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

周鸿祎委员：数字时代新风险丛生 安全不再是“附属品”******

　　【代表委员履职心语】

　　以下为采访摘要：

　　记者：在数字经济蓬勃发展的背景下，面临哪些新的安全挑战？有哪些建议？

　　周鸿祎：最大的安全挑战就是，数字经济是基于数字化技术，数字化技术带来的问题就是一切皆可编程，所有的东西都是软件，软件定义世界。万物互联时代，虚拟空间与物理空间打通，过去所有对虚拟世界的伤害都能变成物理世界的打击；还有大数据驱动业务，数据也变成了可攻击对象，过去数据就是起到存储作用，现在数据一旦瘫痪，就意味着业务停止。

　　具体来讲，网络攻击低成本、隐秘性，导致了现在网络攻击对手已经不再是“小毛贼”，那些勒索软件都是有组织的犯罪；此外，物联网、工业互联网、车联网使得基础设施包括工厂、变电站、交通设施等都成为攻击对象，攻击范围和原来完全不一样；再加上数字化技术本质都是软件，比如，5G通信、物联网、区块链、云计算、大数据、人工智能等，这些技术都属于复杂技术，本身都会有安全问题；还有，数字化带来很多场景的增加，比如，工业互联网场景、车联网场景等，其中，工业互联网涉及很多智能车床、数控车床联网，有很多智能设备和供应链连在一起，供应链又有很多中小企业；车联网还有一个挑战是，过去车厂跟用户不联网，现在用户都要安装App，访问车联网服务。这些改变使得网络数字化安全面临的挑战和威胁与原来网络时代完全不一样。

　　当前，传统行业纷纷进入产业数字化领域，要面临复杂的场景、复杂的数字化技术，就不能够等把这些东西建设好，再把安全作为一个附庸，买点软硬件来合规。我觉得国家一定要支持这些重要行业、关键基础设施，要做好数字化安全顶层设计。

　　过去相关行业遇到网络安全问题，都是找网络安全公司“买药吃”，吃再多“药”也没有真正变成能力的积累和沉淀。网络安全要从卖盒子、卖软件这种思路，转变成为帮助客户建立自己的“数字化医院”，也就是安全基建，要帮助很多城市、大型企业建立网络安全基础设施，有了安全基础设施，就像有了医院，再加上培养大量医生，也就是网络安全专家、网络安全运营人员，这样才能帮助很多单位真正地把自己的安全应对能力建立起来。（光明日报全媒体记者 李政葳 孔繁鑫）