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

国际最新研究：到2099年或有逾40%陆地动物经历极端高温事件******

　　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》最新发表一篇生态学研究显示，未来极端气温危及陆地动物，按照当前对未来全球气温估计的最大值，到2099年可能将有超过40%的陆地脊椎动物经历极端高温事件，而长期暴露在高温中可能会对全球许多物种的未来构成威胁。

　　该论文指出，极端热事件是指气温大幅超出历史阈值的时期。现在的极端热事件发生频率比历史记载的更高，而且程度也因人类活动而加剧。极端高温的反复出现会伤害野生动物，与心理应激增加、繁殖输出减少、种群数量下降有关。这说明，持续的气温飙升会对今后的生物多样性构成巨大威胁。之前评估气候变化对野生动物影响的研究未能分析日常热应激的短期动力学，亦未能衡量气温变率而非高温本身所带来的伤害。

　　论文通讯作者、以色列内盖夫本-古里安大学戈帕尔·穆拉里(Gopal Murali)和合作者一起，利用对1950-2099年极端热事件发生频率、持续时间和强度的预测，模拟了在不同温室气体排放情景下，约33600种陆地脊椎动物对极端热事件的暴露情况。他们预计，在高排放情景下(升温预计达4.4°C)，41%的物种在它们分布的至少一半陆地区域内会经历极端热事件。这一比例在中高排放(升温接近3.6°C)和低排放(升温控制在1.8°C以内)情景下分别为28.8%和6.1%。

　　两栖动物和爬行动物面临的风险可能最高，预计将有55.5%的两栖动物和51.0%的爬行动物，会在高排放情景下经历极端热事件，相比之下，鸟类和哺乳动物的这一比例分别为25.8%和31.1%。

　　论文作者总结强调，控制温室气体排放，能大幅减少极端高温对生物多样性的影响。(完)