天天发娱乐客户端-互动百科

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

战略支援部队某旅：工作有了标准，效率有了提高******

　　官兵们正在检修装备。作者供图

　　“参照《维护保养手册》，我们干工作更加得心应手。”年终岁尾，战略支援部队某旅组织装备换季保养工作，官兵们按照手册上的“标准流程”维护保养装备，工作效率显著提高。

　　该旅分队长、二级军士长李伟介绍说，过去装备维修保养，他们只能逐项排查或凭借经验判断故障问题，既增加了日常工作量，也给维修保养带来不小难题。如今，有了这本“百宝书”，能详细了解装备自列装以来历次故障原因、修理方法，“对症下药”精准保养，就有了参考方向和技术支撑。

　　编写这本《维护保养手册》，源于一次演练任务。去年底，该旅组织实装考核演练，导调组临机下达突发情况指令后，李伟所在分队因通信不畅没有及时处置问题，考核成绩被判定不合格。事后分析原因发现，演练前装备保养不到位，电源装置过期失效，导致装备无法供电，操作失灵。

　　演练复盘时，一名战士心有不甘地说：“怎么也没想到会发生这样的情况！”

　　说者无意，听者有心。一个想法在李伟的脑海萌发：能不能像汽车4S店一样，给装备撰写一本《维护保养手册》？

　　演练结束后，李伟立刻开展调研。他发现，尽管每年单位都会统一组织换季保养，但官兵往往对装备状况掌握不够全面，维护难以“对症下药”，保养难免存在盲区、漏洞。整理好调研资料，李伟向旅机关提交了一份关于建立装备维护保养档案的意见。

　　得到上级机关批准后，李伟决定打造一个“样板工程”。他带领维修技术骨干梳理整合装备各类故障申报、保养履历等数据，精确分析装备“健康指标”，并将摸索积累的经验转化为装备维护保养注意事项，编写《维护保养手册》、设置保养提示卡片，让装备状况一目了然，维护保养工作更加科学高效。

　　手册好不好用，官兵最有发言权。随后，李伟带着手册来到训练场，在抢修光缆任务中，一台工程机械车突发故障。操作手邸文育查阅《维护保养手册》，立刻判定出问题点位并及时排除，任务顺利完成。

　　没过多久，某型工程机械车列装该旅。该车辆信息化程度高、操作系统复杂，他们要从零开始学习。这时候，李伟再次主动请缨，带领团队主动到生产厂家、部队院校取经，就装备重点部位保养开展流程化设计，对日常维护保养措施进行量化。数个月后，李伟所在团队掌握了该型装备的日常维护保养方法，能够做到装备性能“一口清”、故障问题“一摸准”。

　　科学精细管装用装，保障能力水涨船高。今年，该旅千里机动至某陌生复杂地域开展装备试验任务，多项装备精细化管理成果在任务中得到有效检验。

　　（文图：赵筱尘 巫邓炎）