一种基于机器学习优化的贾第虫基因组SNP条形码分型方法

本发明适用于生物学技术领域，提供了一种基于机器学习优化的贾第虫基因组SNP条形码分型方法。该方法经数据获取与预处理、无监督群体结构聚类、机器学习特征筛选、条码SNP面板构建、鲁棒性评估及检测与判读完成分型。本发明以无监督聚类结果为标签训练XGBoost模型，结合SHAP指标筛选50个位点形成SNP条形码面板。该面板仅用少量位点即接近全基因组SNP分型的分辨率，性能优于MLST，且在15X低深度等低质数据下保持高准确性；支持多重PCR等检测方式及标准化报告，流程采用模块化设计可在计算机可读存储介质中实现，为贾第虫公共卫生监测和跨宿主溯源提供有效工具。