点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
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
铁路编组站内的“分拣员”：为年货运输开辟“快速通道”******
(新春走基层)铁路编组站内的“分拣员”：为年货运输开辟“快速通道”
中新网南昌1月7日电 题：铁路编组站内的“分拣员”：为年货运输开辟“快速通道”
记者 李韵涵
“26073次列车推上来了，提钩室准备解体。”1月6日，在2023年春运前夕的向塘西编组站，一列待解体的货物列车缓缓地被推上驼峰，这是中国铁路南昌局集团有限公司向塘西车站下行运转车间连结员刘利衡当天白班的第15趟作业。只见他在列车推进过程中轻巧地一拉一提，紧握的车钩随即分开，一节节车厢越过峰顶顺势而下，奔向不同股道。
向塘西站位于京九、沪昆、昌福线的交会处，而驼峰则是向塘西站运输生产的“心脏”。 李琼 摄向塘西站位于京九、沪昆、昌福线的交会处，而驼峰则是向塘西站运输生产的“心脏”。在向塘西站下行到达场内，南来北往的货物列车整齐排列，20余条钢轨向下行驼峰处会聚。这里解编作业是否安全高效，直接影响全局的车流周转效率。
通过驼峰完成解体作业的都是一列列满载年货的货物列车，而工作在这里的驼峰连结员们就是年货的“分拣员”，将一辆辆去往不同方向的车厢按照计划溜放至不同股道，等待编组出发。
向塘西站位于京九、沪昆、昌福线的交会处，而驼峰则是向塘西站运输生产的“心脏”。 李琼 摄据了解，向塘西车站担负着中国华东地区铁路货物列车的解编任务，是全国路网性编组站之一。春节期间，车站每天要完成上万辆货物车辆的接发和解编作业，这里面装载的大多是运往全国各地的粮油米面、服装食品等年货物资。为了加快年货运输周转效率，向塘西车站统筹安排线路使用，合理分配车流，为年货运输开辟“快速通道”。
连结员刘利衡在股道间来回奔忙，穿梭于车厢连接处。虽已是寒冬，但他依旧干得满身热气蒸腾。
驼峰连结员在平时作业时要拿着一根长约2米、重约3公斤、带着钢叉的木棍，用于解开车辆间连结的风管。他们将木棍伸入车档间，精准地判断出风管接头的位置，然后凭借巧劲，一托一拉，风管便被顺利解开了。
到了晚上，视线不佳，车档之间更是一片漆黑。留给连结员解开风管的时间很短，刘利衡和同事们需要在较短的时间内进行“盲解”，凭借着对推峰速度和风管位置的准确判断，在黑暗中将风管解开。
一节节车厢越过峰顶顺势而下，奔向不同股道。 李琼 摄“驼峰是编组场的核心，驼峰连结员就是安全大门的守护者。我的任务就是确保每一节从我这里通过的车厢都能安全下峰。”谈到自己的岗位，刘利衡眼神里流露出的是热爱和对安全的坚守。
经过一整天的忙碌，夜幕已徐徐降临。18时30分，驼峰终于迎来片刻宁静。“40217次列车解体，提钩室准备作业。”电台声响起，这是当天白班的最后一趟作业了。刘利衡紧了紧扣在胸前的联控电台，撸起袖子快速奔向作业场。一个白班下来，经过刘利衡和同事们的努力，他们共完成了28趟列车的解体作业。(完)
（文图：赵筱尘 巫邓炎） [责编：天天中] 阅读剩余全文（）  视觉焦点
盈彩地图 |
)