禽流感病毒（AIVs）雖以野生水禽為自然宿主，但感染範圍廣泛。盡管多數毒株局限於宿主物種內，部分通過基因適應突破物種屏障。我們最關注的是人畜共患病例，即人類感染事件。此類事件雖罕見，卻伴隨高致死率，並存在AIV人傳人風險。作為新發人類病原體，其可能引發大流行。基於病毒序列數據提取的8種AIV蛋白基因組特征，我們采用機器學習算法對AIV病例進行人畜共患或非人畜共患分類。這些基因特征包含宿主"特征印記"，可指示人畜共患特性，包括二肽組成和氨基酸理化性質等頻率指標。我們始終發現XGBoost的表現優於其他所有算法。我們對十種分類模型進行了參數優化：其中8種針對不同蛋白質，另兩種為組合模型。在此基礎上，我們證明多模型方法在預測禽流感人獸共患傳染病方面效果最佳。我們確定所有8種蛋白質均對預測人獸共患傳播具有作用。尤為重要的是PB2和HA蛋白，其特定氨基酸理化特性（如電荷、二級結構和疏水性）在我們的組合模型中是最具指示性的特征。我們通過無序列比對的計算研究能夠識別仍處於禽類宿主體內的禽流感病例，這些病例在基因上與人獸共患禽流感病例最為接近，從而確定最可能跨越物種屏障的病例。在資源有限的環境中，我們的模型可用於快速識別高優先級病例以供進一步調查。