论文研究-PCA与随机森林相结合筛选高信息量SNP位点——应用于羊的品种鉴别.pdf下载

针对品种鉴别中面临的SNP（Single Nucleotide Polymorphisms）数据高维小样本的难点，研究利用少数高信息量SNP位点正确鉴别品种的方法，提出了一种新的SNP位点筛选方法。先利用PCA提取SNP主要位点，随后使用随机森林方法，根据平均精度下降和Gini指数下降对主位点的重要性进行评估，训练分类模型。最后分别选取重要度排名前48和96的位点，以这些位点为分类特征，建立分类模型进行品种鉴别。将该模型应用于6种绵羊Illumina OvineSNP50的SNP数据。实验表明，可以从46 013个位点中分别筛选出49、96个高信息量位点用于品种鉴别，鉴别准确率达到97%以上。该方法减少了用于品种鉴别的SNP位点个数，降低了品种鉴别成本。