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
文物寄存办法惹争议 学者吁台北故宫应有使命感******
中新网12月20日电 据台湾《中国时报》报道，“兰千山馆”文物因寄存合约期满，台北故宫以院区库房空间有限，倾向不再续约，引发争议。岛内多位学者19日在一场公听会呼吁，博物馆应以公共性为目的，机关的使命感应永存于心，即便是寄存，都应有相互信赖与尊重的过程。
台北故宫院长吴密察。图片来源：台湾《中国时报》 刘宗龙 摄台当局“立法院教育及文化委员会”19日举行“台北故宫博物院近来作为是否符合公共性？”公听会，就寄存办法的变革等问题，邀请学者专家进行讨论。
台北故宫院长吴密察称台北故宫典藏的质量很丰富并不需要以私人寄存的方式来弥补典藏。
吴密察说，台北故宫寄存办法的变革是为了“符合博物馆的公共性”，将以捐赠为前提的方式进行寄存，执行上分成两种方式：一是合约到期后即启动捐赠的审查程序；另一是在合约期满后确认寄存人同意捐赠，启动审查程序，若无捐赠意愿则由寄存人取回。
台湾政策研究基金会教文体育组召集人陈学圣认为，吴密察的说明，让人不解为何历经8任院长都相安无事的制度如今却“崩坏”，寄存制度被院长视为只是沦为有钱人的仓储？
还有多位学者均指出，博物馆应以公共性为目的，一旦做出决策，影响的不只一代人更是后代子孙参与或接近文化艺术的权利，即便是以捐赠为前提的寄存，都应有相互信赖与尊重的过程。
东吴大学社会系副教授刘维公则提醒，以捐赠角度看，重要文物要求捐赠在实务上可行性非常低，一旦文物迁出，再拿回来或借展的成本会超乎想象。
| 一分彩地图 |
