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
江西开展县域义务教育质量评价******
江西开展县域义务教育质量评价
从县域、学校、学生三个层面进行评价
本报讯(记者徐光明)日前,江西省教育厅等六部门联合印发《江西省义务教育质量评价实施办法(试行)》,记者了解到,江西省义务教育质量评价主要包括县域、学校、学生三个层面,三者各有侧重、相互衔接、内在统一,构成完整的义务教育质量评价体系。
县域义务教育质量评价,主要包括价值导向、组织领导、教学条件、教师队伍、均衡发展等方面重点内容。学校办学质量评价,主要包括办学方向、课程教学、教师发展、学校管理、学生发展等五个方面重点内容。学生发展质量评价,主要包括学生品德发展、学业发展、身心发展、审美素养、劳动与社会实践等五个方面重点内容。
江西强化对学生、学校、县域的动态性、数据性和全面性的过程性评价。关注学生发展、学校办学、县域义务教育发展水平和工作水平的总体状况及年度变化情况,科学评判地方党委政府、学校和教师的努力程度及进步程度。构建多元评价体系,让学校、学生、家长、社会、教育部门等多主体参与评价。采取实地调研、观察、访谈、问卷、线上线下相结合等多种方式实施评价,确保评价真实全面、科学有效。
学生发展质量评价由学校依据《学生发展质量评价指标》组织实施;学校办学质量评价依据《学校办学质量评价指标》实行学校自评、县级评价;县域义务教育质量评价依据《县域义务教育质量评价指标》由县级自评、市级复核。江西省人民政府教育督导委员会办公室组织对县域义务教育质量情况进行评价,评价情况报国务院教育督导委员会办公室备案。
按照每5年一轮的原则开展县域义务教育质量评价。根据工作需要和学校数量确定学校办学质量评价周期,原则上每3年一轮,并保证校长任期内至少进行一次评价。
(文图:赵筱尘 巫邓炎)