开门红！吉林查干湖冬捕正式拉开序幕******

　　央视网消息：每年冬天，吉林松原的查干湖都要进行大规模的冬季捕鱼作业，马拉绞盘、冰下走网，古老的捕鱼方式传承千年。这两天，随着气温走低，湖面封冻，今年查干湖的冬捕正式拉开序幕。

　　这两天的查干湖格外热闹，一大早，当地的鱼把头辛继龙就带领渔工们在零下20多摄氏度的气温下凿冰、下网，大家动作娴熟，一气呵成。在高亢的号角声中，渔工们赶着骏马拉动绞盘，随着渔网被缓缓拉出，一条条活鱼浮出水面。鱼把头告诉记者，今年头一网就打出了8.8万斤鱼，迎来了“开门红”。

　　查干湖冬捕分两个阶段，前期使用小眼网，主要捕捞浅水区的小型成鱼和小虾；后期使用大眼网，捕捞大型成鱼销往全国各地。科学的捕捞方式是查干湖“渔而不绝”的关键所在，从2003年开始，当地在春秋两季开展增殖放流行动，每年向湖中投放1000万尾鱼苗，保障渔业的可持续发展。

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