基于ITS条形码及机器学习的黄檀属物种分子鉴别研究

目的提高黄檀属的物种鉴别成功率,并将机器学习方法与传统的基于距离/系统发育树的方法进行比较,筛选最优的ITS条形码分析方法。方法所使用的黄檀属物种ITS序列来自实验获得的3条以及从NCBI下载的399条共96个物种。以条形码ITS作为分子标记,对比距离法、系统发育树法及机器学习方法在黄檀属物种的鉴别成功率。结果在基于机器学习方法的分析中,黄檀属物种的平均鉴别成功率为39.59%,其中BLOG能识别出42个黄檀属物种,其正确序列分类占比为95.75%。另外,SMO、Naïve Bayes、JRip、J48能够识别出34个物种,分别获得了79.10%、58.71%、72.64%、76.37%的正确序列分类占比。基于系统发育树法与距离法的分析分别获得28.13%和36.46%的鉴别成功率。结论基于机器学习的黄檀属ITS条形码基原识别比距离法/系统发育树法拥有更高的鉴别成功率和社会经济效率。建议优先利用基于ITS条形码的机器学习方法对黄檀属物种进行基原识别。