盈彩网平台-新版APP下载-安全购彩

北京：学校、幼儿园不再开展全员核酸筛查******

　　中新网北京1月6日电 (记者陈杭)北京市委教育工委副书记、市教委新闻发言人李奕在6日的疫情防控工作新闻发布会上表示，北京市学校、幼儿园不再开展全员核酸筛查，师生员工出入校门和校园公共区域无须提供核酸证明。非疫情流行时，校外人员进校不再查验核酸证明。疫情流行或严重时，学校可查验校外人员核酸证明。

　　李奕表示，科学安排教育教学方式，非疫情流行时，学校、幼儿园开展正常的线下教学活动。疫情流行时，高校校园内可实施分区管理；中小学校、幼儿园采取严格的封闭管理，根据疫情风险，涉疫中小学或幼儿园短期内可采取线上教学或临时关停。疫情流行严重时，控制大型活动及聚集性活动，严格高校校园管理。疫情解除后，要及时恢复正常教育教学。

　　李奕说，稳妥处置校园疫情，学校、幼儿园发生疫情后，要及时采取减少人际接触措施，延缓疫情发展速度。高校可实施线上教学、调整教学安排等措施。中小学校以班级为单位，由学校所在区级教育行政部门会同卫生健康、疾控等部门提出并实施防控措施。幼儿园可采取临时关停措施。

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）