禽流感病毒（AIVs）虽以野生水禽为自然宿主，但感染范围广泛。尽管多数毒株局限于宿主物种内，部分通过基因适应突破物种屏障。我们最关注的是人畜共患病例，即人类感染事件。此类事件虽罕见，却伴随高致死率，并存在AIV人传人风险。作为新发人类病原体，其可能引发大流行。基于病毒序列数据提取的8种AIV蛋白基因组特征，我们采用机器学习算法对AIV病例进行人畜共患或非人畜共患分类。这些基因特征包含宿主"特征印记"，可指示人畜共患特性，包括二肽组成和氨基酸理化性质等频率指标。我们始终发现XGBoost的表现优于其他所有算法。我们对十种分类模型进行了参数优化：其中8种针对不同蛋白质，另两种为组合模型。在此基础上，我们证明多模型方法在预测禽流感人兽共患传染病方面效果最佳。我们确定所有8种蛋白质均对预测人兽共患传播具有作用。尤为重要的是PB2和HA蛋白，其特定氨基酸理化特性（如电荷、二级结构和疏水性）在我们的组合模型中是最具指示性的特征。我们通过无序列比对的计算研究能够识别仍处于禽类宿主体内的禽流感病例，这些病例在基因上与人兽共患禽流感病例最为接近，从而确定最可能跨越物种屏障的病例。在资源有限的环境中，我们的模型可用于快速识别高优先级病例以供进一步调查。