这波温暖很给力！海拔4500米驻训点的年货到了→******

　　近日

　　驻守在海拔4500米的

　　边防战士

　　收到了新年年货！

　　年货里有零食、特产

　　这波温暖很给力

　　西藏日喀则军分区某团官兵

　　常年驻守在

　　海拔4500米的点位上

　　那里高寒缺氧

　　自然环境极为恶劣

　　春节前，团里派出慰问组

　　为驻守在驻训点的官兵送来年货

　　官兵喜欢吃的零食

　　各个地方的特产……

　　都安排上了

　　团里的物资车

　　一大早就出发了

　　3个多小时后

　　物资车到达驻训点

　　官兵们纷纷围上来卸载物资

　　笑容满满

　　西藏日喀则军分区某团股长徐能说：

　　“官兵们在外驻训很辛苦

　　所以我们也给每个官兵

　　都准备了一份大礼包

　　想让大家都能感受到温暖”

　　曾经住地窝子

　　现在有了高原氧吧

　　该驻训点海拔高

　　环境恶劣

　　风力常年在7级以上

　　大风和沙尘给官兵们的

　　训练生活带来了许多不便

　　但经过官兵们几年的努力

　　驻训点的条件和最初相比

　　有了翻天覆地的变化

　　刚来的时候

　　官兵们只能住地窝子和帐篷

　　现在

　　团里配发了活动板房

　　还建起了健身房、氧吧、娱乐室……

　　生活训练条件得到了很大改善

　　辛苦了！

　　守护万家灯火的子弟兵

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