玩彩app| 官方版本下载 - 最新app下载V6.8.6

岁末年初华侨华人爱心善举温暖“第二故乡”******

　　中新社北京1月2日电 (记者 吴侃)岁末年初，世界各国的华侨华人在当地开展不同形式的爱心捐助活动，这些善举承载了华侨华人对“第二故乡”的关爱和责任，也向当地民众传递了祝福和暖意。

　　日前，9辆大卡车载着近60吨的抗旱赈灾物资，从肯尼亚首都内罗毕驶向受旱灾影响严重的马瓜尼郡(Makueni)，这批物资由肯尼亚华侨华人捐赠，包括玉米面、小麦面、豆类、食用油、食盐等，将帮助当地2500户家庭度过艰难时期。

　　受连续多个雨季降雨量不足影响，肯尼亚正在经历40年来最严重的干旱，农业生产受到严重打击，大量牲畜和野生动物死亡。肯尼亚华侨华人联合会会长高玮接受记者采访时说：“去年11月初，我们与肯尼亚中华总商会联合14家在肯华侨华人社团，向旅肯同胞和在肯中资企业发起募捐，两周多时间共筹集到超过794万肯尼亚先令，这些善款全部用于购买灾区急需的食品物资。”

　　“记得那天马瓜尼郡的捐赠现场来了4000多名灾民，他们看到我们的到来非常激动，纷纷向我们竖起大拇指。”高玮说，英文中有一句谚语“A friend in need is a friend in deed”，翻译成中文就是“患难见真情”，我们在肯尼亚创业和生活，这里是我们的“第二故乡”，我们向当地民众伸出援助之手，帮助他们战胜饥荒，这是我们的责任也是义务，是回报也是感恩。

　　肯尼亚副总统办公室主任麦克戈耶在捐赠现场向肯尼亚华人表示了感谢，他说：“华人移民自发筹备善款购买物资，他们的行为令人感动，也为所有移民群体树立了榜样。”

　　在阿根廷布宜诺斯艾利斯，新年前夕，阿根廷华人义工协会的义工们为了爱心捐赠活动忙碌着，他们到布市13区区公所、布市中国城疫苗接种点，为工作人员送去爱心礼包；圣诞节前夜，华人义工来到布市大街小巷，将礼包发放给流落街头无家可归的人们。

　　据阿根廷华人义工协会副会长陈铭介绍：“华人义工团队自成立以来就组织各种帮扶活动，我们也多次前往贫民窟、孤儿院、养老院等开展捐助。此次的爱心礼包由阿根廷华文教育基金会、诚信工作室等出资，华人义工协会采购分发，希望把这份来自华人的温暖祝福传递给当地民众。”

　　阿根廷华侨华人的捐赠活动也获得了布市13区区长佛罗伦萨斯·卡维诺的肯定，他表示：“疫情发生以来阿根廷华文教育基金会和阿根廷华人义工协会多次捐赠食物和防疫物资给13区政府，华人移民积极回馈当地社会的行动值得赞赏。”

　　在意大利罗马，罗马华助中心和意大利青田同乡总会的成员们日前来到意大利慈善机构“圣艾智德团体”，捐赠了鞋子、帽子、袜子等2万件衣物，帮助生活困难的人们温暖过冬。

　　“近年来罗马华助中心已多次向意大利慈善机构捐赠。”罗马华助中心主任徐孟圣说，中华民族自古就有扶危济困、乐善好施的优良传统，我们海外侨胞应当传承和弘扬传统美德，提升华人良好的形象。

　　近日，坦桑尼亚中华福建同乡会的侨胞们来到当地的两家福利院，给孩子们带来了大米、面粉、饮料、水果、衣服、书包等食品和物资，这是同乡会今年第三次拜访孤儿院，孩子们看到他们就像见到老朋友，露出灿烂的笑容。

　　坦桑尼亚中华福建同乡会会长陈勇说：“此次活动得到了同乡会成员的鼎力支持，坦桑尼亚中华福建同乡会自成立以来一直热心社会公益事业，与其他在坦的华人社团一道积极回馈当地社会，展示了在坦华人热心公益的形象和回馈社会的热情，希望这些物资能为孤儿院的儿童带来一些温暖。”(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

　　（文图：赵筱尘 巫邓炎）