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

我科学家构建出新型人工碳晶体******

　　日前，中国科学技术大学朱彦武教授研究团队通过对富勒烯C60分子晶体进行电荷注入，在常压条件下构建了C60聚合物晶体以及长程有序多孔碳晶体，并实现了其克量级制备。1月12日凌晨，该研究成果发表于国际学术期刊《自然》。

　　碳是自然界最常见的元素之一，碳原子之间通过不同排列方式，能够形成多种结构，比如我们熟悉的石墨、金刚石和无定型碳，已经广泛应用于各个领域。

　　近年来，富勒烯、纳米碳管、石墨烯和石墨炔等新型碳材料的发现和发展，得到了广泛关注，并引发研究热潮。“如果我们可以在一个晶体结构中引入纳米单元，例如用富勒烯、石墨烯等作为基本结构单元代替普通晶体中的原子，像搭积木一样‘搭建’出新型碳材料，可能会发掘更多新奇性质，发挥更大应用潜力。”朱彦武说。

　　此前，对于制备这类新型碳材料，研究人员要么是利用高温高压等极限条件，要么是采用紫外光、电子束辐照等微观处理技术，但其产率较低、产物不纯，阻碍了人们对该类材料的性质与应用进行更深入探索。

　　在此次研究中，朱彦武团队创造性地使用氮化锂对富勒烯C60分子晶体进行电荷注入，并在温和温度下进行热处理，最终得到大量的C60聚合物晶体以及长程有序多孔碳晶体。

　　值得注意的是，团队通过基于机器学习和神经网络势函数的结构搜索结果进一步表明，长程有序多孔碳基晶体代表了一大类从富勒烯分子晶体到石墨类碳晶体转变过程中的亚稳态晶体结构。

　　“这里的长程有序多孔碳晶体，微观上具有多孔特征但完整保留了晶体的宏观周期性，是一类新的人工碳晶体，未来可能在能量存储、离子筛分、负载催化等领域具有潜在应用。电荷注入技术也为构建这类碳基晶体材料提供了一种搭积木式的制备技术，有望成为在原子级精度上调控晶体结构的新手段。”朱彦武介绍。

　　《自然》审稿人称：“论文中给出的结果令人信服，对晶体学和材料科学领域具有重要意义。”（记者丁一鸣、通讯员王敏）