研究团队开发国际首个鸡种质资源分子鉴别系统

        河南农业大学动物科技学院康相涛院士团队刘小军课题组成功开发了一种高效、准确的鸡种质资源分子鉴定系统，为鸡遗传资源的保护和利用提供了有力的技术支持。该研究整合了基因组单核苷酸多态性（SNP）变异信息和多种机器学习算法，对来自 132 个鸡遗传资源的 3,798 个个体的全基因组重测序数据和 600 K 芯片数据进行了分析。通过构建最大似然系统发育树去除异常样本，最终保留了 127个品种的数据。利用遗传分化指数评估遗传分化程度，并从每个遗传资源中筛选出遗传分化指数最高的100个SNP位点，采用梯度提升树模型评估这些位点的重要性。通过比较7种不同机器学习模型的性能，确定最有效的机器学习模型。研究发现，每个品种都具有近乎完全分化的位点。多分类逻辑回归（MLR）模型被证明是鸡种质资源分子鉴别最有效的机器学习模型，使用 2000个SNPs时，准确率达到 99.45%。此外，该系统提供了用户友好的在线网站（http://www.chickenbreeds.cn），用户可以通过上传vcf或gvcf格式SNP变异文件进行鸡遗传资源的鉴别。系统的通用性允许使用全基因组重测序和SNP芯片数据，并且具备数据上传功能有助于持续扩展鸡遗传资源数据库，实现更广泛的品种鉴别范围。研究成果发表于《Computers and Electronics in Agriculture》。