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
铁路煤炭运输：在看不见的地方为万家灯火保驾护航******
(新春走基层)铁路煤炭运输：在看不见的地方为万家灯火保驾护航
中新网鸡西1月18日电 题：铁路煤炭运输：在看不见的地方为万家灯火保驾护航
作者 成伟铭
18日7时30分，黑龙江省鸡西市恒山站副站长刘帆在交班会上布置完工作后，匆匆赶往调车场，开始忙碌的一天。
恒山站隶属于中国铁路哈尔滨局集团有限公司管辖的二等站，建于1941年。区域内煤炭储量丰富，煤质优良，是黑龙江地区煤炭供应的重要堡垒。83年间，这座以煤炭运输为主要职责的车站始终承付着周边各大矿区煤炭外运的重任。
年关将近，用电量持续增大，电煤能否供应到位，关乎春节期间万家灯火能否点亮。而作为刚上任的年轻站长，保障恒山站的电煤运输工作，刘帆责无旁贷：抓好行车组织，让煤炭列车快速挂运。
刘帆正在检查调车作业中止轮情况。 成伟铭 摄“如果我们能把机车运力高效的发挥出来，就能发运更多的货物，实现多拉快跑。”刘帆说，为了提高车辆周转效率，让货车尽快到达货位，他天天都往现场跑，掌握煤矿的取送车条件、生产能力，作业量大的那几天，恒山站流传着这样一句玩笑话：“小刘不是在现场，就是在去现场的路上。”
进入1月份以来，恒山站日均煤炭装车量达到5000余吨，较去年同期增长了25%。装车量的增长，导致恒山站调车、行车和装卸车作业大幅增加，无形中为车站增添了不小的安全生产的压力。
面对种种安全痛点，刘帆给自己制定了一个“两小时巡逻计划”，即：每隔两小时对货运作业系统进行一次核查，以保证电煤装车等货运作业“零失误”。
刘帆在调车作业现场对当班人员进行人身安全提示提醒。 成伟铭 摄恒山站地处高寒地区，频繁的降雪和极寒天气，对铁路行车组织工作提出新的挑战。为确保行车安全，给道岔除冰雪成为车站职工的一项重要工作内容。
春节前夕，刘帆带领6名职工对车站道岔进行除冰扫雪作业。在仔细检查确认人员穿戴好防护马甲、手套，带上电筒、除雪铲，他安排三人为一小组，每组人员负责一端咽喉道岔的作业，并严格执行两人上道、一人防护原则。持续4小时的除冰扫雪作业，使得他们在零下28摄氏度的室外，仍是汗流浃背，棉帽被冰霜覆盖冒着蒸腾热气。
夜幕深深，一列列“煤龙”在轰隆隆的鸣笛声中缓缓启程，把冬日里的温暖源源不断的输送到每一个家庭当中，点亮万家灯火，但刘帆的工作仍在继续。“我在这边挺好的。”在与家人视频通话时，刘帆突发奇想，将视频连线画面截了下来，定格了一张新年合影。(完)
| 盈彩地图 |
