湖北推进省属高校一流学科建设 每年安排10亿元专项资金支持******
本报讯(记者 程墨 通讯员尚紫荆)近日,湖北召开省属高校一流学科建设工作推进会,该省教育厅分别与11所高校签订《湖北省属高校一流学科建设责任书》。
会上,湖北省政府办公厅发布了《关于加快推进省属高校一流学科建设若干措施》,确定湖北11所高校11个学科为省属高校一流学科建设学科,其中包含武汉科技大学材料科学与工程学科、武汉纺织大学纺织科学与工程学科、湖北大学生物学学科、江汉大学化学工程与技术学科等4个重点建设学科,以及7个培育建设学科。
湖北明确,每年安排10亿元专项资金支持省属高校一流学科建设。同时,设立10亿元省属高校一流学科建设专项基金,通过市场化运作模式,支持建设高校开展科技成果转化。将建设学科目标任务完成情况作为对高校的重要考核内容,每年1月召开省属高校一流学科建设联席会议,对学校上年度目标任务完成情况集中评议。根据考核评议结果采取调进或调出建设范围、约谈、调整经费资源投入力度等激励约束措施。
湖北将建立动态调整机制,建设期内将建设成效不突出的重点建设学科调整为培育建设学科,将工作力度大、进展快、成效显著的培育建设学科纳入重点建设学科,将工作进展慢、成效不明显的培育建设学科调出建设范围;聚焦攻坚任务突破,明确学校的主体责任,要求学校把建设一流学科作为“一把手”工程,强调“四个加快”,即:加快提升人才培养质量、加快集聚高层次人才、加快建设国家级科研平台、加快产出重大科技成果,力争较短时间内取得突破性进展。
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
(文图:赵筱尘 巫邓炎)