歌曲《多了一个家乡》******
改革开放后,城市化迅猛发展,许许多多的人或“北漂”,或“南下”,或“西移”,或“东迁”,从此,工作、生活在了新的家乡。有人说其是另一个故乡,也有人将之定义为新的家乡,我更认同后者。他(她)们心藏“乡愁”与“城愁”,用“没有得拿什么去舍”这一本我的价值追求,激励自己努力打拼、逐梦。“脚步匆忙因那放不下的力量”,这力量是和解想像与现实的最好方式,可以打造美好的今天,遇见更好的自己。
人间正道有沧桑。在高楼林立、硬朗有型的城市,我们蘸着疼痛,也写着幸福。谁不渴望这城市像故乡一样“也有那柔软的地方”,以期疗愈感伤与疼痛、宽容失败和平凡。幸好,这城市用温暖的光将那些愁绪、感伤和疼痛缝合在我们的身体里,化作“虚无”。
愿你我:在这里,能安放下自己的灵魂,拥抱妥妥的幸福。
此歌,致敬亲爱的城市,致敬向往美好、追逐梦想的那每一个你、每一个我。(词作者:周卫平)
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)