国际最新研究：夏威夷珊瑚礁或许受游客影响正在退化******

　　中新网北京1月10日电 (记者 孙自法)施普林格·自然旗下专业学术期刊《自然-可持续性》最新发表的一篇可持续研究论文认为，最受欢迎的夏威夷珊瑚礁或许受游客影响正在退化。

　　该论文介绍，珊瑚礁因其生物多样性和美丽而广受欢迎，它们也是至关重要的生态系统，滋养渔业，保护海岸。珊瑚礁旅游业能通过产生资金和支持本地那些聚焦珊瑚礁保护的生计，来激励保育工作。联合国2030年可持续发展目标议程中提到，旅游业是促进可持续利用海洋和沿海资源的手段之一。不过，游客可能会通过如污染周围海洋等行为，直接或间接伤害活体珊瑚。

　　论文第一作者和共同通讯作者、美国普林斯顿大学Bing Lin和合作者一起，把2018-2021年间访问夏威夷珊瑚礁游客的25万个Instagram帖子和覆盖活体珊瑚的空中地图相结合。他们使用人工智能分析了2米分辨率、16米深度的礁石地图图片。研究表明，有更多活珊瑚覆盖、容易到达的地点，游客到访更频繁，但与不太热门的景点相比，最受欢迎的地点处靠近海岸的珊瑚退化较多。

　　论文作者指出，未发现水中污染量是退化的主要原因，研究认为游客的探访本身就是原因，例如经由珊瑚礁接触、潜水员和浮浅者的踩踏等。

　　论文作者总结说，气候变化等全球和大规模影响是珊瑚礁退化的已知原因，但他们的最新研究表明游客等对本地的影响也很重要，应纳入考虑，从而维护珊瑚礁。(完)

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