使用微卫星基因型数据和AutoGluon框架的高精度品种识别
Rajaonarison Faniriharisoa Maxime Toky1, Sutthisak Sukhamsri2, Sadeep Medhasi1
1Animal Genomics and Bioresource Research Unit (AGB Research Unit), Faculty of Science, Kasetsart University, Bangkok 10900, Thailand.
Biology
|January 10, 2026
概括
机器学习,特别是随机森林模型,使用微观卫星数据准确识别品种. 这种具有成本效益的方法提高了品种保护和育种计划的设计.
科学领域:
- 生物信息学是一种生物信息学.
- 动物遗传学动物遗传学
- 机器学习应用 机器学习应用
背景情况:
- 准确的品种识别对于保护和繁殖计划至关重要.
- 区分表型相似的品种是具有挑战性和昂贵的.
- 机器学习 (ML) 为分析复杂的遗传数据提供了先进的工具.
研究的目的:
- 开发一种可访问和优化的品种识别方法.
- 用微卫星数据评估随机森林 (RF) 模型用于分类品种的有效性.
- 证明ML的实用性,特别是AutoGluon,用于经济高效的品种确定.
主要方法:
- 利用了来自30个种群的651个个体的微卫星基因型数据.
- 采用随机森林 (RF) 模型进行品种分类.
- 应用交叉验证技术 (10倍和1次) 和性能指标 (准确性,科恩的卡帕,F1分数).
主要成果:
- 射频模型在测试数据集上实现了95.38%的准确性.
- 交叉验证准确率为91.44% (10倍) 和90.99% (留下一个).
- 经过训练的模型证明了用于品种决定的概括性.
结论:
- 机器学习,特别是RF和AutoGluon等自动化方法,为品种识别提供了强大的框架.
- 这种ML方法提供了一种简单,现代和具有成本效益的方法来确定品种.
- 预计更大的数据集将进一步改善各种品种的模型性能.


