《沿着民族复兴的足迹》出版******

　　《沿着民族复兴的足迹》近日由广西人民出版社出版。该书由自治区政府参事黄健所著。书籍以图文并茂的形式讲述了袁隆平、孙家栋、李延年、钱学森、钱三强、廷·巴特尔、王蒙、王力、阎肃、黄永玉等近20位国家勋章获得者和著名文化大师感人至深的事迹，讴歌他们无私奉献的崇高精神；并生动介绍了延安、井冈山等12处红色革命旧址，以小见大呈现中国共产党的百年奋斗历程，生动诠释伟大建党精神的深刻内涵。全书分为上中下篇，从作者访谈“共和国勋章”获得者、“七一勋章”获得者、“两弹一星”功勋奖章获得者、著名文化大师的故事和瞻仰参观中国革命遗址，回顾党一路走过的艰难历程，汲取中国革命历史、优良传统的精神养分。作者用流畅的语言，刻画人物丰满的形象，细节真实感人，让读者通过重温这些生动感人的故事，感受到英模及革命前辈的优秀品质，汲取奋进的精神力量。（周颖慧）

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