安徽省淮南市人大常委会原秘书长陈庆稳被开除党籍******

　　中新网合肥1月9日电日前，经中共淮南市委批准，淮南市纪委监委对淮南市人大常委会原秘书长陈庆稳严重违纪违法问题进行了立案审查调查。

　　经查，陈庆稳身为医疗卫生系统一把手和党员领导干部，丧失理想信念，背弃初心使命，毫无纪法观念和规矩意识，收受可能影响公正执行公务的礼品、礼金等财物，违规从事营利活动，接受管理服务对象安排的旅游活动；在组织函询时不如实说明问题，违规为他人谋取组织人事利益。利用职务上的便利，为他人在工程承揽、工作调动等方面谋取利益，收受他人巨额财物，涉嫌受贿犯罪。

　　陈庆稳严重违反党的组织纪律、廉洁纪律，严重破坏了医疗卫生系统的政治生态，构成职务违法并涉嫌犯罪，性质严重、影响恶劣，应予严肃处理。根据《中国共产党纪律处分条例》《中华人民共和国监察法》《中华人民共和国公职人员政务处分法》等有关规定，经淮南市纪委常委会会议研究并报市委批准，决定给予陈庆稳开除党籍处分，按规定取消其退休待遇；收缴其违纪违法所得；将其涉嫌犯罪问题移送检察机关依法审查起诉，所涉财物一并移送。(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