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

中国实施天然林保护工程以来减少天然林采伐3.32亿立方米******

　　中新社北京2月3日电 (记者 陈溯)记者3日从中国国家林业和草原局(国家林草局)获悉，中国实施天然林保护工程以来，累计减少天然林采伐3.32亿立方米。

　　在当天召开的发布会上，中国国家林草局生态建设工程管理中心主任张利明介绍中国林草重点生态工程有关情况。

　　张利明表示，中国天然林保护工程于1998年启动，2000年全面展开，是中国林业以木材生产为主向以生态保护建设为主和建设生态文明的重要标志。到2020年底，中央财政累计投入资金5000多亿元人民币，天然林保护工程建设范围由重点区域扩大到全国31个省份，天然林商业性采伐由停伐减产到全面停止，累计减少天然林采伐3.32亿立方米，天然林保护修复体系和制度体系全面建立，工程建设取得了显著的生态、经济、社会效益，实现了预期目标。

　　张利明表示，中国天然林资源持续增长，天然林面积较工程启动前增加3.23亿亩、蓄积增加53亿立方米。天然林生态功能显著提升，天然林单位面积年涵养水源量、固沙固土量分别比工程启动前提高了53%、46%。天然林生态系统有效恢复，有力促进了野生动物栖息地环境的改善。同时，国有林区经济社会转型发展加快，林区民生得到持续改善，民众植绿护绿，生态保护意识明显提升。

　　“天然林保护工程实施以来，中国天然林资源得到有效保护和较为充分的休养生息，面积和蓄积持续增加，但功能不强、质量不高的问题仍然突出。”张利明表示，据监测，在现有天然林资源中，结构不合理、功能低下、自然更新不良需要采取人工促进修复的有4亿亩左右。因此，有效提升天然林质量效益是今后一个时期天然林保护修复的主要任务之一。

　　据介绍，到2020年年底，中国天然林保护二期工程已完成各项建设任务。为保持天然林保护修复持续发展，中国进一步编制了《全国天然林保护修复中长期规划(2021-2035年)》，提出新时期天然林保护修复的战略布局、目标任务和保障措施。(完)