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

长期运动可延缓全身多器官衰老******

　　1月6日，中科院动物研究所研究员刘光慧课题组、曲静课题组和中科院北京基因组研究所研究员张维绮课题组合作，在《创新》（Innovation）在线发表论文，系统绘制了机体14种组织器官在长期有氧运动下的单细胞全景图谱，并发现长期运动可以明显降低年老个体的泛组织衰老程度，且增强机体的抗感染能力。

　　研究人员通过行为学评估发现，长期有氧运动不仅增加了小鼠的肌肉耐力，还增强了其学习及记忆能力。此外，运动后，小鼠血液中炎性因子含量较对照组小鼠明显降低。为了进一步揭示运动对机体不同器官和细胞类型的影响，研究人员还分离获得了各组动物的14种组织器官，基于高分辨率的单细胞或单细胞核转录组测序，系统绘制了运动组和对照组小鼠的泛组织单细胞基因表达全景图谱。

　　研究人员发现，小鼠心肌和骨骼肌中的基因表达改变对运动的高度敏感，与横纹肌组织中线粒体数目随运动上调相一致。这表明长期有氧运动可以重塑机体多种器官组织的结构和功能，提升多种器官的生理功能，增强个体的学习记忆能力。进一步的机制研究表明，核心节律转录因子BMAL1的表达上调介导了运动在衰老过程中对心血管的保护作用。（见习记者刘如楠）