文献类型： 中文期刊

作者： 曹士亮 ¹ ; 张建国 ¹ ; 于滔 ¹ ; 杨耿斌 ¹ ; 李文跃 ¹ ; 马雪娜 ¹ ; 孙艳杰 ² ; 韩微波 ³ ; 唐贵 ⁴ ; 单大鹏 ² ;

作者机构： 1.黑龙江省农业科学院玉米研究所/玉米国家工程实验室(哈尔滨)

2.黑龙江省农业科学院绥化分院

3.黑龙江省农业科学院草业研究所

4.黑龙江省农业科学院乡村振兴研究所

关键词： 玉米;机器学习;交叉验证;类群划分;判别分析

期刊名称： 中国农业科学

ISSN： 0578-1752

年卷期： 2025 年 58 卷 002 期

页码： 203-213

收录情况： 北大核心 ; CSCD

摘要： 【目的】优化玉米杂种优势类群划分与判别分析方法，为玉米育种提供指导和参考。【方法】采用固相芯片对60份糯玉米自交系进行基因分型，通过质量控制获得不同密度的SNP标记，采用群体结构分析和遗传距离聚类的方法对60份糯玉米进行类群划分，比较不同密度分子标记和分群方法的差异。在此基础上，分别采用随机森林和支持向量机对类群划分结果进行抽样和交叉验证，比较玉米自交系类群判别的预测精度。【结果】通过不同的质量控制标准分别获得11 431和4 022个分子标记，基于2种分子标记密度，分别将60份材料分成5个类群和4个类群，其中，以11 431个SNP标记为基础，通过群体结构分析和遗传距离聚类结果发现，类群内样本一致性为63.33%，以4 022个SNP标记进行分群，发现2种类群划分方法的群内样本一致性为90.00%；比较玉米自交系类群判别的预测精度结果为：基于4 022个标记，随机森林和支持向量机预测精度的平均值（91.43%）高于11 431个标记的预测精度的平均值（86.25%），其中，预测精度最高的是采用4 022个标记的随机森林预测，预测精度为94.17%。【结论】聚类分析法最终将60份玉米糯自交系分为4个类群，运用随机森林和支持向量机对类群划分结果进行抽样和交叉验证，发现随机森林法比支持向量机法能获得更高的预测精度。