“大江万古流——长江下游文明特展”展览现场
长江是中国第一大河,长江下游地区历史悠久,人文荟萃,资源丰富,风光旖旎。悠悠长江水,为两岸带来了灌溉之利、鱼米之裕、交通之便、文化之韵。在长江下游这片美丽富饶的土地上,一代又一代的人们辛勤耕耘,数千年的璀璨文明绵延不息。直到今天,这里依然是中国极具魅力、活力和影响力的经济盛地与文化高地。
长江中下游
大江东流,长江蜿蜒6300多千米,照拂着180余万平方公里的土地。长江下游起始于江西九江,经江西、安徽、江苏,在上海吴淞口汇入东海,长约835公里,流域面积共约13万平方公里,是长江水量最大的河段,也是全流域最富庶的地区。这里阳光雨水充沛,气候温润潮湿,物产资源丰富。
展览现场
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
(文图:赵筱尘 巫邓炎)