天天发娱乐app下载|天天发娱乐官方网站

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

冬季风暴侵袭 美国无家可归者处境愈发艰难******

　　近日，美国加利福尼亚州受到冬季风暴侵袭，截至10日，风暴已导致至少17人丧生。

　　恶劣天气使得无家可归者这个群体的处境变得更加艰难，在冬季风暴肆虐下，加州多座城市长期面临的无家可归者问题愈发严重。

　　这里是加州萨克拉门托县亚美利加河沿岸，也是数十名无家可归者临时的栖身之所。其中一名无家可归者罗伯特·文森西说，恶劣天气让他们的处境变得更加艰难。

　　无家可归者 罗伯特·文森西(声音来源)：我不想一辈子都待在这里。

　　由于冬季风暴侵袭带来强降雨天气，进而导致河流水位上升。8日至9日，萨克拉门托县当地派出直升机，提醒居住在河边的无家可归者撤离。

　　直升机广播：如果你是无家可归者，同时又居住在河边，建议你撤离。

　　但是令无家可归者困惑的是，他们能撤到哪里去呢？据美国广播公司报道，萨克拉门托县政府为大约200名无家可归者提供临时酒店住宿，然而，目前萨克拉门托县无家可归者人数众多，达到将近9300名，当地提供的避难场所远远不够。

　　报道称，冬季风暴导致萨克拉门托县至少两名无家可归者死亡。本月7日和8日，分别有一名40岁和一名61岁的无家可归者死亡。救援人员在现场发现，他们的帐篷均被强风吹倒的树木压在上面。

　　圣迭戈市的许多无家可归者也面临着类似的遭遇。由于河水水位上涨，一些同样在河边“安营扎寨”的无家可归者只好匆忙撤离。

　　为无家可归者提供援助的社会活动人士 迈克尔·麦康奈尔：他们甚至都没穿一件外套，有的人来不及穿鞋，就赶快逃离，因为河水水位在不断上涨。

　　据美国福克斯电视台报道，去年12月，圣迭戈市中心的无家可归者人数创下新高，达到1839名。麦康奈尔认为，这只是个开始，随着房租及其他生活成本不断上涨，未来当地无家可归者的人数可能还将进一步增多。

　　为无家可归者提供援助的社会活动人士 迈克尔·麦康奈尔：所有这些因素都影响着社会的弱势群体，他们可能会变得无家可归，导致越来越多的人露宿街头。

　　此外，洛杉矶市的无家可归者问题也在不断恶化。2022年2月的统计数据显示，在包含加州南部五个县的大洛杉矶地区，有69000多名无家可归者，较2015年增加55%。(央视新闻客户端)

　　（文图：赵筱尘 巫邓炎）