针对胚盘的傅里叶变换红外（FT-IR）光谱分析技术，用于孵化前雏鸡的早期无损性别鉴定

《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：Blastodisc-targeted Fourier transform infrared (FT-IR) spectral analysis for early non-destructive sex identification of chicks before incubation

【字体：大中小】 时间：2026年05月02日 来源：Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy 4.3

编辑推荐：

　　刘一健|刘胜楠|宁宇|杜丽红|郑磊|徐宝才|马飞中国安徽省合肥市合肥工业大学食品与生物工程学院，邮编230009摘要在孵化第六天之前对孵化蛋进行无损性别鉴定仍然是一个全球性的重要挑战，这对动物福利和生产效率有着直接的影响。本研究开发了一种新的策略，通过分析在孵化第3天和第5天从蛋

刘一健|刘胜楠|宁宇|杜丽红|郑磊|徐宝才|马飞

中国安徽省合肥市合肥工业大学食品与生物工程学院，邮编230009

摘要

在孵化第六天之前对孵化蛋进行无损性别鉴定仍然是一个全球性的重要挑战，这对动物福利和生产效率有着直接的影响。本研究开发了一种新的策略，通过分析在孵化第3天和第5天从蛋壳表面非侵入性地收集的傅里叶变换红外（FT-IR）光谱来早期确定鸡蛋的性别，同时关注胚盘和非胚盘区域。这些光谱（4000–650?cm^?1）经过Savitzky-Golay平滑（SGS）、标准正态变量（SNV）、一阶导数变换（FDT）和二阶导数变换（SDT）预处理。然后使用模拟退火（SA）算法从预处理后的光谱中选择重要特征子集。利用不同的特征子集建立了支持向量机（SVM）模型进行性别鉴定。最佳模型结合了SGS、FDT和SA，在孵化第5天使用胚盘区域的光谱时，准确率达到94.44%。这项研究表明，针对胚盘的FT-IR光谱与机器学习相结合，在孵化早期实现无损性别鉴定具有巨大的潜力，对家禽产业的实际应用具有直接意义。

引言

高度专门化的产蛋鸡的饲养面临着一个挑战：每年全球有超过70亿只一日龄的雄性雏鸡被淘汰[1]，[2]。这种做法不仅导致巨大的经济损失，还引发了关于动物福利的严重伦理问题[3]，[4]。为此，许多国家已经立法禁止杀死一日龄的雄性雏鸡[5]，[6]。此外，从2024年开始，一些国家和地区的新规定要求在孵化第六天后停止杀死活胚胎，因为越来越多的科学证据表明胚胎在第七天左右可能开始感知疼痛[1]，[7]。因此，迫切需要开发一种在孵化第六天之前识别孵化蛋性别的技术。

几十年来，孵化前对鸡蛋进行早期性别鉴定一直是家禽业和研究人员的关注焦点。最早的方法是在孵化后通过检查羽毛或泄殖腔来进行性别鉴定，目前这种方法仍被世界各地的许多企业广泛使用[8]。然而，这种做法会导致雄性雏鸡的系统性淘汰以及孵化过程中投入的所有资源的浪费。此外，德国商业化的基于ELISA的方法也面临着持续的挑战，包括高昂的抗体生产成本和低检测通量。一些新兴技术，如基于PCR的基因检测和傅里叶变换红外（FT-IR）光谱技术，已经通过胚胎细胞采样来识别与性别相关的染色体差异[9]，[10]。尽管这些方法准确，但成本较高且需要侵入性操作，存在损坏胚胎的风险。最近，拉曼光谱在孵化第3.5天时达到了90%的准确率[11]；荧光光谱（800–1000?nm）在孵化第3.5天时达到了93%[12]；而针对蛋壳膜的光谱补偿技术在孵化第4天时准确率超过了90%[13]。然而，所有这些方法都对孵化蛋产生了一定的不利影响。在这种背景下，开发一种安全、低成本且无损的技术，在孵化第六天之前识别鸡蛋的性别对于家禽业来说变得越来越重要。

胚盘位于未孵化鸡蛋的蛋黄表面，是鸟类胚胎发育的起点。研究表明，早期胚盘含有大约40,000–60,000个细胞，在早期性别分化过程中表现出与性别相关的差异，如DNA和血红蛋白含量[9]，[14]，为孵化蛋的性别鉴定提供了理论基础。FT-IR光谱是一种理想的工具，可以作为一种无损且快速的方法来区分不同的物理化学差异。近年来，它已被用于获取鸡蛋的内部成分并检测蛋白的新鲜度[15]，[16]。据我们所知，目前还没有关于在孵化第3至5天使用FT-IR结合机器学习进行性别分析的报告，尤其是针对胚盘区域的研究。在这项工作中，胚盘区域具有最佳的光透射率和简单的血管结构，使其成为光学检测的理想窗口。

章节片段

动物伦理声明

所有研究方案均获得了合肥工业大学动物研究伦理委员会的批准（许可编号：HFUT20240104001和HFUT20260225001）。

样品制备

样品制备的主要步骤如图1所示。本研究中使用的受精鸡蛋来自安徽华东山中县农业发展有限公司。这些鸡蛋来自在标准商业条件下笼养的宣州鸡，平均重量为50?±?5?克。

初步光谱分析

图2展示了孵化第3天和第5天雄性和雌性鸡蛋的胚盘和非胚盘区域的原始平均FT-IR光谱。尽管所有光谱的模式大体相似，但在3500–1600?cm^?1、1400–900?cm^?1和850–650?cm^?1范围内观察到了光谱强度的变化。在孵化第三天，雌性胚盘区域的光谱强度明显低于雄性和雌性非胚盘区域。

结论

本研究开发了一种使用FT-IR光谱结合机器学习的无损方法，在孵化第六天之前早期识别鸡蛋的性别，解决了家禽业中与动物福利和生产效率相关的关键问题。结合胚盘光谱的SVM模型始终优于使用非胚盘数据的模型。最佳模型的准确率为94.44%，该模型使用了SGS-FDT-SA预处理的光谱。

CRediT作者贡献声明

刘一健：撰写——原始草案、软件、方法论、调查、正式分析、数据整理。刘胜楠：撰写——审阅与编辑。宁宇：监督。杜丽红：监督。郑磊：监督、概念构思。徐宝才：监督。马飞：撰写——审阅与编辑、验证、资金获取、正式分析、概念构思。

利益冲突声明

作者声明提交本手稿时不存在利益冲突。所有作者均已批准该手稿的发表。

致谢

本工作得到了国家自然科学基金（编号：32372357）、合肥工业大学智能制造研究院的专项成就培育项目（编号：W2025JSKF0809）以及

联系信箱：

摘要

引言