快三平台网址-新版APP下载-安全购彩

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

诸多心理疾病皆与特定大脑回路相关******

　　科技日报北京1月17日电 (记者刘霞)美国波士顿布里格姆妇女医院研究人员在最新一期《自然·人类行为》杂志上发表论文称，抑郁症、焦虑症、精神分裂症、双相情感障碍、成瘾症和强迫症都与大脑同一回路出现问题有关。

　　此前的脑部扫描研究表明，大脑的几个不同区域与各种心理健康问题有关，但这些结果并不吻合。

　　为了解更多信息，研究团队查阅了大脑存在损伤的194名越战老兵的健康记录。结果发现，如果大脑后部区域(包括与空间感知相关的后顶叶皮层)受损，老兵更有可能被诊断出上述6种心理疾病；如果大脑前部附近(包括与情绪相关的前扣带回皮层和与自我意识相关的脑岛)受伤，老兵就不太可能被诊断出上述疾病。

　　研究团队将其发现与现有大脑中神经连接的综合图谱进行了比较。结果表明，当大脑后部区域活跃度较低时，前部区域往往活跃度较高，反之亦然。

　　研究人员还观察了193项涉及近1.6万人的脑部扫描研究结果，发现罹患上述6种心理疾病中任何一种的患者，其大脑前部区域或与之相关区域的组织往往存在萎缩情况。这一点也得到了此前开展的手术研究的支持，这些手术破坏了存在严重精神健康疾病——如强迫症和抑郁症患者的小部分大脑，而所有被破坏的地方都位于大脑前部区域。

　　最新发现与一种观念不谋而合。该观念认为，不同精神疾病可能拥有共同的潜在原因，但这一观念存在争议，因为抑郁症和精神分裂症的症状大相径庭。

　　（文图：赵筱尘 巫邓炎）