凤凰快三 - 凤凰快三

来源：凤凰快三1256-11-12 17:48

凤凰快三

支招河南建设农业强省代表委员出“金点子”******

　　中新网郑州1月16日电 (杨大勇李超庆阚力)大力支持建设“中原农谷”、推进高标准农田管理相关条例制定、推动“中国药谷”建设……正在召开的河南两会上，多名河南省人大代表、政协委员出“金点子”，支招河南建设农业强省。

图为河南省政协委员分组讨论现场。　记者阚力　摄

　　今年河南省政府工作报告提出，2023年将加快建设农业强省，扎实推进乡村振兴。力争到2025年建成1500万亩高标准农田示范区，粮食产能达到1400亿斤。扎实推进科技强农。整合农业科技力量，支持神农种业实验室争创国家实验室基地，开展核心种源等15项核心技术协同攻关，组建河南种业集团。高标准建设“中原农谷”、周口国家农高区，推进国家小麦技术创新中心、中国农科院中原研究中心等项目建设，打造现代农业科技创新高地。

　　在正召开的河南两会上，农业强省也成为众多人大代表、政协委员聚集热议的话题。许多人大代表、政协委员结合河南省政府工作报告提出议案和建议，支招河南建设农业强省。

　　“‘中原农谷’建设是引领建设河南现代农业强省的重要载体。”河南省政协委员周勇介绍，大力支持“中原农谷”建设，河南省科技厅、河南省农业农村厅要加大省内涉农科创资源整合力度，鼓励研发平台和科研机构加速向“中原农谷”核心区集聚，尽快形成科研集聚中心，推动关键技术和新品选育实现重大突破。同时，应尽快出台支持“中原农谷”建设的具体政策和措施，最大限度在项目、资金和政策方面向“中原农谷”汇聚。

　　多年前，河南工业大学提出在郑州打造全球粮食科技创新高地——“中国粮谷”的构想。在今年河南两会上，也有河南省政协委员建议，“中国粮谷”依托郑州，大力度投入，尽早实施，打造中国乃至世界知名的产学研创投一体的世界一流粮食全链条基地。郑州市政府与河南工业大学有基础、有条件、有能力、有责任通过推动“中国粮谷”建设，实现在“共生、共兴”方面的更大突破。

　　被誉为“中国治土人”的河南省人大代表党永富接受中新网记者采访时介绍，河南实施农业强省建设，要有两大技术，一是种子技术“芯片”，二是土壤生物技术“芯片”，作为土壤污染治理工作者，有信心和能力推动河南农业强省建设。

　　姚新领是来自河南驻马店遂平县的种粮大户，他关注到了今年河南省政府工作报告中提及的“加快建设农业强省、加大高标准农田建设”等内容。

　　“建高标准农田，不是建‘花盆’，要建立高标准农田管理机制，真正能让高标准良田多打粮、打好粮。”姚新领介绍，各级政府部门要提前谋划，制定高标准农田管理相关条例，从生产资料的投入、农业设施的投入、农田设施管理和维护等方面入手，真正让高标准农田多产粮、产好粮。

　　谈及高标准农田建设，河南省人大代表潘道荣建议，出台支持政策，重点鼓励相关金融部门，围绕高标准农田建设创新金融产品，积极参与高标准农田建设，金融部门可以直接与国有控股的农业公司建立信贷关系，做到债权、债务主体明确，偿还计划和还款责任明确，有效防止金融风险。

　　目前，河南省驻马店正大力推动“中国药谷”建设，着力打造国内一流新型医药产业基地，一些企业入选农业产业化省重点龙头企业，基地产品远销欧洲、东南亚等20多个国家和地区。

　　对此，河南省政协委员陈锋建议，把驻马店“中国药谷”建设纳入河南全省产业发展规划，加快自主创新体系建设，大力发展原料药及成品药、普惠养老、中医药等六大产业。(完)

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）

[责编：天天中]

阅读剩余全文（）