한우 도체형질의 합성곱신경망을 이용한 유전체 예측 정확도 추정

장명진; 임다정; 박원철; 박종은

doi:10.5762/KAIS.2022.23.4.516

추천

검색

질문

자료유형: 학술저널

저자정보: 장명진 (농촌진흥청) 임다정 (농촌진흥청) 박원철 (농촌진흥청) 박종은 (농촌진흥청)

저널정보: 한국산학기술학회 한국산학기술학회 논문지 한국산학기술학회논문지 제23권 제4호

발행연도: 2022.4

수록면: 516 - 523 (8page)

DOI: 10.5762/KAIS.2022.23.4.516

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 기계학습 기법을 활용하여 유전체 예측 기법을 시험하고 기존의 기법과 비교해보고자 실시되었다. 본 연구에서는 기계학습의 일종인 딥러닝 (DL) 기법, 유전체 최적 선형 불편 예측 (GBLUP) 기법과 통합기법인 앙상블 (Ensemble) 기법이 사용되었다. 데이터는 한우 7,324 두의 유전자형 자료 (37,712 SNPs)와 4가지 도체형질 자료 (등지방두께, 도체중, 등심단면적, 근내지방도)가 이용하여 예측 분석을 진행하였다. 5배수 교차 검증을 사용하여 정확도를 예측하였고, 이를 시험 데이터에 적용하여 상관도를 계산하였다. 제한최대우도법 (REML)을 이용하여 추정된 유전력은 근내지방도가 0.44±0.02로 가장 높게 나타났다. 계산된 상관도는 도체중과 등심단면적간이 가장 높게 나타났으며, 유전상관계수는 0.79±0.01, 표현형상관계수는 0.52±0.02이다. 유전체 예측 정확도는, 단일 분석에 있어서 GBLUP 기법이 등지방두께 0.34±0.01, 도체중 0.41±0.01, 등심단면적 0.37±0.01, 근내지방도 0.41±0.01로 높게 나타났다. 또한, 예측 성능을 향상시키기 위해 가중치를 주는 통합기법인 앙상블 기법을 사용하였을 때 등지방두께 0.35±0.01, 도체중 0.42±0.01, 등심단면적 0.38±0.01로 더 높게 나타났다. 따라서 다양한 기법들을 통해 유전체 예측의 정확도를 높일 수 있을 것으로 사료되며, 정확도가 높은 예측 모델을 개발하여 육종산업에 많은 기여를 하길 기대한다.

#Hanwoo #Carcass Weight #Deep Learning #Genetic Prediction #Accuracy

참고문헌 (30)

참고문헌 신청

Meuwissen, T. H., Hayes, B. J., Goddard, M. E., “Prediction of total genetic value using genome-wide dense marker maps.”, Genetics, Vol.157, No.4, pp.1819-1829, 2001. DOI: https://doi.org/10.1093/genetics/157.4.1819

N. Gao, J. Teng, S. Ye, X. Yuan, S. Huang, “Genomic prediction of complex phenotypes using genic similarity based relatedness matrix.”, Frontiers in genetics, Vol.9, pp.364, Aug. 2018. DOI: https://doi.org/10.3389/fgene.2018.00364

D. Habier, R. L. Fernando, K. Kizilkaya, D. J. Garrick, “Extension of the bayesian alphabet for genomic selection.”, BMC Bioinformatics, Vol.12, pp.186, May. 2011. DOI: https://doi.org/10.1186/1471-2105-12-186

D. Gianola, “Priors in whole-genome regression: the Bayesian alphabet returns.”, Genetics, Vol.194, pp.573-596, Jul. 2013. DOI: https://doi.org/10.1534/genetics.113.151753

P. M. VanRaden, “Efficient methods to compute genomic predictions.”, Journal of Dairy Science, Vol.91, issue.11, pp.4414-4423, Nov. 2008. DOI: https://doi.org/10.3168/jds.2007-0980

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

장명진

소속기관 농촌진흥청

주요연구분야 공학 > 공학 일반

논문수 1 이용수 77

임다정

소속기관 국립축산과학원

주요연구분야 공학 > 공학 일반 TOP 1% 농수해양학 > 농학

논문수 22 이용수 3,720

박원철

소속기관 국립축산과학원

주요연구분야 공학 > 공학 일반 TOP 5% 의약학 > 수의학

논문수 14 이용수 1,741

박종은

소속기관 국립축산과학원

주요연구분야 공학 > 공학 일반

논문수 2 이용수 148

이 논문과 함께 이용한 논문

AI 기반 유해야생동물 예측탐지 알고리즘에 관한 연구

길민식 , 곽동걸 , 윤형도 외 1명 전력전자학회 학술대회 논문집 2021 .07

An analysis of homologous recombination of African swine fever virus using a model-based phylogenetic approach

Sang Chul Choi 미생물학회지 2020 .09

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 (30)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)