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

民政部：养老机构应动态调整管理方式 避免在当地社会面感染高峰时出现大量感染******

　　光明网讯（记者 丁玉冰）1月11日，国务院联防联控机制召开新闻发布会，介绍重点机构和重点场所疫情防控有关情况，并回答媒体提问。

　　近日，国务院联防联控机制综合组印发了《养老机构新型冠状病毒感染疫情防控操作指南》（以下简称《指南》），对养老机构疫情防控提出了具体要求。发布会上民政部养老服务司副司长李邦华对《指南》的核心内容和关键点进行了介绍：

　　一是养老机构的疫情防控总体上严于社会面。在疫情流行期间，经属地联防联控机制批准同意，可以在加强人员进出健康监测的基础上有序开放管理。在疫情严重期间，由当地党委政府或联防联控机制，经科学评估适时采取封闭管理。相对于其他社会机构来讲，养老机构的防控要求更严格，目的就是保护入住老年人的生命安全和身体健康，加强对重点人群、重点机构的重点保护。

　　二是强调因时因势动态优化调整。一个地区的养老机构是封闭管理还是有序开放管理，需要由当地党委政府或联防联控机制结合当地实际情况，统筹考虑当地疫情的流行情况，养老机构防控的情况，还由当地医疗资源的负荷情况以及社会运转情况等等，做到动态调整。总体要求，望养老机构能够避免在当地社会面感染高峰的时候出现大量感染。

　　三是突出防范疫情引入和扩散风险，《指南》对养老机构怎么防范社会面感染源进入养老机构，以及养老机构出现感染之后怎么应急处置也提出了详细要求。

　　四是强化了就医用药的优先保障。要求养老机构落实分类分级健康服务要求，做好医药物资供给，要求养老机构与医疗机构建立转诊、急救绿色通道，确保养老机构老年人出现危重疾病时能够及时救治和转诊。