网信彩票代理|网信彩票网投
网信彩票官网2023-01-31 16:05

东西问 | 短评:疫情防控应续保希望与信心******

  中新社北京12月1日电 题:疫情防控应续保希望与信心

  作者 徐皇冠

  入冬以来,中国国内本土疫情形势仍严峻复杂且出现新变化,在关键时期和吃劲阶段,更要理性认识,坚定信心,行稳致远。

  十里崎岖半里平,一峰才送一峰迎。新冠疫情是对全人类的新挑战,人类必定要在摸索中寻找应对之策,此时学会运用辩证法缕析“变与不变”显得必要:既要抓住“不变”的七寸,以保持战略定力;又要牵好“变”的牛鼻子,因时因势持续优化完善防控政策,走小步不停步,坚持第九版防控方案,落实二十条优化措施,使具体实践科学、精准和有效。

资料图:图为市民有序排队进行核酸检测。马铭言 摄资料图:图为市民有序排队进行核酸检测。马铭言 摄

  抗击疫情,病毒在变,中外的应对也在变。新冠病毒从原始毒株,到德尔塔、奥密克戎,特点从致死率高变为致病性减弱。与病毒抗争,中国从早期深壕硬寨打响保卫战到常态化防控,继而强调“精准科学”“以快制快”。有的国家则逐渐从严阵以待,转为主动或被动“放开”,在试图以此恢复正常经济社会秩序的同时,也付出沉痛代价。

  疫情三年,人们的心境在变,直观对比外国的应对情况,也容易使人产生误解与误读。加之,抗疫中的突发个案影响人们的身心。如何在变幻纷扰中继续前行?必须重新聚焦“从何而来,往何处去”的问题,从全貌把握事物的总和,看到变化中的不变。

  人们看到,抗击疫情三年,中国坚持人民至上、生命至上的初心没有变,行动没有变。中国始终以最大努力保护人民的生命安全和身体健康,始终为民众计、为根本计、为长远计。获得的成果,也有目共睹。

  近三年来,从整体看,中国的新冠肺炎死亡病例、住院病例,远低于全球平均值,经济总体也延续恢复态势。这是人民至上、生命至上的生动体现,也是中国防疫政策科学性的真实写照。

资料图:“猎鹰号”硬气膜实验室在广州投入使用。郑佳玲 摄资料图:“猎鹰号”硬气膜实验室在广州投入使用。郑佳玲 摄

  如果注意到中国“一老一小”群体数量庞大、国家人均医疗资源水平与发达国家还有差距等事实,再看中国共产党和政府对防疫科学性的追求和部署会更客观。11月30日,国务院副总理孙春兰在国家卫生健康委召开座谈会时指出,近三年来,防控措施因时因势优化完善,先后印发九版防控方案,出台二十条优化措施。要以人民为中心,稳中求进,持续优化防控政策,走小步不停步,不断完善诊断、检测、收治、隔离等措施,加强全人群特别是老年人免疫接种,加快治疗药物和医疗资源准备。八位专家在座谈会上发言,她充分肯定专家在防控中的重要贡献。

  当然,言明中国疫情防控成果的客观性、政策的科学性,回应在新一轮疫情复杂态势下人民对美好生活愈发真切、迫切的向往,还有不少急难愁盼的问题需要解决,落细落实疫情防控,还有很多的事要办、路要走。

  随着奥密克戎病毒致病性的减弱、疫苗接种的普及、防控经验的积累,中国疫情防控面临新形势新任务。不辞山路远,踏雪也相过。在统筹变与不变中理性认识,增强定力,以描“工笔画”的态度担负起防控责任,既不能“一放了之”,也要坚决防止“走样”和“加码”,共渡难关需要智慧和勇气,也呼唤信心与暖举。(完)

  • 网信彩票代理

    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

     

    中国网客户端

    国家重点新闻网站,9语种权威发布

    网信彩票地图