유전체 예측은 젊은 동물에서 더 정확한 추정 육종가(EBV)를 제공합니다. 그러나 양의 참조 집단은 여전히 작으며, 참조 집단에 포함된 동물이 신중하게 선택되지 않으면 유전체 예측이 편향될 수 있습니다. 이 맥락에서 우리는 유전자형화 전략을 비교하였습니다. 이는 유전자의 비율(50K SNP 패널 사용)과 계보 오류의 정도(잘못 식별된 아버지나 누락된 정보 사용)에 따라 달라지는 예측 정확도, 편향, 변동성을 비교한 것입니다. 우리는 AlphaSimR 패키지를 사용하여 Katahdin 품종의 형성과 무리 구조를 모방한 합성 양 집단을 시뮬레이션했습니다. 효과 인구 크기 103의 16개 양 무리를 두 가지 유전률 0.35와 0.10의 특성으로 시뮬레이션했습니다. 육종 가치는 최선선형불편예측(BLUP)과 단일 단계 유전체 BLUP(ssGBLUP)로 예측했습니다. 시나리오는 0%-100%의 수컷 또는 암컷이 유전형 작성된 경우, 0%-20%의 계보 오류, 그리고 세 가지 유전자형화 전략(무작위, 최고 EBV, 최고 표현형 값)의 조합을 포함합니다. 최종 집단(18,717마리)은 GEBV의 검증 통계를 계산하기 위해 훈련 및 검증 세트로 나눴습니다. 유전체 예측 정확도는 무작위 유전형화로 인해 크게 향상됐으며, 표현형 및 EBV 기반 전략보다 최대 19% 더 나았습니다. 계보 오류는 GEBV 정확도를 떨어뜨리는 한편, 편향과 산포를 증가시켰습니다. 누락된 계보 정보는 잘못 식별된 아비보다 결과에 더 큰 영향을 미쳤습니다. 유전형 작성된 동물의 비율을 늘리면서 GEBV 예측 측정치가 개선되었으며, 무작위 유전형화가 더 높은 정확도, 낮은 편향 및 1에 가까운 산포(바람직한 결과)를 유도했습니다. 여성보다 최대 10%의 수컷을 먼저 유전형화하면 GEBV의 정확도가 개선되었습니다. 유전체 정보는 일부 계보 오류 효과를 완화했습니다. 하지만 선택적 유전형화는 GEBV의 편향과 산포를 증가시키고 예측 정확도를 감소시켰습니다. 무작위 유전형화와 비교하여 선택적 유전형화는 유전체적 다양성을 덜 포착하여 참조 집단의 효율성을 제한했습니다. 이러한 결론은 두 특성의 유전률 수준에서도 유사했습니다. 이러한 연구 결과는 양의 유전체 선택을 구현할 때 중요성을 강조하며, 계보 오류의 영향을 최소화하기 위한 유전체 정보의 유용성을 보여줍니다.