凝聚奋进力量,书写时代篇章******
党员干部,是贯彻落实党的路线、方针、政策,协调上下关系,维护社会长治久安,推进经济发展,保证工作落实的中坚力量。是实现村民自我管理、自我教育、自我监督、自我服务的“领头人”。志不求易者成,事不避难者进,作为一名党员干部,当肩负重任,能挑重担,争做令党和人民满意的好干部。
培养较强的学习能力。只有不断加强政策理论学习,才能提高政治素养,这是新时代村干部强化自身素质、做好农村工作的重中之重。
广大党员干部一定要充分认识理论学习对指导工作实践的重要意义,带头学习党的基本路线和党在农村的方针政策,深刻领会精神实质,高度统一思想,不断提高贯彻执行的自觉性和坚定性,善于把党的路线、方针、政策贯彻到服务人民群众中去,贯彻到发展农村经济中去,真正做到理论与实际、学习与运用、言论与行动的统一,达到学用结合,学以致用的目的。
为官一任,造福一方。站在服务人民的第一线,村干部只有不断加强学习,认清自己的责任,摆正自己的位置,勇于解剖自己,提高自己的素质,真心实意地尊重群众的意愿,充分发扬民主,全心全意为人民服务,才能赢得群众信任拥护,才能凝聚奋进的力量,书写不负党、不负人民、不负时代的新篇章。
张涵
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)