一分快3官网平台 - 一分快3官网网址

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

信通院何宝宏：数字化转型的终点是数字原生******

　　【环球网科技报道 记者林迪】数字经济与实体经济深度融合的大背景下，全社会的目光更多聚焦于当下如何开展数字化转型，而缺乏对于转型之后未来世界的前瞻和思考。数字化转型之后，数字原生的世界、社会形态、个人、企业、商品、金融和管理等走向何方？近日，中国信息通信研究院云计算与大数据研究所所长何宝宏围绕技术转型、信息革命、数据资产、Web3、信任科技、元宇宙、技术周期律、经济学2.0、AI、数字原生共十个热门领域进行了前瞻性预测和分享。

　　何宝宏认为，数字原生代的娱乐、社交、学习和购物等都发生在数字世界，并且将数字世界的语言视为母语。“我们所谓的高科技数字技术也并不是他们眼中的高科技。数字原生需要在数字原生代基础上有两个方向的延展，一是从空间上的延展，从一代人到原生企业、原生应用、原生资产和原生理论的延伸；另一个是从时间上的延展，数字原生的企业等不仅包括2000年之后诞生的，也包括诞生于2000年前，但成功实现了数字转型的，具有鲜明数字原生特点的企业。”

　　何宝宏提出“经济学2.0”概念。

　　他指出，经济学也面临着数字化的挑战——“稀缺性”的定义，信息商品化的悖论、经济人理性等问题。目前还出现了一种新的经济学，基于密码学、计算机/网络、数学/游戏伦理和经济学的加密经济学。当下的数字经济更多的是传统经济的数字化转型的结果。

　　何宝宏认为，互联网拥有“7年之痒”，每7年呈现一个新的发展阶段，从1994年的Web互联网，2001年的宽带互联网，2008年的移动互联网，2015年的产业互联网到现在的3D/价值互联网。互联网也存在持续25-30年的库兹涅次周期，即从1969年-1994年的以技术为导向的孕育期，走向1995年-2020年以“资本”为导向的繁荣期，最后发展到2021年以后以“ESG/基础设施”为主导的成熟期。

　　“价值中心也发生了阶段性转移，从之前的硬件、软件，发展到现在正在从互联网转向数据（数据要素和数据资产），未来将转向内容。”谈及数字化转型与数字原生的关系时，何宝宏表示，就像农业时代采摘狩猎转型成了种植驯养，原生出“三农”新业态，又如同工业时代推进农业机械化，原生出了工厂、工人等工业新业态，转型是追求变化，是过程，原生是进入稳态，是目标。

　　他认为，当下，我们正处于数字移民和数字原住民或数字原生代混居的时代，是一个新老交替的时代。Web1.0是传统世界的数字化模仿；Web2.0是互联网原生的开始；Web3.0是数字原生的探索。未来，数字原生企业会走向分布式自治公司、分布式自主组织。

　　最后，何宝宏指出，未来，我们需要一起努力共建未来的数字原生世界。我们需要建设新的基础设施；我们要将数据资产化和数据要素化；我们要做可视化的且用户自主可控的身份体系；我们需要3D的内容，虚拟与现实要结合起来。

　　（文图：赵筱尘 巫邓炎）