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

走近中国高铁“探路先锋”：“隐形”守护旅途安全******

　　(新春见闻)走近中国高铁“探路先锋”：“隐形”守护旅途安全

　　中新社武汉1月9日电 题：走近中国高铁“探路先锋”：“隐形”守护旅途安全

　　中新社记者 张芹

　　46岁的任会勇一天的工作往往从后半夜开始。当大多数人还沉浸在梦乡时，他已经和同事们踏上飞驰的列车，为即将开始的载客运行探路、排险。

　　自中国高铁开通以来，每天正式载客运行前，每条线路都会开行一趟无旅客的空跑列车，对线路、桥梁、接触网和信号等设备进行检查确认，排除安全隐患，繁忙的春运期间更是如此。

　　在武汉高铁工务段，共有16名添乘员，负责11条线路开行前确认工作，任会勇便是其中一员，他们常被同事们称为高铁“探路先锋”。

　　9日凌晨5时许，中新社记者抵达武汉站。身着工装的任会勇已背上装有设备、仪器的双肩包，准备就绪。当天，他的任务是搭乘京广高铁DJ5909次列车，由武汉站前往长沙南站，沿途排查武汉工务段管辖区域线路运行状态。

　　踏入司机室，任会勇熟练地拿出检测列车行驶平稳度的便携式添乘仪，将其固定在司机驾驶位后方，行车记录仪则被安装在挡风玻璃上，一旁的工作手账里已详细注明当日班次信息。

　　6时整，周遭依然一片漆黑，确认车准时从武汉站发出，以350公里时速一路向南奔驰。

　　线路是否有异物入侵、隧道进出口有无塌方和落石、风向是否影响列车平稳、轨道两侧保护区内是否有危险施工……任会勇全程站立在驾驶员一侧，全神贯注目视前方，并通过身体感受列车晃动幅度，借助仪器数据变化，分析是否存在隐患，及时向调度指挥中心汇报。

　　列车灯的照射下，车厢外路灯、楼宇飞速从眼前闪过，冬季多发的“团雾”也为观察瞭望带来难度。任会勇目不转睛地盯着不断延伸的铁轨，生怕错过任何一处通过地段的观察。

　　“已经形成了条件反射，只要不属于铁路设备的物体，大脑就能迅速做出判断。”8年的添乘工作，让任会勇练就了“眼观六路、耳听八方”的本领，沿途桥梁、隧道、岔口更是熟稔于心。在任会勇看来，添乘员最考验的是责任心和细心，列车高速行驶过程中，线路上有任何细微的异常，都可能影响到运行安全。

　　上午9时许，确认车返回武汉站。站台上，任会勇与涌动的春运人潮擦肩而过。

　　无数如任会勇一样的“探路先锋”，一如既往地往返于中国广袤的铁路版图上，为旅客安全出行保驾护航。(完)