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
北京铁警提示:节后返程旅客遗失行李警情占五成******
中新网1月28日电 题:北京铁警提示:节后返程旅客遗失行李警情占五成
中新财经作者 曹旭帆
“乘警同志,我的行李箱找不到了,里面有戒指、项链……”据北京铁路公安处乘警支队相关负责人介绍,从1月26日(正月初五)至1月28日,乘警支队共接到旅客求助类警情49起,其中旅客遗失或拿错行李警情24起,占支队整个求助类警情的48%。期间,共为旅客找回遗失或拿错的行李物品32件,价值8万余元。
1月26日9时许,北京铁路公安处乘警支队接到旅客薄先生电话报警求助,称1月25日他乘坐上海至北京的D706次旅客列车在天津西站下车后,发现自己随身携带的一件灰色双肩背包遗忘在列车上,包内装有2部手机、1瓶茅台酒、1个蝈蝈盒等物品。接报后,乘警支队立即联系当日D706次旅客列车乘警段永刚进行查找。此时,列车已经到达终点站北京站。经段永刚和列车长梁健一起查找,最终他们在车厢内的行李架上发现了薄先生的灰色双肩背包,里面的物品都在,随后他们将薄先生的双肩包交给北京站客运部门,由北京站客运部门负责转交给薄先生。
1月26日14时许,北京铁路公安处乘警支队接到旅客刘先生电话报警求助,称当日他乘坐北京南至上海虹桥的G119次旅客列车在南京南站下车时,自己的黑色行李箱找不到了,箱内装有戒指、项链、合同等物品。由于有事着急下车,刘先生下车后拨打了电话报警。接报后,乘警支队立即联系当日G119次列车乘警杜月明进行查找。经与列车长一起工作,杜月明发现4号与5号车厢之间的大件行李存放处有一个无人认领的黑色行李箱。后经开箱检查,并与刘先生核对,确认行李箱就是他的,戒指、项链、合同等物品都在。列车折返路过南京南站时,杜月明与列车长一起将行李箱交给车站工作人员转交。
乘警支队提示,当前至正月十五元宵节前夕,都是旅客春运返程的高峰时期,车厢内的旅客较多,旅客下车时请提前清点好随身携带的行李物品,特别是黑色背包、银色行李箱、黑色旅行箱等比较容易认错的,要仔细检查,防止遗落或拿错,造成财产损失。(完)
(文图:赵筱尘 巫邓炎)