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
“人造太阳”基础物理研究取得系列新成果******
实现高性能等离子体稳态运行是未来聚变堆必须要解决的关键科学问题。记者8日从中国科学院合肥物质科学研究院等离子体物理研究所了解到,该所“人造太阳”东方超环EAST团队发挥体系化建制化优势,取得了系列原创性的基础物理研究成果。1月7日,国际学术期刊《科学·进展》发表了该团队在高能量约束先进模式等离子体运行方面取得的重要成果。
托卡马克先进运行模式是当前磁约束核聚变研究的热点之一。EAST团队在托卡马克装置实验研究中发现并证明了一种新的高能量约束模式,这种先进模式大幅度提高了能量约束效率,具有芯部无杂质积累,便于聚变反应生成物排出,维持平稳温度台基等优点,并实现了芯部高约束与边界不稳定性的兼容,保证了长时间尺度上的高性能等离子体运行。这种无需通过外部控制来确保等离子体稳态运行的高能量约束模式,对于国际热核聚变实验堆和未来聚变堆运行具有重要意义。此外,科研团队还在湍流驱动等离子体电流、偏滤器脱靶与高约束等离子体兼容等方面取得重要成果,相关研究成果日前发表在《物理评论快报》和《自然·通讯》上。
我国科研团队在等离子体物理基础研究领域深耕探索,发现系列新的物理现象,揭示和验证了其中的相关物理机制,为聚变堆的建设和运行奠定了坚实的科学基础。(记者吴长锋)
(文图:赵筱尘 巫邓炎)