被控受贿1200余万元 安徽省铜陵市人大常委会原副主任程金林受审******

　　中新网合肥1月12日电(陈多润 卢佳银)12日，安徽省蚌埠市中级人民法院一审公开开庭审理了铜陵市人大常委会原党组副书记、副主任程金林涉嫌受贿一案，蚌埠市人民检察院派员出庭支持公诉，程金林及其辩护人到庭参加诉讼。

　　公诉机关指控，2003年至2021年，被告人程金林利用担任铜陵市郊区人民政府副区长、区长、郊区区委书记等职务便利，为他人在工程承揽、资金借贷、职务晋升、税收返还等方面提供帮助，单独或伙同他人非法收受财物共计折合人民币1236.7595万元。

　　庭审中，公诉机关出示了相关证据，控辩双方在法庭主持下充分发表了意见，程金林进行了最后陈述，并当庭表示认罪悔罪。

　　被告人亲属及部分人大代表、政协委员、机关干部等60余人旁听了庭审。

　　本案将择期宣判。(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