近日，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在国际著名学术期刊《Computers and Electronics in Agriculture》上在线发表了题为“Advanced molecular system for accurate identification of chicken genetic resources”的研究论文。该研究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。

鸡作为全球最重要的家禽之一，具有丰富的遗传多样性。然而，传统基于形态特征的鉴定方法存在诸多局限性，难以满足现代家禽育种和保护的需求。随着全球遗传资源交流的日益频繁，准确鉴定鸡遗传资源对于保护地方品种、制定育种策略以及维持遗传多样性至关重要。

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。

图1 鸡种质资源分子鉴别系统工作流程

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。

图2 基于SNP的鸡分子鉴别系统模型性能比较

该分子鉴别系统为鸡遗传资源的保护和利用提供了一种快速、准确且低成本的方法。这不仅有助于保护地方品种的遗传多样性，还为制定创新的育种计划提供了科学依据，支持家禽行业的可持续发展。该系统有望在农业科研和生产实践中得到广泛应用，为全球鸡遗传资源的保护和利用做出重要贡献。

动物科技学院博士研究生职毅豪为论文第一作者，刘小军教授、康相涛院士、李红副教授、摩洛哥穆罕默德五世大学Badaoui Bouabid教授为论文共同通讯作者。该工作得到国家重点研发计划课题（2022YFF1000202）项目资助。

论文链接：https://doi.org/10.1016/j.compag.2025.109989

（来源：河南农业大学；责编：刘铮）