可解释机器学习框架助力狗品种推断

超过300种已认品种的家犬是数百年强烈人工选择和反复种群瓶颈的产物。品种标签在遗传和兽医研究中广泛使用，但高维基因型数据、品种间采样不均及混种个体的存在使得基因组推断品种面临挑战。

近日，研究人员提出了一种可解释的机器学习框架，结合降维与多输出随机森林模型，将遗传变异映射至品种的连续表示。该框架可从全基因组SNP数据中高效推断品种标签，并分解祖先成分。在测试中，该方法对纯种和混种犬均表现出较高准确性。

该研究为犬类遗传学和兽医精准医疗提供了新工具。需注意，此论文为预印本，尚未经过同行评审。