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
（新春走基层）兔年本命年“铁二代”客运员站台上的第一个春运******
图为蒋靖妍(图右1)在站台上遇到一位旅客的求助后，察看对方的车票信息。 刘力鑫 摄
图为一辆列车进站，蒋靖妍(图左1)在站台上接车并引导旅客有序排队候车。 刘力鑫 摄
图为蒋靖妍在站台上与一辆即将驶离车站的列车内的小朋友挥手告别。 刘力鑫 摄
图为蒋靖妍(图中)在站台上手持对讲机工作。 刘力鑫 摄
图为蒋靖妍(图中)在观察站台上的情况，作为客运员，要时刻紧盯站台上乘客的动态，避免出现突发意外情况。 刘力鑫 摄
图为蒋靖妍在站台上手持对讲机工作。 刘力鑫 摄
图为蒋靖妍(图左1)在站台上引导旅客有序排队候车，并告知旅客各节车厢所在位置。 刘力鑫 摄
图为蒋靖妍在站台上目送一辆列车离开车站。 刘力鑫 摄
图为蒋靖妍趁所在站台没有列车停靠的空闲时间，在值班室内吃午餐。 刘力鑫 摄
1月19日，腊月二十八，正值春运期间，江西南昌站的站台客运员蒋靖妍正忙着接送一趟趟列车并引导旅客有序安全乘降。
24岁的蒋靖妍是一名“铁二代”，2023年兔年春运，属兔恰逢本命年的她，迎来了自己在站台上工作的第一个春运。
作为部门里第二小的职工，蒋靖妍虽然才到站台上工作不到一年时间，但在春运期间，她最忙时一个班次要接送二十多趟列车，有时一整个下午一刻不停都在站台上来回奔走。
蒋靖妍的父亲是一名列车司机，有时她还能接送到父亲值乘的列车，但每次相逢，两个人一般只会远远对视一下，然后便继续专注各自的本职工作。
站台客运员的工作看似简单，但却责任重大。在蒋靖妍心中，最大的心愿就是自己接送的每一趟列车都能安全到达和驶离，每一位旅客都能平安抵达目的地。
| 彩61地图 |
