点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
美国第一夫人新冠检测再次呈阳性 拜登又成密接******
中新网8月25日电 综合美媒报道，当地时间8月24日，美国第一夫人吉尔•拜登的新冠病毒检测结果再次呈阳性，目前没有再次出现症状。
2022年8月10日，美国总统拜登和第一夫人吉尔·拜登抵达南卡罗来纳州，正式开启夏季休假。白宫官员称，美国总统拜登同日的新冠病毒检测呈阴性。但由于他是吉尔•拜登的密切接触者，根据美国疾病控制和预防中心的指导方针，拜登将在室内与他人近距离接触时戴口罩10天。
吉尔•拜登现年71岁，此前已完全接种新冠疫苗并打了两剂加强针。其发言人8月16日发表声明说，吉尔•拜登确诊感染新冠病毒。其办公室21日又表示，吉尔•拜登的新冠检测呈阴性。
美国总统拜登7月21日曾确诊感染新冠，在服用了5天的新冠抗病毒药物后，新冠检测转为阴性。但拜登于7月30日新冠检测再次呈阳性，直至8月6日才转为阴性。
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
（文图：赵筱尘 巫邓炎） [责编：天天中] 阅读剩余全文（）  视觉焦点
快三平台地图 |
)