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

蜂鸟悬停可能与基因缺失有关******

　　科技日报柏林1月15日电 (记者李山)蜂鸟可悬停甚至向后飞行，这种特殊的飞行技能非常耗能。科学家们发现，新陈代谢的进化适应 ，例如缺失果糖二磷酸酶-2(FBP2)基因 ，可增加糖代谢能力，可能 是蜂鸟适应悬停所需 的肌肉新陈代谢的重要一步 。相关成果近日发表在《科学》杂志上。

　　原产于北美和南美的蜂鸟 是世界上最小但也 是最敏捷 的鸟类之一。它们通常只有拇指大小，但却是唯一一种不仅可向前飞行，还可向后和侧向飞行 的鸟类 。然而 ，它们特有的悬停飞行非常耗能。

　　德国LOEWE转化生物多样性基因组学中心的迈克尔·希勒教授领导 的科研团队研究了新陈代谢的哪些进化适应可能使蜂鸟具有这种特殊的飞行技能。

　　蜂鸟在悬停飞行过程中高速拍动翅膀，每秒最多可达80次。动物王国中没有其他运动方式比这个更耗能，因此 ，蜂鸟 的新陈代谢必须全速运行 ，甚至比任何其它脊椎动物更活跃。蜂鸟用花蜜中 的糖来满足它们 的高能量需求，它们吸收得特别快 ，与人类不同，它们有高活性 的酶 ，可像葡萄糖一样有效地代谢果糖。

　　希勒研究团队对长尾隐蜂鸟的基因组进行了测序 ，并和其它蜂鸟物种的基因组以及其它45种鸟类(包括鸡 、鸽子和鹰)的基因组进行了比较 。研究发现 ，在所有接受检查的蜂鸟中，FBP2都缺失了 。进一步的调查表明 ，在大约4800万到3000万年前，在典型 的悬停飞行进化和开始以花蜜为主要食物 的时期，FBP2已经在所有蜂鸟的共同祖先中消失了 。

　　研究人员解释说，除了FBP2基因 的丢失外，蜂鸟可能还发生了其他基因组变化 ，例如，几个在糖代谢中起重要作用的基因的选择过程导致蜂鸟体内氨基酸发生变化 。