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

专家：应对气候变化，零和博弈做法不可取******

　　中新网北京10月14日电(记者 李金磊 彭大伟) “零和博弈的做法是不可取的，应对气候变化，合作仍然是基础。”国家气候变化专家委员会副主任、中国科学院科技战略咨询研究院研究员王毅日前在接受中新社“中国焦点面对面”专访时说。

　　应对气候变化关乎人类未来。今年夏季，面对极端天气频发的情况，联合国秘书长古特雷斯发出警告：“要么一同采取行动，要么一起自杀。”

　　中国驻欧盟使团临时代办王红坚近期表示，要警惕将绿色议题政治化、工具化，避免以“地缘竞争”视角看待气变问题。绿色合作不可能在真空中推进，同样有赖于良好的政治互信，不可能一面搞地缘对抗，一面要求别人无条件合作。

　　该如何破解这种困境？王毅认为，应对气候变化是一个系统工程，涉及到整个经济社会系统性变革。在地缘政治竞争加剧下，零和博弈的做法是不可取的，应对气候变化，合作仍然是基础。

　　他表示，发达国家首先要提高自己的力度，也要资助发展中国家并为其留出更大的发展空间，而不是“忽悠”发展中国家作出不切实际的减排承诺。

　　王毅认为，各国要以更加节能和可持续的非化石能源的增长来减少二氧化碳排放，同时提高适应能力，弥补在减缓、适应、技术、资金、领导力等方面的赤字，共同推进全球应对气候变化，把安全、气候保护、经济复苏和增长统筹起来，这很重要。

　　在王毅看来，乌克兰危机、新冠疫情以及通货膨胀等很多非气候因素跟气候问题交织在一起，怎么更好去统筹处理这些问题，也需要做更多的研究，采取更加务实的行动。

　　“同时，竞争也是不可避免的，特别是在技术领域，要通过竞争来促进创新，通过竞争来降低成本，但合作是主流，所以应该把握合作的各种机会，同时也要为竞争做好准备。”王毅称。(完)