近日，河南農業大學康相濤院士團隊劉小軍課題組在國際著名學術期刊《Computers and Electronics in Agriculture》上線上發表了題為“Advanced molecular system for accurate identification of chicken genetic resources”的研究論文。該研究成功開發了一種高效、準確的雞種質資源分子鑑定系統，為雞遺傳資源的保護和利用提供了有力的技術支援。
雞作為全球最重要的家禽之一，具有豐富的遺傳多樣性。然而，傳統基於形態特徵的鑑定方法存在諸多侷限性，難以滿足現代家禽育種和保護的需求。隨著全球遺傳資源交流的日益頻繁，準確鑑定雞遺傳資源對於保護地方品種、制定育種策略以及維持遺傳多樣性至關重要。
該研究整合了基因組單核苷酸多型性（SNP）變異資訊和多種機器學習演算法，對來自 132 個雞遺傳資源的 3,798 個個體的全基因組重測序資料和 600 K 晶片資料進行了分析。透過構建最大似然系統發育樹去除異常樣本，最終保留了 127個品種的資料。利用遺傳分化指數評估遺傳分化程度，並從每個遺傳資源中篩選出遺傳分化指數最高的100個SNP位點，採用梯度提升樹模型評估這些位點的重要性。透過比較7種不同機器學習模型的效能，確定最有效的機器學習模型。
圖1 雞種質資源分子鑑別系統工作流程
研究發現，每個品種都具有近乎完全分化的位點。多分類邏輯迴歸（MLR）模型被證明是雞種質資源分子鑑別最有效的機器學習模型，使用 2000個SNPs時，準確率達到 99.45%。
此外，該系統提供了使用者友好的線上網站(http://www.chickenbreeds.cn)，使用者可以透過上傳vcf或gvcf格式SNP變異檔案進行雞遺傳資源的鑑別。系統的通用性允許使用全基因組重測序和SNP晶片資料，並且具備資料上傳功能有助於持續擴充套件雞遺傳資源資料庫，實現更廣泛的品種鑑別範圍。
圖2 基於SNP的雞分子鑑別系統模型效能比較
該分子鑑別系統為雞遺傳資源的保護和利用提供了一種快速、準確且低成本的方法。這不僅有助於保護地方品種的遺傳多樣性，還為制定創新的育種計劃提供了科學依據，支援家禽行業的可持續發展。該系統有望在農業科研和生產實踐中得到廣泛應用，為全球雞遺傳資源的保護和利用做出重要貢獻。
動物科技學院博士研究生職毅豪為論文第一作者，劉小軍教授、康相濤院士、李紅副教授、摩洛哥穆罕默德五世大學Badaoui Bouabid教授為論文共同通訊作者。該工作得到國家重點研發計劃課題（2022YFF1000202）專案資助。
論文連結：
https://doi.org/10.1016/j.compag.2025.109989
來源：河南農業大學
