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
工信部:打造锂离子电池全产业链制造能力和优势产能******
中新网1月18日电 国务院新闻办公室18日举行新闻发布会,工业和信息化部运行监测协调局负责人陶青在会上表示,发展绿色能源装备产业是推动绿色低碳发展、实现双碳目标的重要举措。近年来,工业和信息化部会同相关部门,发布实施了《工业能效提升行动计划》,大力发展绿色能源装备产业。
一是加快推广高效节能装备。遴选发布了国家工业和信息化领域节能技术装备推荐目录,加快推广133项高效电机、变压器、压缩机、风机等节能装备。
二是打造光伏、风电等可再生能源和锂离子电池全产业链制造能力和优势产能。截至2022年底,我国自主研发的硅异质结电池光电转换效率国际领先。我国风电机组产量占全球的三分之二,单机容量不断增大,最新的陆上风电机组已经达到6兆瓦以上。2022年我国风电、光伏新增装机在1.2亿千瓦以上,累计装机已经超过7亿千瓦,带动可再生能源装机超过12亿千瓦。
陶青表示,下一步,我们将坚持“双碳”目标,落实电机、变压器能效提升计划,组织制定国家工业和信息化领域节能技术装备目录,开展“节能服务进企业”系列主题活动,加快发展风、光、水、氢能、储能等领域的绿色能源装备和能源电子产业,推动绿色低碳发展迈上新台阶,为促进经济社会发展全面绿色转型作出积极贡献。(中新财经)
搜索
复制
(文图:赵筱尘 巫邓炎)