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

浙江实施高校教师职称分类分层评价******

　　浙江实施高校教师职称分类分层评价

　　按教学、科研、社会服务三维度分类细化

　　本报讯（记者蒋亦丰）日前，浙江省出台深化高校教师职称评价改革的指导意见，提出将教师岗位设置为教学为主型、教学科研并重型、科研为主型、社会服务型等类型，并制定相匹配的评审标准和业绩要求。

　　浙江明确，对教学为主型岗位的教师，着重评价其在教育教学、教学改革与研究等方面的能力与绩效；对教学科研并重型岗位的教师，综合评价其在教育教学、教学改革与研究、科学研究方面的能力与贡献；对科研为主型岗位的教师，着重评价创新价值、能力与贡献；对社会服务型岗位的教师，着重评价技术成果转化、技术服务、技术推广方面取得的经济效益和社会效益。职业院校专业课教师申报高级职称应先通过“双师型”教师认定。

　　高校要探索建立定量和定性相结合的评价体系，按照教学、科研、社会服务3个维度，分类细化评价标准和权重。评价机制上，实行同行专家评议机制，健全完善外部专家评审制度，探索引入第三方机构进行独立评价。加强代表性成果的鉴定和评议机制建设，技术创新成果等可作为代表性成果。

　　浙江提出，将创新建立职称“直通车”机制，参评对象包括取得重大基础研究和前沿技术突破、解决重大工程技术难题、在经济社会事业发展中作出重大贡献的教师；在世界、全国范围的竞赛、比赛、评奖中取得具有广泛影响的高水平业绩成果的教师；招聘引进的高层次人才和急需紧缺人才等。

　　《中国教育报》2023年01月10日第1版