长牡蛎是我国北方重要的经济贝类,随着养殖规模扩大,由于缺乏科学完善的苗种培育体系致使长牡蛎出现了品质下降、种质退化问题,这就需要加强选种育苗工作,通过诸如全基因组选择等先进的计算辅助育种技术,选择培育高质量长牡蛎品种。但是随着高通量测序技术的发展,全基因组规模的单核苷酸多态性（single nucleotide polymorphism,SNP）遗传标记密度越来越高,造成基因数据的特征维度远高于样本数量,这对全基因组选择的数据分析方法提出了更高的要求。随着近些年机器学习在特征选择、建模预测等方面的能力越来越强,其相比于传统生物信息学方法在计算效率、准确度方面具有更大的优势,因此将机器学习与全基因组选择相结合对精准选育进行研究能够有效促进育种技术的进步与发展,具有重要的研究意义。本文针对长牡蛎选种预测问题,利用机器学习方法对长牡蛎全基因组数据的分类模型进行研究,主要工作内容如下:1.针对长牡蛎全基因组数据的超高维度状况,本文提出了一种互信息-多模型稳定性选择特征选择法（mutual information-multiple models stability selection,MI-MSS）。MI-MSS特征选择法通过两个阶段实现降维,其中一阶段基于互信息法,通过度量变量间互信息快速筛选特征,二阶段使用多模型稳定性选择法,进行子采样并综合多种模型结果以选取重要特征,从而有效的将复杂非线性数据集降低到合适的维度。对比实验表明,该方法相比于常规特征选择方法所选择的特征更有利于提升分类模型的精度。2.本文提出了一种结合MI-MSS和lightGBM的长牡蛎种质分类模型,该方法利用MI-MSS方法完成特征选择,使用基于决策树的lightGBM集成学习框架构建分类模型。lightGBM具有分类精度高、不易过拟合的优点,能够高效处理复杂非线性的基因数据。实验结果表明,本文所提出的长牡蛎全基因组种质分类模型具有较好的分类效果,在综合评价指标上优于其他常规的机器学习和生物信息学方法。3.为了将上述的理论研究进行工具化实现,本文开发完成了一套长牡蛎全基因组数据分析预测软件,该软件有着较为完善的图形界面,提供了完整便捷的全基因组数据分析流程。软件主要基于QT开发框架与Python编程语言设计实现,支持的功能包括数据清洗、特征选择、建模分析等等,使用者能够根据研究需求选择不同模块加以组合使用。该软件操作简单、使用方便,为生物全基因组选择相关研究提供了实用的工具。