走进北冰洋义利园区,巨型北冰洋汽水、义利蛋糕造型映入眼帘,石景山区先进模范和文明家庭徜徉在义利老设备展区、漫步于百年历史文化长廊,伴随着园区讲解,追寻品牌坚实足迹,了解百年国企发展历程,学习民族产业的精神底蕴。
在烘焙房中,石景山区的先进模范和文明家庭穿戴好一次性厨师服,体验亲手DIY制作义利面包的乐趣,了解面包生产的专业工艺与安全制作流程;来到汽水制作区,大家在工作人员的指导下自制特调汽水,一边畅饮一边寻找童年美好回忆。
两个小时的参观体验,知识丰富、新奇有趣,让现场所有人都享受其中。活动现场亦是年味十足。石景山区宣传部、区文明办代表在现场向北京榜样、道德模范、中国好人、文明家庭代表致以热情洋溢的新春寄语,并送上特别定制的“新春大礼包”。
“文明同行感谢有你”礼遇道德模范关爱文明家庭主题活动已连续举办两年。未来,石景山区将持续开展礼遇先进模范活动,发挥鲜活标杆的示范引领作用,传递榜样精神,营造“以先进为镜,与模范同行”的氛围,在全区推动见贤思齐、崇尚英雄、争做先锋的行为理念。
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)