金 武，馬學(xué)艷，孫光興，徐東坡1,,，王 林，聞海波1,,，呂國華，徐 跑1,,，華 丹，顧若波1,,

(1.中國水產(chǎn)科學(xué)研究院淡水漁業(yè)研究中心，農(nóng)業(yè)部淡水魚類遺傳育種與養(yǎng)殖生物學(xué)重點(diǎn)開放實(shí)驗(yàn)室，江蘇無錫 214081；2.南京農(nóng)業(yè)大學(xué)，無錫漁業(yè)學(xué)院，江蘇無錫 214081；3.中國水產(chǎn)科學(xué)研究院淡水漁業(yè)研究中心，中美淡水貝類種質(zhì)資源保護(hù)及利用國際聯(lián)合實(shí)驗(yàn)室，江蘇無錫214081；4.阜陽市水產(chǎn)管理局,安徽阜陽 236001)

橄欖蟶蚌(Solenaiaoleivora)隸屬于瓣鰓綱(Lamellibranchia)蚌目(Unionoida)蚌科(Unionoidae)，主要分布于鄱陽湖、巢湖、太湖等水域[1]，是我國特有的蚌種，也是湖北天門、安徽阜陽、浙江德清等地十分著名的高檔河鮮。橄欖蟶蚌的人工繁殖和生物學(xué)研究[2-4]的基礎(chǔ)是雌雄性別鑒定，其鑒定方法與三角帆蚌(Hyriopsiscumingii)[5]、短褶茅蚌(Lanceolariaglayana)[6]、紫黑翼蚌(Potamilusalatus)[7]等類似，通常采用鰓絲觀察或性腺組織涂片鏡檢的方法確認(rèn)性別。

對麥穗魚(Pseudorasboraparva)和淡水小龍蝦(Astacusleptodactylus)的種群結(jié)構(gòu)研究表明，人工神經(jīng)網(wǎng)絡(luò)比傳統(tǒng)的von Bertalanffy方程具有更高的準(zhǔn)確性[8,9]。利用人工神經(jīng)網(wǎng)絡(luò)對魚類生境和空間分布[10]、特種水域的魚類識(shí)別[11]、野生魚與養(yǎng)殖魚的區(qū)分[12]也取得了較好效果。對斑馬魚采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行性別判斷準(zhǔn)確度近99%[13]，但在貝類中開展性別判斷的研究仍較少。本研究通過引入人工神經(jīng)網(wǎng)絡(luò)輔助鑒別橄欖蟶蚌的性別，先初步篩選出雌雄兩個(gè)組別的個(gè)體，再在兩個(gè)組別中驗(yàn)證個(gè)體性別，以期降低性腺組織涂片鏡檢的工作量，為橄欖蟶蚌規(guī)?；庇峁┘夹g(shù)支撐。

1 材料與方法

1.1 性狀測定

樣品采集自淮河阜陽段橄欖蟶蚌國家級水產(chǎn)種質(zhì)資源保護(hù)區(qū)。將蚌洗凈晾干外殼水分后，用電子天平稱量個(gè)體體質(zhì)量(BW)，數(shù)據(jù)精確到0.01 g。用游標(biāo)卡尺測量殼長(SL)、殼高(SH)、殼寬(SW)，數(shù)據(jù)精確到0.01 cm。

1.2 數(shù)據(jù)歸一化

為了避免形態(tài)學(xué)數(shù)據(jù)單位cm和體質(zhì)量單位g的不一致增加人工神經(jīng)網(wǎng)絡(luò)建模的難度和不必要的結(jié)果，對SL、SH、SW、BW 4個(gè)性狀的測得數(shù)據(jù)進(jìn)行最大值-最小值歸一化處理。最大值-最小值歸一化處理的公式為[14]：

其中xscaled為歸一化后的數(shù)據(jù)，xmin和xmax為每一個(gè)性狀測得值的最小值和最大值。

1.3 人工神經(jīng)網(wǎng)絡(luò)建模

本研究中訓(xùn)練集從原始數(shù)據(jù)(221個(gè)樣本)中隨機(jī)抽取90%(199個(gè)樣本)，測試集為剩余22個(gè)樣本。建模中采用SL、SH、SW、BW 4個(gè)性狀進(jìn)行建模。由于neuralnet包不能直接處理分類變量，因此性別變量GENDER通過model.matrix()函數(shù)創(chuàng)建GENDERFEMALE、GENDERMALE這2個(gè)啞元變量用于后續(xù)分析。

本研究中人工神經(jīng)網(wǎng)絡(luò)建模采用R統(tǒng)計(jì)軟件[15]和neuralnetwork包(https://CRAN.R-project.org/package=neuralnet)進(jìn)行分析。人工神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確度(Accuracy,ACC)計(jì)算公式為：

其中TP、TN、FP、FN分別為真陽性、真陰性、假陽性和假陰性，該值越接近于1，說明人工神經(jīng)網(wǎng)絡(luò)建模表現(xiàn)越好。

2 結(jié)果

2.1 描述性統(tǒng)計(jì)

