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
美众议院共和党人要求财政部提供拜登家庭成员财务信息******
中新社华盛顿1月11日电 (记者 沙晗汀)美国国会众议院监察委员会主席、共和党议员卡莫(James Comer)当地时间11日致信财政部长耶伦,要求财政部提供美国总统拜登某些家庭成员财务信息。
当天,卡莫致信耶伦,要求财政部提供拜登儿子亨特·拜登和拜登弟弟詹姆斯·拜登以及拜登家庭其他人员和相关公司的银行交易信息。
卡莫表示,监察委员会将对亨特·拜登和拜登家庭的商业活动展开调查。“对拜登的调查是118届国会众议院共和党人的首要任务。”卡莫在信中说,监察委员会旨在调查总统拜登是否参与其家庭成员的国际商业活动等。
白宫法律顾问办公室发言人萨姆斯(Ian Sams)当天发表声明说,在共和党成为众议院多数党的第一周,他们没有采取任何措施解决通胀问题,而是立刻开始“政治噱头”。
卡莫当天还致信三名推特公司前高级官员,要求其出席2月6日的公开听证会。卡莫在信中说,在2020年大选前夕,关于拜登家庭的一些信息在推特上被屏蔽,“出席该听证会将可以搞清楚你们在该事件中扮演的角色”。
据美媒报道,在2020年10月,《纽约邮报》一篇关于亨特·拜登电脑内容的文章在推特上被屏蔽。有消息称,联邦调查局人员要求推特屏蔽该文章。共和党人认为,该文章因为“政治目的”被屏蔽。(完)
(文图:赵筱尘 巫邓炎)