《Poultry Science》：Chromosomal Screening of Candidate Genes Associated with F2 Chicken Birth Weight Using the Random Forest Algorithm
编辑推荐：
基因组选择（Genomic selection）通过早期识别遗传优良个体，显著提升了动物育种效率。这一进展在家禽育种中尤为重要，因为生产效率高度依赖于初生重等生长性状。然而，高密度SNP芯片的高昂成本促使研究人员探索在保证基因组预测精度的前提下，开发经济有效的
基因组选择（Genomic selection）通过早期识别遗传优良个体，显著提升了动物育种效率。这一进展在家禽育种中尤为重要，因为生产效率高度依赖于初生重等生长性状。然而，高密度SNP芯片的高昂成本促使研究人员探索在保证基因组预测精度的前提下，开发经济有效的低密度芯片。本研究采用随机森林（Random Forest, RF）算法识别信息丰富的SNP，用于开发肉鸡初生重基因组预测的低密度SNP芯片。研究人员分析了由Arian肉鸡与Urmia本地鸡正反交产生的F2群体的基因型数据，以识别与初生重相关的SNP。研究目标是在保持预测精度的同时，通过筛选高信息量SNP子集来降低基因分型成本。经质量控制后，保留了312只F2鸡的45,512个SNP用于后续分析。SNP重要性通过基于置换的变量重要性（%IncMSE）进行量化，并通过基因组预测分析评估所选标记子集。RF算法识别出的信息SNP在各染色体间重要性存在显著差异。采用严格重要性阈值筛选的标记子集比完整SNP数据集获得了更高的基因组预测精度，表明许多标记对预测性能贡献甚微。部分染色体含有极少或无高信息量标记，提示这些染色体对性状特异性低密度SNP芯片的开发价值有限。总体而言，将基于机器学习的特征选择与基因组预测相结合，是开发经济有效的低密度SNP芯片以支持肉鸡育种项目中基因组选择的一种有前景的方法。
基于随机森林算法的鸡初生重候选基因染色体筛选研究解读
一、研究背景与意义
全球人口预计到2050年将超过92亿，伴随而来的是全球食品需求相比2010年增长35%至56%。鸡肉作为最有效的动物蛋白来源之一，占全球肉类产量的30%以上，在粮食安全中发挥着至关重要的作用。因此，通过遗传改良提高家禽生产力已成为现代育种计划的主要目标。初生重（Birth weight, BW0）是鸡后续生长性能的关键指标，与早期存活率、孵化后生长速率和群体均匀度密切相关。此外，最佳孵化体重有助于改善肉鸡的饲料效率和生长性能，以及蛋鸡的产蛋性能。
基因组选择（Genomic selection）基于高密度SNP芯片已显著提高了动物育种效率，但高密度基因分型的高昂成本仍是主要限制因素，尤其是在具有大育种群和短世代间隔特征的家禽群体中。研究表明，高密度SNP芯片中包含的许多标记对经济重要性状的预测贡献甚微。因此，开发富含与数量性状位点（Quantitative trait loci, QTL）或因果变异相关的信息标记的低密度SNP芯片，可以在保持基因组预测精度的同时大幅降低基因分型成本。
机器学习方法已成为基因组特征选择和优化低密度SNP芯片设计的强大工具。随机森林（Random Forest, RF）等算法能够捕捉复杂的非线性关系，优先选择对复杂性状贡献最大的SNP。与传统全基因组分析不同，本研究采用了逐染色体筛选策略，该策略显著降低了计算复杂度，并消除了无关区域的"基因组噪声"，使RF算法能够更精确地定位信息标记，同时保持跨基因组的均匀分布。
二、主要技术方法
研究人员利用312只F2鸡群体，该群体来源于Arian快速生长品系（AA）与Urmia伊朗本地鸡（NN）的正反交。初生重平均为43.53 ± 3.91 g，变异系数为8.99%。基因分型采用Illumina技术的商业60K SNP芯片完成，经PLINK 1.9质量控制后保留45,512个SNP。RF算法通过置换法变量重要性（%IncMSE）量化SNP重要性，采用OOB交叉验证进行参数调优。基于经验分布实施渐进式阈值策略（>1%、>2%和>4%）。基因组预测采用基因组最佳线性无偏预测（Genomic best linear unbiased prediction, GBLUP），通过BGLR包实现，Gibbs采样器运行50,000次迭代。预测精度采用五折交叉验证评估。
三、研究结果
3.1 随机森林算法识别信息SNP
RF算法识别出的信息SNP在各染色体间重要性存在显著差异。通过置换法变量重要性分析，SNP根据其关联的均方误差增加百分比（%IncMSE）进行排序。无信息或中性标记因背景噪声产生接近零或负值，而预测性位点表现出升高的%IncMSE。渐进式阈值策略中，温和阈值（>1%）消除了基线基因组噪声，同时保留了28条常染色体上的广泛多基因变异；中等阈值（>2%）平衡了标记密度并去除了对基因组预测影响较小的标记；严格阈值（>4%）分离出主要效应候选位点。
3.2 基因组预测精度评估
采用严格重要性阈值筛选的标记子集比完整SNP数据集获得了更高的基因组预测精度，表明许多标记对预测性能贡献甚微。各标记子集在GBLUP框架下独立评估，并与使用原始芯片上所有SNP获得的基线精度进行比较。部分染色体含有极少或无高信息量标记，提示这些染色体对性状特异性低密度SNP芯片的开发价值有限。
四、讨论与结论
研究结果表明，将基于机器学习的特征选择与基因组预测相结合，是开发经济有效的低密度SNP芯片以支持肉鸡育种项目中基因组选择的一种有前景的方法。低密度SNP芯片富集与QTL或因果变异相关的信息标记，可大幅降低基因分型成本，同时保持基因组预测精度。缺失基因型可随后以高精度进行填补，允许重建全基因组标记信息。该策略使大规模基因分型在经济上可行，并通过减少非信息标记的影响同时保留最具预测性的变异来改善基因组预测。机器学习算法在捕捉弱标记效应、标记间连锁和非加性遗传互作等复杂基因组结构方面具有显著优势，且许多机器学习模型以最少的参数调优即可实现稳健性能，简化了其实施。逐染色体筛选策略有效降低了计算复杂度，消除了无关区域的基因组噪声，使RF算法能够更精确地定位信息标记，同时保持跨基因组的均匀分布，从而获得更高的预测精度。
