彩神_彩神

新时代新征程新伟业·二十大精神在基层丨帕米尔雪山下的炉边夜话******

　　新华社乌鲁木齐12月26日电 题：帕米尔雪山下的炉边夜话

　　新华社记者刘红霞、杨湛菲、邵艺博

　　推开阿卜杜加米尔·努斯热提拉家的院门，一阵悠扬的歌声传了出来。安居房里，八九个人围坐在炕床上，一位柯尔克孜族大叔用民族乐器库姆孜欢快地弹唱着。炕床旁的炉子上，奶茶飘出阵阵清香。

　　这里是位于我国西部边陲的帕米尔高原。阿卜杜加米尔家所在的新疆克孜勒苏柯尔克孜自治州阿克陶县布伦口乡布伦口村，海拔大约3300米，四面长年雪山环绕。

　　一曲唱罢，大伙高兴地鼓起掌来。坐在炕床一角的，是33岁的布伦口乡党委书记李文娟。16日这晚，她来到布伦口村走访，村民们听说了，便热情地邀请李文娟加入聚会。

　　“刚才你们弹唱得很好听，今年收成怎么样？还不错吧？”李文娟问。

　　户主阿卜杜加米尔接过话茬：“我家有两个护边员，政府每月都发生活补贴，养了三十几头牦牛，还开了民宿，今年全家人均能挣两万来块钱。到明年，我家就有四五十头牦牛了，希望(人均)能挣到两万五千块钱。”

　　“你家还开了民宿？拜克加克西！”李文娟有些惊讶又十分欣喜，用柯尔克孜语夸赞他“非常好”。

　　夜访前的当天下午，李文娟和乡里同事们召开专题讨论会，学习党的二十大精神，谋划全面推进乡村振兴。

　　“我们乡的一大短板是产业发展不够深入，只是单纯地卖牦牛肉、卖冷水鱼。”布伦口乡乡长库尔班艾力·麦麦提艾力说，“下一步要利用好我们的畜牧业资源、自然资源，延长产业链，发展好旅游，带动群众进一步增收。”

　　布伦口乡是典型的边境乡、牧区乡。村民抬头便是被誉为“冰山之父”的慕士塔格峰，近处则是颇有名气的白沙湖。乡里牧民在饲养牦牛等牲畜的同时，积极参与到民宿经营上来，加上护边的稳定收入，增收有了更多盼头。

　　家里开美容店的、孩子大学毕业后在城里公司上班的、在乡里打工的……在这个边境乡镇，不少家庭都会有灵活就业的成员，整体收入更高一些。

　　那么，明年怎么能挣得更多呢？

　　“党的二十大报告中说要实现经济高质量发展，对于我们来说，高质量发展是一分钱一分钱算出来的。”李文娟循循善诱，“你们看，苏巴什村在旅游旺季搞白牦牛骑行，一天能挣个500块钱，一年六到八个月是旅游旺季，有的老乡能挣到九万块钱。”

　　“是啊，明年我们也来试试，把吃牦牛、看牦牛、骑牦牛都好好弄一弄。”

　　“我们的民族特色《玛纳斯》说唱，也要好好给游客们展示。”

　　“我们村最多的就是石头，回头是不是建些有特色的‘石头民宿’？”

　　……

　　乡亲们你一言我一语。院子外，不大的村落静谧安详，点点灯光为凛冽的高原夜色增添了暖意。屋子里，热腾腾的炉子旁，大家伙儿脸上红扑扑的。户主家九岁的小女儿阿依克热木·阿卜杜加米尔坐在大人中间，捧着小脸，眼里亮晶晶，似乎也在琢磨自己的来年目标。

　　坚持农业农村优先发展，坚持城乡融合发展，畅通城乡要素流动……党的二十大报告，为全面推进乡村振兴擘画了宏伟蓝图。身为党代表的李文娟从北京返回边疆后，“头等大事”就是用老百姓听得懂的语言，深入学习宣讲贯彻落实党的二十大精神。

　　夜深了，走访也接近尾声，村民们从温暖的炉边起身回家。仲冬的帕米尔高原，繁星闪烁。乡亲们的脚步，轻快而坚定……

　　(新华网)

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）