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

内部资料请勿随意销毁******

　　“内部学习资料存在涉密内容，处理不当极易埋下失泄密隐患，我们应严肃对待、正确处理……”第76集团军某旅无人机连的一次安全形势分析会上，上等兵小岳结合亲身经历的发言，让大家深受启发。就在前不久，小岳因随意处理内部学习资料，受到指导员批评。

　　那天，机关通知要开展一次安全保密检查。闻讯后，小岳赶忙抱着班里整理出的一摞使用过的内部学习资料，准备拿到垃圾场附近的一处空地焚烧。本以为“动作迅速”就能万无一失，没想到还没走出连队，就被指导员何军添看到。了解情况后，何指导员提醒小岳，内部学习资料包含涉密内容，处理不当随意销毁会存在失泄密风险。小岳这才意识到自己的举动可能引发严重后果，立即承认了错误，并按照相关规定，在文书的监督下，用碎纸机对这些学习资料进行销毁。

　　安全保密工作体现在方方面面，必须慎之又慎。结合这次检查，何指导员在连队开展了一次专题教育，组织官兵认真学习保密相关法规，剖析失泄密典型案例的原因和教训，并围绕“保密工作怎么做”展开讨论交流。大家普遍认识到，失泄密问题往往由工作生活中细枝末节的举动导致，必须时刻提高警惕，事事依法依规。之后，官兵认真整理各类文件资料，并依规妥善保管。文书小刘发挥特长制作以安全保密为主题的展板并悬挂在醒目位置，各班张贴安全保密警示标语，提醒官兵时刻注意保密要求。

　　条令条例对安全保密工作有明确规定，官兵不再为保密检查经常犯难。如今，该连各类涉密文件和学习资料在保密柜内集中存放，由专人管理，到期文件依规按时清退，确保不失管失控。在最近几次安全保密工作检查中，连队未发现任何问题。（刘念 靳钰龙）