乐发彩票交流群|新版APP下载-安全购彩

四部门公布2022年区域再生水循环利用试点城市名单******

　　中新网1月17日电 生态环境部17日召开例行新闻发布会，生态环境部新闻发言人刘友宾介绍，近日，生态环境部、国家发展改革委、住房城乡建设部和水利部四部门联合印发了《关于公布2022年区域再生水循环利用试点城市名单的通知》，明确了19个区域再生水循环利用试点城市。

　　刘友宾介绍，19个试点城市分别是：天津市滨海新区，山西省晋城市、运城市，内蒙古自治区包头市、鄂尔多斯市，浙江省台州市，安徽省宿州市，福建省莆田市，山东省烟台市、临沂市，河南省郑州市、开封市，湖南省株洲市，四川省内江市，陕西省延安市、榆林市，甘肃省张掖市、白银市，宁夏回族自治区银川市。

　　刘友宾表示，下一步，生态环境部将会同有关部门，指导试点地方根据《通知》要求做好试点各项工作，统筹项目内容和建设时序，加强资金政策保障，深化部门协作联动，及时总结提炼好经验好做法，形成一批效果好、能持续、可复制，具备全国推广价值的优秀案例。​​​​

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）