y39彩票论坛_y39彩票app下载

中央农村工作会议系列解读⑰打造农业科技战略力量，实现高水平农业科技自立自强******

　　作者：谢艳乐 李书奎 中国农业科学院农业经济与发展研究所

　　2022年中央农村工作会议强调：“要依靠科技和改革双轮驱动加快建设农业强国，要紧盯世界农业科技前沿，大力提升我国农业科技水平，加快实现高水平农业科技自立自强”，这一重要论述是对党的二十大报告中关于“坚持面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康，加快实现高水平科技自立自强”精神在农业领域的贯彻落实和有效强化。锚定农业强国建设目标，打造农业科技战略力量，既是全面推进乡村振兴战略的核心要义所在，也是坚持以中国式农业农村现代化、夯实中国式现代化的现实要求，充分体现了党中央对农业科技发展的高度重视。

　　当前，新一轮科技革命和产业变革孕育兴起，使得科技创新成为国际战略博弈的主战场。近年来，我国农业物质技术装备条件取得显著改善，农业科技水平整体步入世界前列，科技支撑农业发展的广度与深度逐步强化。农业科技进步贡献率达到61%，农作物耕种收综合机械化率超过72%，农作物种源自给率突破95%，主要农作物良种基本实现全覆盖。

　　尽管我国农业科技创新领域取得了显著成效，但依然面临着部分核心技术水平较低、科技力量发展较为滞后、种源“卡脖子”等短板问题。农业科技基础研究薄弱、原创的科技创新能力未实现根本性扭转，并且与建设农业强国的要求相比，我国农业科技弱项依然突出，加快实现高水平农业科技自立自强仍面临着些许困境及重大挑战。

　　为此，对标世界科技强国与农业强国，打造我国农业科技战略力量，实现高水平农业科技自立自强的农业强国建设目标，可以从以下三个方面着手。

　　一是聚焦农业科技基础前沿研究，占领科技创新战略制高点。要把立足点放在自主创新上，围绕农业科技基础前沿研究与核心短板领域进行系统谋划和合理布局，以集中优势力量攻克农业发展关键核心技术，并逐步降低对农业关键技术、装备等方面的对外依存程度。

　　加强对农业科技自主创新发展的宣传力度，积极营造崇尚自主创新的文化环境，形成尊重人才、尊重创造的良好风尚，创建有利于创新型人才成长的土壤与制度。合理配置农业科研经费使用比例，明确资金使用的具体用途，加强对农业科技基础研究的重视程度，进一步提高科研项目的投入比重和产出效率，以提升农业科技创新体系整体效能。

　　二是支持企业组建发展联合体，创新新型科研组织模式。全面深化农业科技体制改革，谋划农业科技顶层设计，发挥新型举国体制优势以整合各级各类优势科研资源，强化企业科技创新主体地位，创新科技体制和科研管理方式，促进创新资源互融互促。

　　引导科研院所和高校的农业科技研发成果按照市场机制向企业集聚；针对高校和科研机构，逐步将以理论研究为主的科研考核体系向理论研究与实践应用并重转变，提升科研成果、专利转化应用在考核中的权重；引导科研院所和高校侧重源头创新，以基础研究为主，将科研成果的应用与开发让渡给企业，集中优势力量开展关键核心技术科研攻关，推动研发和产业资源进一步整合，形成合力以进一步强化农业科技创新发展。

　　三是加快农业关键技术发展，强化创新平台对育种产业化的支撑作用。强化现代科学技术与育种技术的深度融合发展，促进大数据技术、信息技术、分子生物学技术、合成生物学技术等与传统育种方式有机融合。

　　强化创新平台支撑作用，鼓励科企深度合作建设国家级的研发平台，如企业重点实验室、国家工程中心、国家创新中心等，优化配置资源以支持企业开展育种攻关，建立健全“育繁推一体化”的现代农作物种业创新体系；加强共性基础技术平台建设，推动产业链上下游融通创新，以共建共享国家重大基础平台；推进科技创新平台载体绩效考核的常态化管理，将开放共享列入绩效考核的核心内容，并对考核优秀的创新平台，优先推荐申报国家或地区科技计划项目，以加速育种科技成果转化与产业化应用发展。

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）