유전체 예측은 젊은 동물에서 추정 육종 가치(EBV)를 더 정확하게 제공한다. 그러나 양의 참조 개체군은 여전히 작고 참조 개체군에 포함된 동물들을 신중하게 선택하지 않으면 유전체 예측이 편향될 수 있다. 이러한 맥락에서 우리는 50K SNP 패널을 사용하여 유전자형화된 동물 비율과 족보 오류 범위(잘못 식별된 수컷이나 누락된 정보)를 다르게 설정하여 유전체 개선 EBV(GEBV)의 정확도, 편향 및 분산을 비교했다. 우리는 AlphaSimR 패키지를 사용하여 Katahdin 품종의 형성과 무리 구조를 모방하는 복합 양 개체군을 시뮬레이션했다. 유효 개체군 크기가 103인 16개의 무리를 두 가지 유전율의 형질(0.35 및 0.10)로 시뮬레이션했다. 육종 가치는 최선의 선형 불편 예측(BLUP) 및 단일 단계 유전체 BLUP(ssGBLUP)으로 예측했다. 시나리오는 0%-100% 수컷 또는 암컷 유전자형화, 0%-20% 족보 오류, 그리고 세 가지 유전자형화 전략(임의, 최고 EBV, 또는 최고 표현형 값)의 조합을 포함했다. 최종 개체군(18,717마리)은 유전체 개선 EBV의 검증 통계를 계산하기 위해 교육 및 검증 세트로 나뉘었다. 유전자형화 덕분에 나타난 유전체 예측 정확도는 임의의 유전자형화가 표현형 및 EBV 기반 전략보다 최대 19% 성능이 뛰어났다. 족보 오류는 GEBV 정확성을 감소시키며 편향과 분산을 증가시켰고, 족보 정보 누락은 잘못 식별된 수컷보다 더 큰 영향을 미쳤다. 동물의 유전자형화 비율을 증가시키면 GEBV 예측 메트릭이 개선되었으며, 임의의 유전자형화가 더 높은 정확도, 낮은 편향 및 1에 가까운(이상적인) 분산을 제공했다. 개체군의 약 10%에 해당하는 수컷을 우선적으로 유전자형화하고 이후 암컷을 포함시키는 것이 GEBV의 정확도를 높이는 데 도움이 되었다. 유전체 정보는 일부 족보 오류의 영향을 완화하였다. 그러나 선택적 유전자형화는 GEBV의 편향과 분산을 증가시키고 예측 정확성을 감소시켰다. 임의의 유전자형화에 비해 선택적 유전자형화는 유전체 다양성 확보가 적었고 참조 개체군의 효과성을 제한했다. 두 형질의 유전율 수준에서 유사한 결론이 도출되었다. 이러한 결과는 양에서 유전체 선택을 구현할 때 유전자형화 전략의 중요성과 족보 오류의 영향을 최소화하기 위한 유전체 정보의 유용성을 강조한다.