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
长白林海的电力巡线人：在极寒中“走出”一条安全线******
(新春走基层)长白林海的电力巡线人：在极寒中“走出”一条安全线
中新网吉林2月3日电 (石洪宇 孙晓晨)山路被半米深的积雪覆盖。一大早，沈铁吉林供电段泉阳电力工区工长邹伟华便带着徒弟王鹏进了大山。这一天，他们要在雪中跋涉14公里，完成供电设备的巡检任务。
踩着齐膝深的积雪，邹伟华叮嘱王鹏：“降雪后必须巡检，雪越大越得进山。”在长白山林海深处，穿着黄色马甲的二人组非常显眼。
42岁的邹伟华在电力线路工岗位上工作了22年。他所在的泉阳电力工区守护的浑白线是长白山脚下唯一一条铁路线，是长白山地区居民乘车进出大山的主要线路，也是泉阳泉、长白山天泉、农夫山泉等多个矿泉水厂物资运输的“大动脉”。
山路崎岖，却不能轻装上阵。邹伟华的背包里不光有钳形表、脚扣子等检修工具，还有一把铁锹，遇到雪深处他们要一锹一锹掘出道路。看着气喘吁吁的徒弟王鹏，邹伟华拍拍他的背：“雪里走路不能歇，一歇脚就冻得受不了。”
邹伟华(右一)带领同事巡线 吉林供电段供图这对师徒一年要走七百多公里，相当于从北京走到沈阳。他们每个季度都要对线路内的电杆、变压器、配电箱等供电设备进行巡视。
邹伟华说，林海中的电力线路沿线地形复杂，无法使用机动车巡检，只能徒步完成。相比其他季节，冬天是最艰难的。冰天雪地里，他们要细致检查每一处电杆，生怕错过隐患。
走到一处电杆，邹伟华发现横担扭曲变形，他拿着望远镜反复确认。“应该是大雪把树枝压弯了，先记录一下，回头申请一个‘天窗时间’进行维修。”邹伟华对王鹏说。
邹伟华厚厚的本子上记录着哪一处设备易发生故障，哪一段路要怎么走。工区职工们认为，这就是整个班组的检修“小红书”。
王鹏是个“90后”，已经跟着邹伟华处理过不少故障。即便工作环境艰苦，他也干劲十足。看着损坏的横担，王鹏主动请缨，“‘天窗’下来了我上去换吧。”
邹伟华再次叮嘱：“冬天电杆上有薄霜不好爬，一定要注意安全。”听到师傅一口答应，王鹏很高兴。
长白林海冬季昼短夜长，早出晚归、披星戴月已经成了邹伟华的日常。为了不耽误巡检，他把干粮带在身上，由于温度太低，干粮很快被冻凉。在背风的树后，师徒解决了午餐。
静谧的午后山林中，二人踩着积雪继续前行。今年的春运仍在进行，邹伟华和同事们的工作仍然很繁重。(完)
（文图：赵筱尘 巫邓炎） [责编：天天中] 阅读剩余全文（）  视觉焦点
快三平台地图 |
)