自晚更新世开始，人类开启了对野生动物的驯化，最终形成了包括禽畜和宠物在内的家养动物。在驯化后的历史中，一些家养动物的野生祖先灭绝了（如原牛），一些则继续生活在野外（如野猪），成为与家养动物的野生祖先遗传关切的野生近缘种（物种/亚种）。今天，野生近缘种不仅是理解动物驯化历史的重要参考，更是极为重要的生物资源。野生近缘种保留了畜禽在人工培育中丢失的宝贵遗传多样性，如抗病性、耐粗饲、适应恶劣环境的能力。这些特性，是未来应对气候变化和新型疫病的关键基因资源。当商业品种因近亲繁殖而退化时，科学家可以从野生近缘种中寻找优异基因，通过杂交改良，让畜禽更强壮、更健康。然而，这些珍贵的野生近缘种正因栖息地破坏和与家畜杂交而面临威胁，也为相关资源的评估、保护与管理带来了诸多挑战。

中国科学院昆明动物所张亚平院士团队长期开展家养动物野生近缘种遗传资源多样性研究工作。前期的系列研究工作表明红原鸡（Gallus gallus）是现代家鸡的直系野生祖先，二者遗传背景高度相似，且在驯化后持续发生基因交流，导致家鸡遗传成分不断渗入野生种群，遗传边界愈加模糊。这使得鉴定家鸡与红原鸡成为家养动物-野生近缘种杂交体系中最具代表性、也最具挑战性的案例之一。鉴于传统形态学与分子遗传学鉴定方法均难以有效区分，中国科学院昆明动物研究所联合泰国农业大学（Kasetsart University）等国内外研究团队，创新开发了一套用于区分野生近缘种与家养动物以及杂交个体的人工智能（深度学习）分析流程（图1）。在红原鸡与家鸡体系中，研究团队整合了1,960个样本（含164份红原鸡和1,796份家鸡）基因组数据，构建了基于285个SNP的识别模型，实现对红原鸡、家鸡以及杂交个体的高效准确识别（图2）。在针对博物馆保存的历史标本基因组数据的测试中，即便存在基因型缺失，该模型识别准确率仍达97.8%，体现了在低通量测序甚至古代DNA测序数据分析中保持了良好的鲁棒性。研究团队将该流程拓展至野猪与家猪杂交体系，表现出较强的通用性与推广价值。

图1. 基于人工智能的野生近缘种鉴定流程示意图

这一工作展示了人工智能与保护基因组学的融合应用，为家养动物野生近缘种的评估与保护研究提供了新的技术范式，有助于推动遗传资源的管理与利用。传统的群体基因组学分析，依赖于构建大量群体基因组变异参考面板（reference panel），面对少量样本数据加入，涉及频繁的数据合并以及祖源比例重新估算等存储和计算问题。本研究提出的人工智能策略凭借“训练一次、多次部署、持续迭代”的优势，能有效应对上述挑战，更适用于日常保护遗传学和遗传资源管理工作。整个分析流程与训练模型均可开放获取https://github.com/icefire080/Deep_SNP_screen_and_RJF_identification。

图2. 基于285个SNP信息的人工智能模型鉴定红原鸡、家鸡和杂交鸡

研究成果以“Harnessing deep learning in searching wild relatives of domestic animals”为题，发表在分子生态学国际刊物Molecular Ecology Resources上。云南大学和中国科学院昆明动物所联合培养博士研究生蔡正飞（已毕业），中国科学院昆明动物研究所刘贝助理工程师（已离职）、尹婷婷高级工程师为论文共同第一作者；泰国农业大学Kornsorn Srikulnath教授，中国科学院昆明动物研究所张亚平研究员、彭旻晟研究员为共同通讯作者。该研究得到来自国家重点研发计划、云南遗传资源保护与基因挖掘国际联合实验室、中国科技基础资源调查专项、国家自然科学基金、泰国科学研究与创新署等的资助，并获得了中国西南野生生物种质资源库动物种质资源库（国家重大科技基础设施专项）的支持。

文章链接：https://doi.org/10.1111/1755-0998.70133