匈牙利专家积极评价中国疫情防控决策******

　　新华社布达佩斯1月5日电（记者陈浩）匈牙利专家日前在接受新华社记者采访时高度评价中国在新冠疫情初期的反应，并对中国政府近期优化调整疫情防控措施后中国疫情的发展态势持乐观态度。

　　匈牙利萨佐德韦格研究所政治分析中心主任基塞伊·佐尔坦表示，中国在新冠疫情初期应对良好，通过全国性的大规模隔离措施遏制了病毒传播，并研发出自己的疫苗。

　　基塞伊表示，中国出口大量包括口罩、防护服、注射器在内的防护和医疗设备，并向许多发展中国家援助和出口大量疫苗，为全球应对新冠疫情做出重大贡献。

　　他说，中国在全人群新冠病毒疫苗全程接种率已超过90%时做出重新开放边境的决定，这并非不负责任。在大多数欧洲国家，当疫苗接种率仅为70%左右时，它们就做出了同样的决定。

　　“我对中国政府优化调整疫情防控措施后中国疫情的发展态势持乐观态度，因为中国可以借鉴其他国家和地区的经验，而中国的组织能力、中国人民的纪律性以及中国经济的运行水平，都为抗击疫情新阶段提供了必要工具、公共合作和后勤保障。”基塞伊说。

　　匈牙利科学院世界经济研究所前所长伊诺陶伊·安德拉什表示，中国明白复杂问题需要综合性的解决方案，这是值得借鉴的。

　　伊诺陶伊说，疫情是人类面临的全球性挑战，世界各国领导人应该合作应对。中国五千年的文化与经验值得重视，它在应对巨大挑战时的韧性和适应能力已被历史所证明。

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