“核危机”要来了？世卫组织回应！******

　　文/刘亮

　　近日，世界卫生组织在官网更新了应对辐射和核紧急情况建议储备的药物清单，包括稳定碘和普鲁士蓝等，并建议各国政府做好储备工作。这是自2007年以来该清单的首次更新。

　　据清单具体内容，典型的辐射应急储备包括以下药物：

　　稳定碘，用于阻止或减少甲状腺对放射性碘的吸收；

　　普鲁士蓝，用于去除人体内部的放射性铯 (Cs) 和铊 (Tl)；

　　在急性辐射综合征(ARS)情况下，用于缓解骨髓损伤的细胞因子；

　　用于治疗呕吐、腹泻和感染的其它药物。

　　消息一出，立即引发网友种种关于“核危机”的猜想和担忧。“核危机”真的要来了？

　　对此，世卫组织2日深夜回复中新社国是直通车采访称，此次清单的更新与当前国际政治形势变化无关，是按照标准惯例的一次更新发布。此次更新是基于2021年召开的世界卫生大会提出的一项工作计划。

　　针对为何建议各国做好相关储备，世卫组织在回复中强调，此次清单更新主要面向政策制定者和政府官员、应急工作人员、医疗保健提供者、药剂师和研究人员。

　　透过这份清单最想要传递的关键信息是，各国做好相关储备工作可以确保在紧急情况发生时获得相关药物，防止或减少辐射给民众身体健康带来的损害。

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