畜牧兽医学报

作者：乔利英, 王万年, 张莉, 庞志旭, 张思颖, 李一凡, 刘文忠

单位：1. 山西农业大学动物科学学院, 太谷 030801；2. 畜禽遗传资源发掘与精准育种山西省重点实验室, 太谷 030801

关键词：机器学习,品种分类,基因组标记,绵羊,准确性

基金：山西省“雁云白羊”育种联合攻关(NYGG23)；山西省现代农业产业技术体系建设专项资金(2024-14)

旨在评估基于基因组标记的机器学习(machine learning, ML)算法在品种分类中的有效性，检验不同ML算法在绵羊品种分类中的应用效果如何。本研究采用2种方式对10个绵羊品种进行单核苷酸多态性(single nucleotide polymorphisms, SNPs)位点选择，第一种利用群体间分化指数(fixation index, FST)进行选择，第二种方式是在FST的基础上使用Boruta特征选择算法对SNPs位点进一步筛选。采用K-近邻、支持向量机(support vector machines, SVM)和自适应增强(adaptive boosting, AdaBoost)等8种不同类别的ML算法对绵羊品种进行分类，采用准确性评估不同SNPs选择方式和不同ML算法在品种鉴定中的差异，鉴定绵羊品种分类的最佳组合方式。本研究采用的数据中既有遗传关系较远的品种，也有遗传相似的品种，保证了后续分析的可靠性。根据前1%的筛选标准，FST分析每次筛选出5 361个SNPs位点，Boruta算法最终保留(328±11.7)个SNPs位点用于ML品种分类，且在多次迭代后，被标记为“确认”的SNPs位点得分稳定高于阴影特征和被标记的其他两类SNPs位点。Boruta算法保留的SNPs位点数远低于FST分析。在使用ML模型进行品种分类时，大多数模型的准确性均高于0.9。其中，经过Boruta算法选择SNPs位点之后使用SVM模型进行品种分类准确性最高(0.953)，AdaBoost表现也同样优秀(0.947)，仅使用FST选择SNPs位点之后使用NB模型分类效果最差(0.601)。除NB外，其余模型接收者操作特征曲线下面积均接近于1。无论使用哪种SNPs选择方式均具有较强的区分能力，使用Boruta算法后效果略好。根据上述结果表明，ML方法的实施有效提高了品种分类的准确性，在绵羊品种鉴定中有良好的应用潜力。

来源：2025年第5期

《畜牧兽医学报》期刊编辑部

查看畜牧兽医学报杂志2025年第5期