彩神lv-(中国)互动百科

中宣部要求各地各新闻单位认真开展2023年“新春走基层”活动******

　　新华社北京1月5日电 近日，中宣部发出通知，要求各地各新闻单位认真开展“新春走基层”活动，组织编辑记者深入基层一线采访报道，不断增强“脚力、眼力、脑力、笔力”，全面反映各地统筹疫情防控和经济社会发展取得的积极成效，生动展示广大人民群众欢乐祥和过春节的喜人景象，齐心协力营造喜庆安康、昂扬向上的节日氛围。

　　通知要求，宣传各地区各部门学习贯彻党的二十大精神的新举措新进展新成效，跟踪报道党的二十大基层党代表学习贯彻党的二十大精神情况，鲜活反映基层群众自身工作生活的点滴变化和切身感受，持续推动党的二十大精神在基层落地生根，凝聚广大干部群众团结奋进力量。根据中央经济工作会议精神，客观准确报道各地努力克服疫情影响推进经济高质量发展情况，全面反映各地区各部门稳字当头、稳中求进的举措成效，充分挖掘过去一年中各地经济社会的发展亮点、重点行业企业应变克难的生动案例，宣传好我国创新引领持续加强、新产业新产品增势较好、新业态较为活跃等多方面积极因素，教育引导广大基层干部群众统一认识、迎难而上，坚定经济回稳向上的信心决心。全面反映各地区各部门优化调整疫情防控举措，积极解决春节期间群众就医用药、特殊人群保障等涉疫热点难点问题，采访节日期间各领域坚守疫情防控一线的基层党员干部，特别是医疗卫生、物流快递行业人员的动人故事，生动展示各地群众积极理性应对病毒感染、社区邻里之间互助友爱、企业复工复产、城市恢复烟火气的真实场景，不断鼓舞群众战胜疫情的信心。宣传各地区各部门强化节日市场保供稳价、加强煤电油气调节，确保春节市场平稳、群众温暖安全过节的有力举措；采访铁路班组、民航机组等交通运输行业工作人员，基层公安民警，消防救援队伍，边防哨所基层官兵等各行各业坚守岗位的奋斗者，讲述他们默默奉献、保障经济社会正常运转的感人故事；及时报道各级领导干部和社会各方面深入基层一线，特别是深入受灾地区、脱贫地区、乡村振兴重点帮扶县，对因疫因灾遇困群众和老弱病残等特殊群体开展帮扶救助、走访慰问和志愿服务活动的感人场景。报道各地区各部门结合优化疫情防控措施开展丰富多彩的节庆文化活动，大力弘扬社会主义核心价值观和中华优秀传统文化，持续宣传好各地组织的传统民俗、年俗活动，生动展示各地群众阖家团圆、高高兴兴过大年的热闹情景，反映各地基层群众文化生活的新趣味新时尚，突出地域特色和时代气息，展现中华文化多样性，充分彰显春节的文化魅力。

　　通知要求，认真组织专题专栏报道，中央和各省区市主要新闻单位在重要版面、重要时段、网站首页、客户端首屏等，统一开设“新春走基层”专栏，每天要保证一定的刊播总量；及时反映活动进展情况，活动结束后适时刊播综述、评论、记者感言等，反映编辑记者的心得体会。

　　通知指出，各新闻单位要根据各地疫情防控形势，科学合理统筹报道力量，充分调动编辑记者参与的积极性、主动性；坚持“短实新”报道文风，多用群众语言、百姓视角，客观平实反映基层群众关心的话题、身边发生的故事；用好新兴传播技术和平台渠道，多采用短视频、微视频等群众喜闻乐见的传播形式，不断提升正能量。

　　《光明日报》（ 2023年01月06日 03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）