Los genes huérfanos (OGs) pueden evolucionar a partir de secuencias no codificantes o derivarse de material codificante más antiguo. Algunas partes de los OGs están presentes en todos los genomas secuenciados, participando en las vías bioquímicas y fisiológicas de muchas especies, mientras que muchos de ellos pueden estar asociados con la respuesta a tensiones ambientales y rasgos o patrones regulatorios específicos de especies. Sin embargo, identificar los OGs es una tarea laboriosa y que consume tiempo. Este artículo presenta un predictor automatizado, XGBoost-A2OGs (identificación de OGs para angiospermas basada en XGBoost), utilizado para identificar OGs para siete especies de angiospermas basado en características híbridas y XGBoost. La precisión y la exactitud del modelo propuesto basado en validación cruzada de cinco pliegues y pruebas independientes alcanzaron 0.90 y 0.91, respectivamente, superando a otros clasificadores en validación entre especies a través de otros modelos, a saber, Random Forest, AdaBoost, GBDT y SVM. Además, al analizar y subdividir las características híbridas en cinco conjuntos, se demostró que diferentes conjuntos de características híbridas influyeron en el rendimiento de predicción de OGs que involucran a los grupos de eudicotiledóneas y monocotiledóneas. Finalmente, la prueba de conjuntos de datos empíricos a pequeña escala de cada especie por separado basados en características híbridas óptimas reveló que el modelo propuesto funcionó mejor para los grupos de eudicotiledóneas que para los grupos de monocotiledóneas.