

BLUP 방법의 참조집단은 혈통 정보와 표현형 정보(생년월일, 도축성적, 도축일령, 농장번호 등)를 가진 한우 339, 689두의 자료를 수집하였다. 개체의 정보는 축산물품질평가원, 농협 한우개량사업소와 한국종축개량협회, 축산물 이력제에서 정보를 조회하여 자료를 수집하였다.
개체의 정보는 축산물품질평가원, 농협 한우개량사업소와 한국종축개량협회, 축산물 이력제에서 정보를 조회하여 자료를 수집하였다. GBLUP 방법의 참조집단은 표현형정보와 유전체정보를 둘 다 보유한 12, 000두를 동물분자유전육종사업단에서 제공받아 사용하였으며, 유전체 정보는 Hanwoo 50K SNP Analysis BeadChip을 사용하여 유전자형이 분석되었다.
BLUP 방법의 참조집단은 혈통 정보와 표현형 정보(생년월일, 도축성적, 도축일령, 농장번호 등)를 가진 한우 339, 689두의 자료를 수집하였다. 개체의 정보는 축산물품질평가원, 농협 한우개량사업소와 한국종축개량협회, 축산물 이력제에서 정보를 조회하여 자료를 수집하였다. GBLUP 방법의 참조집단은 표현형정보와 유전체정보를 둘 다 보유한 12, 000두를 동물분자유전육종사업단에서 제공받아 사용하였으며, 유전체 정보는 Hanwoo 50K SNP Analysis BeadChip을 사용하여 유전자형이 분석되었다.
본 연구에서 사용한 평가집단의 자료는 농촌진흥청 차세대 바이오그린21 사업을 통해 2018년도부터 2020년도까지 경기지역에서 사육 중인 암소의 꼬리털 샘플을 채취하여 SNP Chip 분석이 진행된 619두를 평가집단으로 선정하였다.

데이터처리

GBLUP을 방법을 사용하기 위한 SNP 유전자형 정보는 암소 619두의 꼬리털을 채취하여 모근에서 추출한 DNA (Deox- yriboNucleic Acid)를 Hanwoo 50K SNP Analysis BeadChip 을 이용하여 분석하였다.
육종가 추정을 위한 유전모수의 추정은 REMLF90 program 을 사용하였고, 육종가의 추정은 BLUPF90 program [12]을 사용하였다. 한우의 4대 형질에 대한 유전모수를 추정하기 위해 구축한 혈연관계행렬(A-matrix)과, 유전체관계행렬(G-matrix) 을 사용하였고 각 형질별 단형질 분석을 진행하였다.
육종가 추정을 위한 유전모수의 추정은 REMLF90 program 을 사용하였고, 육종가의 추정은 BLUPF90 program [12]을 사용하였다. 한우의 4대 형질에 대한 유전모수를 추정하기 위해 구축한 혈연관계행렬(A-matrix)과, 유전체관계행렬(G-matrix) 을 사용하였고 각 형질별 단형질 분석을 진행하였다. 각 형질에 대한 유전분산 및 환경분산을 추정한 후 4대 형질에 대한육종가 추정을 실시하였다.

성능/효과

BLUP 방법으로 추정한 육종가의 정확도와 GBLUP을 사용한 육종가의 정확도를 비교하였을 때, 4가지 형질 전부에서 GBLUP 방법이 약 0.09~0.12 이상 정확도가 높게 나타났다. 따라서 암소의 유전능력평가를 위해서는 보다 큰 참조집단을 이용하여 육종가를 추정하는 것이 좋을 것으로 사료된다.
570으로 나타났다. GBLUP 분석을 위해 추청된 유전 모수 값의 결과는 도체중, 등심단면적, 등지방두께, 근내지방도 순으로 유전분산의 추정값은 827.220, 43.885, 8.131, 1.303, 잔차분산의 추정값은 1, 399.700, 83.378, 15.374, 1.678으로 나타났으며, 유전분산과 잔차분산을 이용한 유전력의 추정값은 0.371, 0.345, 0.346, 0.437로 나타났다(Table 3).
12 이상 정확도가 높게 나타났다. 따라서 암소의 유전능력평가를 위해서는 보다 큰 참조집단을 이용하여 육종가를 추정하는 것이 좋을 것으로 사료된다. GBLUP 방법은 개체의 유전체 정보를 이용하기 때문에 개체정보에 대한 신뢰성이 높고, 개체 사이에 차이를 나타내는 멘델리안 샘플링의 효과를 설명할 수 있어 다양한 유전적 혈연계수를 추정할 수 있기 때문에[8, 17] 정확한 유전모수 추정이 가능하다.
GBLUP 방법은 개체의 유전체 정보를 이용하기 때문에 개체정보에 대한 신뢰성이 높고, 개체 사이에 차이를 나타내는 멘델리안 샘플링의 효과를 설명할 수 있어 다양한 유전적 혈연계수를 추정할 수 있기 때문에[8, 17] 정확한 유전모수 추정이 가능하다. 또한 GBLUP 방법은 참조집단 개체와 평가집단 개체가 가지고 있는 공통 SNP의 유전자형 정보를 이용하여 유전적 유사도(identity by state)를 이용하여 육종가를 추정하기 때문에 BLUP 방법을 사용하기 위해 필요한 참조집단보다 더 작은 크기로 더 높은 정확도의 육종가를 추정할 수 있다.
본 연구에서 각 방법으로 추정한 유전력을 비교 하였을 때 BLUP 방법의 유전력이 GBLUP 방법의 유전력 보다 높게 추정되는 것을 확인하였다. 혈통 기반의 BLUP 방법으로 육종가를 추정하기 위한 혈연관계행렬(Numerator Relationship Matrix, NRM)을 작성할 때 동일한 혈연계수를 가진 개체가 많아서유전분산이 증가하여 유전력이 과추정된 것으로 사료된다.
본 연구결과 유전체정보를 사용하여 육종가를 추정하는 GBLUP 방법을 암소 평가 및 선발에 적용한다면, 정밀하고 정확한 개체 선발이 가능하고 일반 한우농가에 적용하면 개체를 조기에 선발할 수 있을 것으로 사료된다. 씨수소의 능력과 암소의 능력을 이용하여 계획 교배를 실시하면 유전적 개량량을 증대할 수 있을 것이며, 참조집단의 크기를 더욱 증가시킨다면 보다 정확한 개체 선발을 할 수 있기 때문에 선발의 효율성이 증가할 것으로 사료된다.
본 연구에서 각 방법으로 추정한 유전력을 비교 하였을 때 BLUP 방법의 유전력이 GBLUP 방법의 유전력 보다 높게 추정되는 것을 확인하였다. 혈통 기반의 BLUP 방법으로 육종가를 추정하기 위한 혈연관계행렬(Numerator Relationship Matrix, NRM)을 작성할 때 동일한 혈연계수를 가진 개체가 많아서유전분산이 증가하여 유전력이 과추정된 것으로 사료된다.

