基于壳表面积模型的扇贝软组织重量活体评估新方法及其在水产育种中的应用

为解决水产养殖中扇贝软组织重量破坏性评估的难题，研究人员开发了基于壳表面积(MLR-log10Sshell-RR)的活体评估模型。通过整合湿重与壳形态参数，该模型成功消除了系统偏差，在栉孔扇贝(Chlamys farreri)和虾夷扇贝(Patinopecten yessoensis)中实现跨种群准确预测，为双壳类育种提供了高效无损的表型分析工具。

　　

12345678978854321

（以下为论文解读文章）

在全球化蛋白质需求激增的背景下，水产养殖已成为重要的食物供给方式。其中双壳类软体动物贡献了全球水产养殖产量的18.9%，其可食用的软组织重量是决定经济价值的关键指标。然而传统评估方法必须破坏性解剖，既无法保留育种亲本，也不能动态追踪生长变化。虽然MRI和X射线等影像技术能实现无损检测，但存在成本高昂、仅能二维成像且依赖复杂图像处理等问题。如何建立准确、高效、非破坏性的软组织评估方法，成为提升双壳类育种效率的核心瓶颈。

中国水产科学研究院黄海水产研究所的研究人员以栉孔扇贝和虾夷扇贝为模型，创新性地开发了基于壳表面积的活体评估体系。研究收集了山东荣成两个栉孔扇贝种群（Cf1和Cf2）共1125个样本，以及辽宁大连两个虾夷扇贝新品种（Hg和Zr）共268个样本，通过数字卡尺和电子天平精确测量了壳长(SL)、壳宽(SW)、壳高(SH)等9项形态参数和湿重(W_wet)。关键技术包括：1）将贝壳几何结构分解为椭球体、锥体和耳部区域，建立三维表面积计算模型；2）采用普通最小二乘(OLS)和脊回归(RR)构建13种预测模型；3）通过Pearson相关系数、Wilcoxon符号秩检验等评估模型性能。

研究结果显示，单纯依赖壳尺寸的模型预测效果较差（r=0.516-0.936），而整合湿重的模型显著提升相关性（r>0.8）。其中新型壳表面积模型MLR-log₁₀S_shell-RR表现最优：在跨种群预测中，栉孔扇贝Cf1→Cf2的相关系数达0.962（P=0.365），Cf2→Cf1达0.970（P=0.339）；虾夷扇贝Hg→Zr为0.883（P=0.381），Zr→Hg达0.971。相比传统方法，该模型具有三大优势：1）通过脊回归处理壳参数共线性，使均方误差(MSE)降低50%；2）消除SLR-W_wet等模型的系统偏差；3）CV-RMSE波动范围仅0.060-0.117，显示极强稳定性。

通过亚组分析发现，训练集规模显著影响预测精度——当样本量<200时，估计值会出现系统性偏移。但值得注意的是，即便使用50个样本的小训练集，模型仍保持高相关性（r>0.95），表明其在资源有限场景仍具应用价值。研究人员还开发了近似模型，仅需测量SL、SW、SH即可估算壳表面积，为规模化应用提供便利。

该研究突破性地解决了双壳类育种中软组织无损评估的难题，其创新性体现在：1）首次将壳表面积作为核心预测变量；2）建立适用于双侧对称壳类的通用评估框架；3）实现跨年龄、跨品种的准确预测。这套方法可推广至牡蛎、蛤蜊等经济贝类，为水产动物智能育种提供关键技术支撑。未来通过整合自动化表型平台和大规模训练数据库，有望进一步推动该技术在产业中的应用。