基于机器学习技术的Harnali绵羊遗传价值预测研究

为提升动物育种效率，研究人员利用机器学习算法对Harnali绵羊的遗传价值进行精准预测。通过评估KNN、MLR、BR、SVM、ANN、RF及GBM七种模型，发现GBM模型表现最优（R2=0.64，r=0.80），为加速绵羊遗传进展提供了创新技术方案。

　　

机器学习技术为动物育种开辟了新路径。这项研究系统评估了K近邻网络(KNN)、多元线性回归(MLR)、贝叶斯回归(BR)、支持向量机(SVM)、人工神经网络(ANN)、随机森林(RF)和梯度提升机(GBM)七种算法在Harnali绵羊遗传价值预测中的表现。研究团队分析了1998-2021年间2036只Harnali羔羊的系谱记录、出生年份、性别、产羔体重、初生重、断奶重、日增重和六月龄体重等关键指标，并采用Wombat软件的约束最大似然法估算了六月龄体重的育种值。

通过75%训练集和25%测试集的验证，研究团队从决定系数(R²)、均方根误差(RMSE)、平均绝对误差(MAE)、赤池信息量准则(AIC)、贝叶斯信息量准则(BIC)以及偏差等多个维度评估模型性能。结果显示，梯度提升机(GBM)以R²0.64和预测准确率(r=0.80)的优异表现拔得头筹，其RMSE、MAE、AIC、BIC和偏差值均显著低于其他模型。这项突破性研究证实，机器学习特别是GBM算法能有效提升绵羊育种值预测精度，为优化育种方案、加快遗传进展提供了强有力的技术支撑。