旅客突发疾病 列车上紧急救援******

　　1月7日，长春客运段青岛北至延吉西G1268次列车山海关站开车后，列车员传来信息，12车3A旅客王先生突发疾病，瘫倒在座位上起不来身，情况十分危急。

　　列车长魏巍得知信息后立即携带医药箱到达现场。经探查该旅客身体右侧无知觉，视力下降，语言表达不清。情况紧急，魏巍立即通过广播寻找医生，第一时间为旅客实施专业救治。

　　听到广播赶来的医生查看后，初步判断王先生有脑梗的征兆。经过放血疗法治疗后，虽然旅客的病情有所缓解，但情况依然危险，医生建议马上下车治疗。魏巍征得同行人同意后，帮助他们联系了葫芦岛北站及120救护车，做好旅客下车准备。葫芦岛北站到站后，旅客顺利就医。目前旅客已经脱离危险，病情稳定。

　　长春客运段温馨提示：

　　目前正值春运客流返程高峰期，如旅客有既往病史、孕期或者体质虚弱，应提前了解掌握自身健康情况，视情况选择出行，避免在长途旅行途中出现危险。

　　中国吉林网 吉刻APP记者 王涛 通讯员 潘洁

　　图片由长春客运段提供

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