随机森林特征选择在精细规模遗传群体分配中的应用

摘要：用于指导野生动物管理和保护工作的遗传群体分配需要高信息量的遗传标记和敏感的分配测试。我们探索了机器学习算法（随机森林、正则化随机森林和引导正则化随机森林）在选择单核苷酸多态性（SNP）以实现精细规模群体分配时的效用，并与FST排名进行了比较。我们将这些方法应用于一组未发表的大西洋鲑鱼（Salmo salar）SNP数据集和一组已发表的阿拉斯加大马哈鱼（Oncorhynchus tshawytscha）SNP数据集。在每个物种中，我们确定了使用每种方法创建50–700个标记面板所需的最小面板大小，以获得至少90%的自我分配准确率。通过随机森林基于的方法识别的SNP面板在大西洋鲑鱼和大马哈鱼数据中相比FST选择的相似规模面板表现出高达7.8和11.2个百分点的优势。每个数据集都获得了670和384个SNP面板的自我分配准确率≥90%，这是使用FST选择的面板从未达到的准确性水平。我们的结果表明，机器学习方法在大型基因组数据集中标记选择方面具有作用，以改善被利用种群的管理和保护分配。