利用机器学习评估荷斯坦公牛精子甲基化组对生育力的预测潜力
Assessing the predictive potential of the Holstein bovine sperm methylome for bull fertility using machine learning
研究基于351头荷斯坦商业公牛，按授精后56天不返情率分为低育、中性、高育，利用冻精RRBS甲基化数据构建机器学习分类模型，比较LASSO、随机森林、梯度提升与神经网络。所有模型均优于随机分类；独立测试中LASSO准确率0.62，随机森林AUC 0.69，可将识别低育个体的概率提高12.4个百分点。提示精子DNA甲基化可作为公牛生育力预测标志物，但模型性能仍为中等。
推荐理由：样本量较大、交叉验证与独立测试设计规范，是精子表观遗传标记用于雄性生育力预测的实证；但属于牛育种场景且预测性能中等，对人类ART的直接转化有限。