兰州大学校园景色 兰州大学供图
今年7月,我从位于北京的中国科学院生物物理研究所毕业,怀着忐忑和憧憬,第一次来到甘肃兰州。这次旅行的目的是实地考察国内几所高校,以便选择其中一所入职,第一站便是兰州大学。尽管晚上10点多才到酒店,学院领导仍然非常热情地带我去参观实验室,深情讲述科研团队的发展历史和未来规划,我们畅谈到12点多才结束。躺在酒店的床上,我久久不能入睡,做出了人生中最重大的决定:我要留在兰州,加入建设西部、发展西部的大军中。
我所在的动物医学与生物安全学院是兰州大学和中国农业科学院兰州兽医研究所着眼科教兴国战略、人才强国战略、创新驱动发展战略而展开强强联合的成果。学院着力在动物医学和生物安全两大学科领域开展高水平基础研究与应用研究,致力于在生物安全、动物医药、动物养殖等领域和行业为国家培养高层次创新人才。
我的研究方向是结构生物学,简而言之就是利用结构生物学技术和手段,研究重要生物大分子的结构和功能。疫情期间,结构生物学家攻坚克难,为新冠疫苗研发、抗病毒药物设计提供了重要的理论基础,也是从那时起,我深刻意识到自己研究方向的重大意义。未来,我将认真学习贯彻党的二十大精神,深入思考如何将结构生物学与病原致病及免疫机制研究、宿主抗病机制及抗病育种研究、新型疫苗与诊断技术创新研究等方向相结合,为重要动物疫病、人畜共患病防控提供理论和技术支撑。
作为高校青年教师,我们要始终牢记党和人民赋予的光荣使命和艰巨任务,立大志、明大德、成大才、担大任,敢想敢为又善作善成,直面问题、迎难而上,瞄准世界科技前沿,勇做新时代科技创新的排头兵,为建设世界科技强国作出自己的贡献。
(光明日报记者宋喜群、王冰雅采访整理)
《光明日报》( 2022年12月20日 05版)
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
(文图:赵筱尘 巫邓炎)