盈彩网投资平台开奖结果_平台推荐官方版v2.9.1(2023已更新)

瑞士卫生部门：无须要求中国旅客接受强制新冠检测******

　　新华社日内瓦1月11日电（记者刘曲）瑞士联邦公共卫生局11日发表声明说，当前在中国流行的奥密克戎毒株对瑞士人口及卫生系统构成的风险很小，无须要求来自中国的旅客接受强制新冠病毒检测。

　　声明说，瑞士联邦委员会当天讨论了欧盟关于对乘飞机进入欧盟人员采取措施的最新建议。委员会决定，目前瑞士不应要求来自中国的旅客接受强制新冠病毒检测。

　　委员会基于当前瑞士的新冠流行病学情况认为，目前瑞士人口对新冠重症有很强的防御能力，因为许多人已接种新冠疫苗或已感染新冠病毒后康复。因此，中国目前的新冠病毒感染对瑞士人口及卫生系统构成的风险很小。

　　声明还提到，根据最新研究，目前在中国流行的奥密克戎毒株此前已在瑞士广泛传播，或已呈下降趋势。此外，眼下新冠病毒在瑞士已在高位传播，强制检测人数相对不多的中国直飞瑞士的旅客，对病毒在瑞士传播的影响微乎其微。而且，在中国出现新的“需要关注”的新冠病毒变异株的风险并不比其他国家更高。

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）