近日，我所育种研究室在国际期刊Fishes（JCR 1区）在线发表题为 “A Unified Comparative Evaluation of Genomic Prediction Models Across Four Aquaculture Species” 的研究论文。研究整合4个公开基因型与表型数据，在统一分析框架下开展跨物种系统比较，系统评估了GBLUP、贝叶斯及机器学习等多类基因组预测模型在虹鳟、大西洋鲑、金头鲷和鲤鱼四种重要养殖物种中的预测性能。

研究结果表明，基因组预测准确性显著受物种遗传背景和性状遗传力影响。虹鳟和鲤等中高遗传力性状预测精度较高，而大西洋鲑和金头鲷低遗传力性状预测效果相对较低。研究进一步明确，不存在适用于所有物种与性状的“通用最优模型”。机器学习方法在部分物种中可获得较高精度，但稳定性存在差异；传统 GBLUP 模型则在各物种中保持稳定且偏差最小的表现。同时，研究验证了基于全基因组关联分析（GWAS）的增量SNP特征选择策略在提升预测效率方面的应用潜力。在部分物种中，仅利用0.54%–9.64% 的关键标记即可提升2.8%-4.2% 的预测准确率，为构建低成本、高精度的水产基因组育种技术体系提供了方法学支撑。 

水产所张金鑫博士为第一作者，宋海亮副研究员和徐绍刚副研究员为共同通讯作者。本研究由国家自然科学基金（GrantNo. 32341059）、北京市农林科学院优秀青年科学家计划（Grant No. YKPY2025004）和北京市农林科学院创新能力建设计划（Grant No. KJCX20240310）相关项目资助。