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

泰国学者：因时因势优化调整，中国防疫政策助力国内及全球经济复苏******

　　中国日报网1月4日电 泰国清迈大学（Chiang Mai University）商学院市场营销专业讲师帕贡·加查利（Pagon Gatchalee）表示，中国在抗击新冠疫情的同时，也采取了诸多经济政策助力国内和全球经济的恢复。

　　加查利指出，“我认为中国最新的疫情政策是根据准确的信息、经验和目前面临的真实情况而实施的”，“中国采取更灵活的政策来应对新冠疫情的时机是合适的，因为有许多迹象表明，中国在三年的时间里已经逐步进展到更灵活的防疫政策”。

　　除了中国在过去几年中实施的疫情防控政策外，这位学者还提到了中国为帮扶创业者和中小企业所实施的减税降费举措，以及提振国内市场、激发全球需求的双循环战略。

　　“中国在2020年初应对疫情的举措让我印象深刻。”加查利说，这种可行的政策在最短的时间内维持和恢复了供应链，还通过提供疫苗和医疗援助帮助了其他国家。“这尤其有助于贫困和发展中国家抗击疫情。”他补充道。

　　在过去三年里，中国有效应对了五波全球范围的疫情，避免了大范围的感染。与此同时，中国还承诺为国际抗疫捐赠至少30亿美元，并积极参与新冠疫苗的开发、医疗救治和防控工作。中国还持续倡导协调全球抗疫措施，建立全球公共卫生应急机制，以应对未来的大流行。

　　同时，中国积极实施疫苗接种政策，免费覆盖所有公民，目的就是帮助大多数人获得免疫力。到2022年底，中国已有超过13亿人接种了疫苗。并且，中国已经向非洲、亚太、南美和欧洲的120多个国家和国际组织提供了超过22亿剂的疫苗。

　　随着中国疫情防控措施的最新优化，中国各地的餐馆、商场和电影院重新开张，人流量迅速增长，专家认为这一迹象预示着中国的消费市场将在2023年恢复活力。

　　在加查利看来，中国政府对疫情防控政策的科学调整，“是一种合理、实用且有数据支持的方法”。他表示，基于疫情防控形势和双循环战略，富有韧性的中国经济在2023年“将为外国直接投资提供良好的机会”。

　　“我确信，中国的经济增长将在很大程度上惠及东盟国家（ASEAN），当然也包括泰国。”他补充说。