후속연구

본 연구결과 유전체정보를 사용하여 육종가를 추정하는 GBLUP 방법을 암소 평가 및 선발에 적용한다면, 정밀하고 정확한 개체 선발이 가능하고 일반 한우농가에 적용하면 개체를 조기에 선발할 수 있을 것으로 사료된다. 씨수소의 능력과 암소의 능력을 이용하여 계획 교배를 실시하면 유전적 개량량을 증대할 수 있을 것이며, 참조집단의 크기를 더욱 증가시킨다면 보다 정확한 개체 선발을 할 수 있기 때문에 선발의 효율성이 증가할 것으로 사료된다.

참고문헌 (17)

Chang, C. C., Chow, C. C., Tellier, L. C., Vattikuti, S., Purcell, S. M. and Lee, J. J. 2015. Second-generation PLINK: rising to the challenge of larger and richer datasets. GigaScience 4, https://doi.org/10.1186/s13742-015-0047-8.

상세보기
Dekkers, J. C. and Hospital, F. 2002. The use of molecular genetics in the improvement of agricultural populations. Nat. Rev. Genet. 3, 22-32.

상세보기
Hayes, B. J. and Goddard, M. E. 2001. Prediction of total genetic value using genome-wide dense marker maps. Genetics 157, 1819-1829.

상세보기
Henderson, C. R. 1975. Best linear unbiased estimation and prediction under a selection model. Biometrics 31, 423-447.

상세보기
Henderson, C. R. and Quaas, R. L. 1976. Multiple trait evaluation using relatives' records. J. Anim. Sci. 43, 1188-1197.

상세보기
Illumina Inc. 2016. GenomeStudio Polyploid Genotyping Module v2.0 Software Guide. Tech Note. Illumina Inc. CA, USA
Lee, D. J. 2019. A comparative study of estimated breeding value with Hanwoo cows using genomic information. M.S. dissertation, Kyungpook National University, Daegu, Korea.
Lee, J. J. 2012. Genetic Evaluation for Carcass Traits of Hanwoo using Pedigree and SNP Marder-Dericed Relationship Matrix. Ph.D. dissertation, Chungbuk National University, Cheongju, Korea.
Lee, S. S., Lee, S. H., Choi, T. J., Choy, Y. H., Cho, K. H., Choi, Y. L., Cho, Y. M., Kim, N. S. and Lee, J. J. 2013. Estimation of the accuracy of genomic breeding value in Hanwoo (korea cattle). J. Anim. Sci. Technol. 55, 13-18.

원문보기 상세보기
Meuwissen, T. 2003. Genomic Selection : the future of marker assisted selection and animal breeding. FAO. 54-59.
Meuwissen, T. H., Hayes, B. J. and Goddard, M. E. 2001. Prediction of total genetic value using genome-wide dense marker maps. Genetics 157, 1819-1829.

상세보기
Misztal, I., Tsuruta, S., Lourenco, D., Masuda, Y., Aguilar, I., Legarra, A. and Vitezica, Z. 2018. Manual for BLUPF90 family of programs. University of Georgia, athens, USA.
Park, S. R., Lee, S. K., Lee, K. S., Shin, Y. S., Song, Y. H. and Lee, S. J. 2011. Analysis of reproduction and breeding status in Gangwon east area. Ann. Anim. Resour. Sci. 22, 1-5.
Purcell, S., Neale, B., Todd-Brown, K., Thomas, L., Ferreira, M. A., Bender, D., Maller, J., Sklar, P., de Bakker, P. I. and Daly, M. J., et al. 2007. PLINK: A tool set for whole-genome association and population-based linkage analyses. Am. J. Hum. Genet. 81, 559-575.

상세보기
Shin, E. G., Lee, S. H. and Yoon, D. H. 2018. Accuracy of genomic estimated breeding value with Hanwoo cows in the commercial farms. J. Agric. Life Sci. 52, 91-98.

상세보기
Sun, D. W. 2012. Estimation for environmental effect and genetic parameters on carcass traits of Hanwoo and analysis of its contribution to price. Ph.D. dissertation, Gyeongsang National University, Jinju, Korea.
Visscher, P. M., Medland, S. E., Ferreira, M. A. R., Morley, K. I., Zhu, G., Cornes, B. K., Montgomery, G. W. and Martin, N. G. 2006. Assumption-free estimation of heritability from genome-wide identity-by-descent sharing between full siblings. PLoS Genet. 2, e41.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증