【科普中国繁星追梦】翟振国:守护医者仁心,在传承中持续创新******
肺栓塞被认为是“沉默的杀手”
也称为肺血栓栓塞
是由于内源性或外源性的栓子堵塞肺动脉主干或分支
引起肺循环障碍的临床和病理生理综合征
与大众熟知的心梗、脑梗相比
大众对肺栓塞的知晓度非常低
作为中日友好医院呼吸中心
肺栓塞与肺血管病学组的学术带头人
翟振国多年来深耕肺栓塞、肺动脉高压领域
并在2019年创造性地完成了
我国首个肺栓塞领域的流行病学数据调研
明确了我国肺栓塞人群的发生率、诊断率以及病死率变化
他和团队发布的《新型冠状病毒肺炎相关静脉血栓栓塞症防治建议》
《新冠肺炎并发静脉血栓栓塞症的防治专家共识》
还入选了中国2020年度重要医学进展
在翟振国看来
我国的肺栓塞与肺动脉高压的
防治已今非昔比
呈现出全新的发展局面
这背后离不开
老一辈专家的坚实铺垫和无私奉献
在传承中创新
在创新中发展
近20年来
一批批肺栓塞与肺动脉高压防治工作
的专门人才涌现
在“防、诊、治”多环节持续探索
大大改善了肺栓塞与肺动脉高压患者的
生活质量和生存率
出品人
杨 谷
总监制
宋乐永
总策划
战钊 宋雅娟
本期编导
张梦凡 宋雅娟
记者
张梦凡 武玥彤
制作
光明网科普事业部
联合出品
中国科协科普部 光明网
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)