网信购彩 - 网信购彩

经合组织秘书长称中方调整防疫措施有助于缓解全球通胀 中方回应******

　　中新网北京1月17日电 (记者 张素)中国外交部发言人汪文斌17日主持例行记者会。

　　有记者提问：据报道，经合组织(OECD)秘书长科尔曼16日表示，非常欢迎中方调整疫情防控措施，这将有助于确保供应链高效运转，有助于缓解全球通胀。中方对此有何回应？

　　汪文斌：我们注意到相关报道，也注意到近期越来越多的国际专业机构普遍认为，中方优化调整疫情防控措施将为世界经济复苏带来重大利好。

　　世界经济论坛总裁布伦德日前表示，中国优化调整防疫政策将进一步推动经济增长，有助于全球经济增长。国际货币基金组织认为2023年中国经济将稳步增长，成为世界经济的最大积极因素。摩根士丹利、高盛集团、汇丰银行、英国巴克莱银行、法国外贸银行等多家国际投行和金融机构纷纷上调2023年中国经济增速预期。

　　中国政府因时因势主动优化调整疫情防控措施，是高效统筹疫情防控和经济社会发展的正确之举。随着中国疫情形势整体向好、生产生活秩序加快恢复正常，中国经济社会活力和潜能将充分释放，为推动世界经济复苏注入更多信心和力量。(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

　　（文图：赵筱尘 巫邓炎）