全球连线丨新加坡卫生部长：不会对中国旅客收紧防疫措施******

　　新华社新加坡1月11日电新加坡卫生部长王乙康9日在新加坡国会就如何应对新冠疫情形势发表部长声明时表示，今年以来，新加坡本地还没有从中国入境的新冠感染者中检测到新的变种毒株。经过评估，新加坡卫生部认为目前不必收紧防疫措施。

　　这是2022年12月31日在新加坡滨海湾拍摄的无人机灯光秀。新华社发（邓智炜摄）

　　目前，新加坡要求入境人员提供全程新冠疫苗接种证明，如无接种证明，则需要核酸检测阴性证明。

　　王乙康表示，新政府会持续关注疫情发展情况。他强调，新毒株可能源自任何一个国家或地区，因此监测新毒株需要有效的全球监测系统。如果出现具有免疫逃逸能力或传染力更强的新毒株，新加坡可能需要重启严格的边境管控措施。

　　2021年9月8日，国际旅客在新加坡樟宜机场提取行李。新华社发（邓智炜摄）

　　王乙康同时表示，相关研究表明，正在中国流行的毒株已在世界其他地区出现过，现有疫苗对这些毒株也具有防护能力。

　　“中国的开放是大好消息，我们期待已久，两国可以恢复丰富的、实质性的人文交流。”王乙康说。（记者：蔡蜀亚、李；剪辑：淡然；编辑：钱泳文、程大雨）

　　新华社国际部制作

　　新华社国际传播融合平台出品

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