This study aimed to evaluate the accuracy of genomic prediction using single-trait and multi-trait single-step genomic best linear unbiased prediction (ssGBLUP) based on 50 K SNP chip dataset and imputed high-density (HD) genotypes for various carcass traits in commercial Hanwoo population such as backfat thickness (BFT), carcass weight (CWT), rib eye area (REA), and marbling score (MS). Analyses involved phenotypes from 18,269 animals born between April 2006 and June 2017 from different commercial herds in South Korea as well as genomic information from 16,892 animals genotyped using customized Hanwoo 50 K SNP chip and imputed to HD genotypes. Cross-validation was performed on 3,041 animals in the validation population born from November 2016 to June 2017. The results showed that HD genotypes led to a marginal increase in prediction accuracies (0.6 to 2%) than 50 K genotypes for BFT, REA, and MS, while no improvement was noted for CWT. Compared to the single-trait model, the use of multi-trait model based on 50 K or HD genotypes produced only a small improvement in prediction accuracies (1.2 to 2%) for BFT and REA but without improvement for CWT. For MS, the accuracy of genomic prediction using the multi-trait model based on 50 K or HD genotype datasets was slightly lower than the single-trait model. Generally, inflation of predictions increased using the HD genotypes and multi-trait model. Therefore, we recommend the use of 50 K genotypes and single-trait model in the estimation of genomic breeding values for carcass traits in commercial Hanwoo population.

这项研究旨在评估基于50 K SNP芯片数据集和估算的高car体（HD）基因型的单性状和多性状单步基因组最佳线性无偏预测（ssGBLUP）的基因组预测的准确性。商业Hanwoo人口，例如背脂厚度（BFT），car体重量（CWT），肋眼面积（REA）和大理石花纹分数（MS）。分析涉及2006年4月至2017年6月之间在韩国不同商业种群出生的18269只动物的表型，以及使用定制的Hanwoo 50 K SNP芯片进行基因分型并推算为HD基因型的16892只动物的基因组信息。对2016年11月至2017年6月出生的验证种群中的3,041只动物进行了交叉验证。结果表明，HD基因型导致预测准确性略有提高（0。BFT，REA和MS的50 K基因型比6％至2％），而CWT没有发现改善。与单性状模型相比，基于50 K或HD基因型的多性状模型的使用仅对BFT和REA的预测准确性产生了很小的改善（1.2％至2％），而对CWT却没有改善。对于MS，使用基于50 K或HD基因型数据集的多性状模型进行基因组预测的准确性略低于单性状模型。通常，使用高清基因型和多特征模型可以提高预测的准确性。因此，我们建议使用50 K基因型和单性状模型来估计商业Hanwoo群体car体性状的基因组育种值。基于50 K或HD基因型的多性状模型的使用对BFT和REA的预测准确性仅产生了很小的改善（1.2％至2％），而对CWT没有改善。对于MS，使用基于50 K或HD基因型数据集的多性状模型进行基因组预测的准确性略低于单性状模型。通常，使用高清基因型和多特征模型可以提高预测的准确性。因此，我们建议使用50 K基因型和单性状模型来估计商业Hanwoo群体car体性状的基因组育种值。基于50 K或HD基因型的多性状模型的使用对BFT和REA的预测准确率仅产生了很小的改善（1.2％至2％），但对CWT却没有改善。对于MS，使用基于50 K或HD基因型数据集的多性状模型进行基因组预测的准确性略低于单性状模型。通常，使用高清基因型和多特征模型可以提高预测的准确性。因此，我们建议使用50 K基因型和单性状模型来估计商业Hanwoo群体car体性状的基因组育种值。使用基于50 K或HD基因型数据集的多性状模型进行基因组预测的准确性略低于单性状模型。通常，使用高清基因型和多特征模型可以提高预测的准确性。因此，我们建议使用50 K基因型和单性状模型来估计商业Hanwoo群体car体性状的基因组育种值。使用基于50 K或HD基因型数据集的多性状模型进行基因组预测的准确性略低于单性状模型。通常，使用高清基因型和多特征模型可以提高预测的准确性。因此，我们建议使用50 K基因型和单性状模型来估计商业Hanwoo群体car体性状的基因组育种值。