乐发lv交流群|乐发lv论坛

湖北：全面提升长江生态系统稳定性和质量******

　　中新网武汉1月15日电 (记者 梁婷)湖北将强化流域综合治理，全面提升长江生态系统稳定性和质量，守住流域安全底线，确保“一库净水北送”“一江清水东流”。

　　湖北省两会新闻发布会15日在武汉举行，湖北省人大代表，省生态环境厅厅长何开文介绍，近几年来，湖北打好污染防治攻坚战、推进长江大保护，加快发展方式绿色转型，美丽湖北建设取得新进展。

　　在污染防治攻坚方面，取得明显成效。2022年国控断面优良比例94.2%，较2018年提升8.2个百分点，国考城市PM2.5浓度均值较2018年降低18.2%，土壤环境质量总体安全稳定。

　　通过统筹推进长江大保护十大标志性战役、长江经济带绿色发展十大战略性举措等措施，湖北加快推进流域综合治理。同时，壮士断腕破解“化工围江”，累计“关改搬转”沿江化工企业452家。排查长江入河排污口12480个，已完成整治9067个。长江干流水质连续4年全线稳定在Ⅱ类。

　　此前，湖北已确定流域综合治理的“底图单元”。何开文表示，将推进1076个环境分区管控单元与16个二级流域片区优化融合，落实流域环境分区精准管控。同时，致力于提升流域环境安全监测和监管能力，在长江大保护智慧平台的基础上，优化完善“天地一体、水陆统筹”的监测监控“一张网”，全面提升流域生态环境安全管理的数字化、智能化、精准化、协同化水平。(完)

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）