紫盖雾凇挂满枝 银装素裹美如画(图)******
受强冷空气影响,近日,在南岳72峰之一的紫盖峰,迎来了2022年的最后一场雾凇美景,漫山遍野银装素裹,宛如琼树银花,如梦如幻,分外妖娆。
尽管登山的路途有点艰辛,但是一路上的雪景也让人眼前一亮,还没完全褪去的绿色叶子和泛着冷光的雪白,萧瑟的氛围突然蔓延开来,深深浅浅色苍茫,可谓一步一景,步移景换,景景如画。
到半山腰后,雾凇开始慢慢多了起来,晶莹剔透的银枝在寒风中微微摇动,妖娆多姿,山上草木一枝一叶都被洁白晶莹的霜花包裹了起来。伴随着浓雾涌动,雾里看花,如童话世界一般。漫山遍野的雾凇冰花,一簇簇、一团团、一串串……点缀在山间每一个角落。
经过一个多小时的跋涉,终于达到紫盖峰顶,此时的峰顶已被大雾环绕,漫山的青松古树覆裹着雾凇,有如银菊绽放、海底珊瑚,共同交织成一幅幅冰雪国画长卷,如梦似幻。(文峰 周彭斌)
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)