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

促就业仍需转变观念******

　　促就业仍需转变观念

　　魏永刚

　　稳就业是近年来经济工作的一个重要着力点。今年，高校毕业生人数预计再创新高，农民工外出就业困难不小，做好促就业工作依然面临繁重任务。从就业市场形势来看，促就业不仅需要拓宽渠道，更需要转变观念。

　　就业市场始终存在着结构性矛盾：有人找不到工作、有的岗位招不到人。破解这个矛盾，固然需要调整劳动力结构，改善就业需求，但也需要从转变观念方面发力。前不久，人力资源和社会保障部发布的“最缺工”100个职业排行显示，营销员、汽车生产线操作工、快递员、餐厅服务员、商品营业员、家政服务员、保洁员、保安员、包装工、车工位列前十。这些岗位用工短缺，固然有劳动强度大、职业培训不够等原因，就业观念滞后也是一个重要因素。

　　比如，随着消费回暖，餐饮业出现了一定程度的用工荒。有人说，即使餐饮等行业开出更高的薪水，也难以吸引大学毕业生。某些固有的职业定位和岗位认知，仍然是需要破除的陈旧观念。

　　客观地说，随着智能化自动化的发展，传统职业已经有了很大变化，工作环境和条件大为改善。高校毕业生不妨从基础岗位做起，不断提升劳动技能，磨炼自身意志，以实现更大发展。在当前形势下，如果还固守传统的职业定位和认知，是难以适应新形势的。

　　放眼就业市场，在经济复苏回暖的形势下，许多基层一线岗位，仍需要大量劳动者。大学生应沉下心，从基层岗位和实践中不断提升自身能力，边工作边学习，争取在平凡的岗位上创造不平凡的成绩。

　　三百六十行，行行出状元。就业观念的转变，不仅能缓解“用工荒”，让更多人实现就业，而且可以提高一些行业的整体服务水平。许多青年大学生不仅有文化、有思想，而且有志向。年轻人转变观念，参与到“最缺工”行业中，无疑能够促进这些行业高质量发展，从而实现自身价值。相关部门应适当加强引导，加强用工单位和相关院校对接，力争实现更充分就业。