苏炳添赛季首秀夺冠 60米室内赛跑出6秒59******

　　中新社北京2月3日电 北京时间3日，中国短跑名将苏炳添在世界田联室内巡回赛瑞典哥德堡站比赛中迎来赛季首秀，60米预赛他跑出6秒75小组头名晋级，决赛中跑出6秒59夺冠，取得了赛季“开门红”。

　　苏炳添在东京奥运会跑出9秒83，是首位进入奥运会百米决赛的亚洲选手，也是目前亚洲纪录保持者。去年苏炳添遭遇了膝盖伤病，在尤金世锦赛100米半决赛跑出10秒30，排名小组第八，无缘决赛。

　　世锦赛结束后，苏炳添没有参加国际比赛。经过冬训调整和备战，苏炳添于今年1月底奔赴欧洲，开启新赛季征程。在男子60米项目上，苏炳添的个人最好成绩为6秒42，他也是该项目全国纪录、亚洲纪录保持者。

　　此次室内巡回赛是苏炳添2023年首次参加正式比赛。男子60米比赛分为预赛和决赛两个部分，预赛共21名选手参赛，分为三组，苏炳添在预赛第三组出场，他以6秒75的成绩轻松冲线，排名小组第一晋级。日本选手东田旺洋以6秒71排在预赛总排名的首位。

　　决赛成为苏炳添与东田旺洋的较量，枪响后苏炳添展现出强大的起跑优势，中途加速阶段东田旺洋逐渐缩小与苏炳添之间的距离，不过冲刺关头苏炳添依然保持住领先优势，以6秒59的成绩率先撞线，比东田旺洋领先0.01秒，东田旺洋以6秒60获得亚军。

　　苏炳添此次出征室内赛，也是为今年的布达佩斯世锦赛、杭州亚运会热身。完成本站赛事后，苏炳添将继续在欧洲参赛。(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