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

《自然》论文：格陵兰冰盖2001-2011年比20世纪平均高1.5°C******

　　中新网北京1月19日电 (记者 孙自法)国际著名学术期刊《自然》最新发表一篇气候变化研究论文指出，对公元1100年至2011年格陵兰中北部的温度重建显示，格陵兰冰盖的近期温度是过去1000年里最高的。这项研究指出，格陵兰冰盖在2001年至2011年的温度比整个20世纪平均高了1.5°C。

　　该论文介绍，格陵兰冰盖因其巨大规模、辐射效应和淡水储量，一直对全球气候起着重要作用。格陵兰冰盖边缘的气象站显示，其沿岸区域一直在变暖，但由于缺乏长期观测，关于全球变暖对格陵兰冰盖中部的影响人们此前所知不多。对该区域仅有的多站点冰芯记录来自北格陵兰走廊(North Greenland Traverse)，但已于1995年终止。

　　论文通讯作者、德国阿尔弗雷德·魏格纳研究所玛丽亚·霍尔德(Maria H?rhold)和合作者一起，从北格陵兰走廊的5个考察站点重新钻取冰芯，重建了公元1100年至2011年格陵兰中北部的温度。他们指出，格陵兰中北部近期的温度比之前1000年更高。他们的研究还发现，平均而言，2001-2011年的重建温度比1961-1990年期间高了1.7°C，比整个20世纪高了1.5°C。

　　他们认为，升温或许是自然变率，以及18世纪以来人为气候变化导致明显长期暖化趋势，这两个因素共同作用的结果。

　　论文作者总结指出，冰盖暖化还伴随着融水径流增加，体现出人为气候变暖对格陵兰中北部的影响，并可能加速格陵兰冰盖的冰损失速度。(完)