兩種性別的橄欖蟶蚌的描述性統(tǒng)計(jì)結(jié)果如表1。雌、雄橄欖蟶蚌的4個(gè)性狀表現(xiàn)出明顯差異。如圖1所示，這4個(gè)性狀的分布接近于正態(tài)分布。

表1 兩種性別的橄欖蟶蚌4個(gè)性狀的描述性統(tǒng)計(jì)結(jié)果

圖1 橄欖蟶蚌雌雄個(gè)體4個(gè)性狀的分布圖

2.2 神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果

如圖2所示，通過構(gòu)建一個(gè)隱含層4個(gè)神經(jīng)元的神經(jīng)網(wǎng)絡(luò)，能夠較好地模擬橄欖蟶蚌兩種性別的數(shù)據(jù)，準(zhǔn)確度為0.68。SH、SW和BW這3個(gè)性狀的廣義權(quán)重的散點(diǎn)圖(圖3)顯示這3個(gè)性狀與性別的關(guān)系較弱，只有SL和性別表現(xiàn)出一定的非線性影響關(guān)系。

圖2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

圖3 廣義權(quán)重的散點(diǎn)圖

2.3 神經(jīng)網(wǎng)絡(luò)準(zhǔn)確度分析

根據(jù)神經(jīng)網(wǎng)絡(luò)準(zhǔn)確度的計(jì)算公式，0.68達(dá)到預(yù)期目標(biāo)，可以嘗試用于橄欖蟶蚌的性別預(yù)測，減輕顯微鏡鏡檢的工作量。

3 討論

3.1 分類性狀的人工神經(jīng)網(wǎng)絡(luò)建模

隨著計(jì)算成本和存儲(chǔ)成本的降低，計(jì)算機(jī)能從大量訓(xùn)練樣本中直接學(xué)習(xí)基于統(tǒng)計(jì)規(guī)律的人工神經(jīng)網(wǎng)絡(luò)并用于未知事件的預(yù)測，這在圖像識(shí)別[16]、文本分類[17]、語音識(shí)別[18]等領(lǐng)域取得了廣泛進(jìn)展。人工神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)模型相比，它能夠在人們對所模擬的生物和生態(tài)過程認(rèn)識(shí)不足而且有較多不確定性的條件下，并能把數(shù)量和質(zhì)量數(shù)據(jù)的信息融入模型中進(jìn)行處理，因此具有顯著的優(yōu)越性[19]。但是，在訓(xùn)練樣本和測試樣本量都不夠時(shí)，可能有與訓(xùn)練數(shù)據(jù)過度吻合的現(xiàn)象。因此，對于這種情況下神經(jīng)網(wǎng)絡(luò)的分析結(jié)果應(yīng)謹(jǐn)慎并進(jìn)行驗(yàn)證[20]。人工神經(jīng)網(wǎng)絡(luò)模型的模擬精度要遠(yuǎn)遠(yuǎn)高于多元線性方程，類似于非線性方程，但不可能與機(jī)理模型相比，它可以作為機(jī)理模型的重要補(bǔ)充[8]。

表2 神經(jīng)網(wǎng)絡(luò)準(zhǔn)確度分析

3.2 貝類性別鑒定

對淡水貝類性別鑒定的方法主要有顯微鏡鏡檢性腺[21]、觀察腮絲間隔寬度[5]、觀察觸角[22]等方式鑒別。多數(shù)淡水貝類的性別比例為1∶1，因此，在規(guī)模化篩選用于繁育的親本時(shí)，可以通過“兩步走”的方式來達(dá)到雌雄性別鑒定目的。首先測量形態(tài)學(xué)參數(shù)并根據(jù)人工神經(jīng)網(wǎng)絡(luò)性別預(yù)測的結(jié)果將原群體初步劃分為雌雄兩組，縮小直接進(jìn)行人工鑒別橄欖蟶蚌性別的范圍，然后再在分好的雌雄兩個(gè)組別內(nèi)進(jìn)行人工輔助驗(yàn)證性別預(yù)測結(jié)果并貼好不同顏色的貝類標(biāo)簽。

海水雙殼貝類雌雄間性狀無明顯差異、尚未見有性染色體的報(bào)道及性別決定因子或性別決定機(jī)制仍不完全清楚，因此對雙殼貝類進(jìn)行遺傳改良多借助分子生物學(xué)進(jìn)行輔助育種。蝦夷扇貝因其養(yǎng)殖群體中一定比例的雌雄同體在性別決定和分化機(jī)制研究中的價(jià)值而備受關(guān)注[23]。淡水經(jīng)濟(jì)雙殼貝類三角帆蚌不同性別對育珠性能也具有重要影響[5]，且三角帆蚌自然群體的雌雄比為1∶1。對橄欖蟶蚌的基礎(chǔ)生物學(xué)研究仍處于初期，后續(xù)應(yīng)在雌雄個(gè)體性別決定、性別分化、生長速度等方面進(jìn)行進(jìn)一步研究。