彩神--(中国)百度百科

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

天津大学发现新型结晶抑制剂 有望用于治疗肾结石******

　　中新社天津2月3日电 (孙玲玲 焦德芳)记者3日从天津大学获悉，天津大学结晶中心教授龚俊波团队与休斯敦大学等开展国际合作，成功发现一种新型结晶抑制剂。该研究得到中国国家自然科学基金支持，成果发表于国际权威期刊《自然·通讯》。据悉，该抑制剂可有效抑制诱发尿酸盐结石形成的晶体生长，有望为肾结石患者带来福音。

　　据介绍，这种新型抑制剂能在特定浓度下产生“自抑制”结晶现象，可以控制甚至完全阻止晶体生长，为尿酸盐结石预防治疗提供了全新思路——患者只需把尿酸浓度控制在特定范围内，就能长效抑制尿酸盐晶体生长，不再需要其他外来治疗药物抑制肾结石的形成。

　　肾结石是尿液中无机或有机盐类浓缩过饱和析出形成的晶体聚结体。传统结石抑制剂多来源于天然中草药或水果提取物，这些“天然抑制剂”分子不同于结石成分，患者需要长期依赖药物或保健食品摄入。龚俊波团队与休斯敦大学课题组合作，首次发现了尿酸盐酮-烯醇互变异构体可成为一种高效的“伴生抑制剂”。尽管目前实现这种治疗路径还有待进一步研发，但这项发现具有广阔的研究前景和医疗价值。

　　“药物有效性与它们在人体中的溶解速率密切相关。通过这项研究，我们还找到了当互变异构体作为缺陷被纳入药物晶体内部时，会对其溶解速率产生显著影响这一重要规律。”据该成果论文第一作者、天津大学化工学院讲师汤伟伟介绍，“这不仅是学界在肾结石病理性结晶机理与调控方面取得的重要进展，还可为高端药物晶体质量控制和工业结晶过程开发提供科学理论指导。”(完)

　　（文图：赵筱尘 巫邓炎）