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

【回眸2022年网信发展这一年】关键词篇——量子计算******

　　关键词篇——量子计算

　　未来6G将会对算力要求更高，这也将凸显通信网络的算力瓶颈，需要引入更强算力来解决，而算力强大便是量子计算机的最大特征。

　　如今，量子计算机研制和应用已经成为各国战略竞争焦点之一。这两年，量子计算技术正走出实验室，走向行业应用。

　　据统计，全球已有100多家量子计算公司，量子计算发展呈现蓬勃景象。基于量子信息的新技术，我们正在进入一个新的量子信息时代，与之相关的政策落地、产学研用、人才培养等还需要我们不断探索开拓。

　　盘点全文欢迎关注《【回眸2022年网信发展这一年】这些互联网关键词，都曾与我们“不期而遇”》

　　监制：张宁、李政葳

　　统筹：孔繁鑫

　　撰文：穆子叶、李飞

　　出品：光明网要闻采访部