民政部：要进一步重视“关口前移”和农村养老服务疫情防控******

　　中新网1月11日电 据民政部网站消息，近日，民政部养老机构疫情防控工作专班通过视频会方式举办了全国养老机构新冠病毒感染疫情防控专题培训，解读《养老机构新型冠状病毒感染疫情防控操作指南》及国务院联防联控机制有关政策，指导各地民政部门切实把握好“乙类乙管”阶段养老机构疫情防控要求。

　　会议指出，《指南》的核心目标是“保健康、防重症”。《指南》充分吸收了前期养老机构防控工作经验，汇集了现行政策对联防联控机制、相关部门、养老机构的各方面要求，是指导当前养老机构疫情防控的重要文件。各地民政部门要按照《指南》的有关规定和原则要求，结合当地实际制定地方实施细则或规定，进一步强化操作性，保证各项防控措施落实落地。

　　会议强调，各地民政部门要进一步提升对“乙类乙管”后养老机构疫情防控策略的认识把握，把思想统一到党中央决策部署上来，认真落实属地责任。民政部门要适时向当地党委政府或联防联控机制提出封闭管理或有序放开管理建议，供其经科学评估后作出决策。

　　会议强调，各地民政部门要进一步重视“关口前移”和农村养老服务疫情防控，通过加强健康监测和核酸抗原检测、推动就医用药优先保障、落实分类分级健康服务、配备血氧仪和吸氧设备等措施有效落实“早发现、早识别、早干预、早转诊”要求。要建立农村养老机构与医疗卫生机构协作机制，细化实化农村老年人疫情防护措施，以疫情防控为重点做好农村特殊困难老年人探访关爱服务，进一步加强农村养老服务领域疫情防控。

　　会议要求，各地民政部门要及时掌握养老机构的经营运行情况，推动已有纾困政策的落实，同时重视发挥慈善组织等作用，鼓励引导更多社会力量帮助养老机构。要继续强化“日调度”机制，动态跟踪养老机构疫情防控最新进展，加强抽查检查和监督指导，帮助基层解决落实防控措施的困难和问题。

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