盈彩网app平台_盈彩网app邀请码

第125次中老缅泰湄公河联合巡逻执法行动圆满完成******

　　中新社西双版纳1月18日电 (尹洪会)云南省公安厅水上巡逻总队18日发布消息称，当日，在湄公河相关水域开展联合巡逻执法行动的2艘中方执法艇顺利返回中国西双版纳景哈警务码头，标志着第125次中老缅泰湄公河联合巡逻执法行动圆满完成。

　　此次联合巡逻执法行动于15日启动，历时4天3夜，总航程622公里。中老缅泰四国执法部门共派出执法船艇4艘、执法队员70人，在湄公河重点水域开展全线与分段巡逻、联合查缉等行动，持续对流域内各类违法犯罪活动形成有效遏制和有力震慑。

　　巡航期间正值中国传统佳节春节到来之际，联合巡逻执法编队中方指挥长张华代表中方慰问了老缅泰方执法队员，向他们送去新春祝福，对他们长期以来在湄公河联合巡逻执法工作中给予的支持表示感谢，希望各方继续加强务实合作，共同推动湄公河联合巡逻执法高质量发展。

　　据悉，此次行动结束后，中老缅三国执法部门还将分别在澜沧江中缅界河、湄公河孟莫、班相果等水域开展分段巡逻执法行动，严厉打击各类跨境违法犯罪活动，确保节日期间湄公河流域安全稳定。(完)

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）