水利部：推动黄河流域生态保护和高质量发展******

　　国务院新闻办公室于1月12日举行新闻发布会，介绍加强新时代水土保持工作有关情况。国家发展改革委农村经济司负责人关锡璠介绍，黄河流域是我国水土流失最严重的区域，全面加强水土保持工作，对区域生态保护和经济社会高质量发展、对防治因水土流失造成的土地贫瘠、河道淤积、生态环境恶化等问题具有重要作用。

　　黄河目前是世界上泥沙含量最高的河流，做好黄河流域水土保持工作不仅关系到这个区域的生态保护大局，也关系到黄河水沙协调和长治久安。《关于加强新时代水土保持工作的意见》对新时代水土保持工作作了总体部署，明确将黄河流域作为水土保持工作的重点区域，要求大力推进坡耕地水土流失和泥沙集中来源区治理。

　　下一步，国家发展改革委将会同水利部等有关部门，按照政策规划资金等方面的相应安排，继续将黄河流域尤其是黄土高原地区作为水土保持工作的重点。从加强预防保护、推进系统治理、强化监测评价等三个方面来加力推进黄河流域水土保持工作。（记者 刘昊）

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