y39彩票漏洞-y39彩票玩法

访谈丨阿斯利康中国总经理赖明隆：进博会是全球创新交融的催化剂******

　　中新网上海11月7日电 题：阿斯利康中国总经理赖明隆：进博会是全球创新交融的催化剂

　　作者 樊中华 汤彦俊

　　当医学诊疗与元宇宙“跨国”“跨界”相遇，会碰撞出怎样的火花？

　　7日，在第五届进博会医疗器械及医疗保健展区，阿斯利康及其合作伙伴就医学元宇宙产业融合创新发展层面达成合作，共同探索将全息影像穿刺技术应用于临床诊疗一体化的全流程解决方案，被视为是跨国药企与本土企业携手在全球创新前沿进行的一次“共舞”。

　　“如果全世界有一个国家能率先做到让健康产业插上数字化的翅膀，它应该就是中国。”阿斯利康中国总经理赖明隆在当天接受中新网记者采访时表示，通过进博会，阿斯利康近年来深度参与中国数字化进程，“此类创新让我们得以引领全球”。

　　在赖明隆看来，五年来，恰是乘上了进博会“快车”，阿斯利康在创新中扮演的角色更为多元。“进博会非常高效，海量信息聚集于此，大量合作机遇在这里对接，也有更多机会与各省市政府进行交流，同时，大量高科技行业企业的云集让我们有更多机会接触和探索数字化跨界合作契机。”

　　也正因此，五赴进博会，阿斯利康的参展主题愈加聚焦“创新”和“链接”，注重“展会”之外的“进博效应”。

　　“过去四届进博会，我们已携手合作伙伴为中国共带来6款创新药，本届进博会，更是突破性地展出4款高品质创新药。”赖明隆举例说，这些“进博果实”中，有的已经深入中国逾7000家医院，惠及全国患者；有的曾被列入中国十三五“重大新药创制”科技专项，并被纳入国家医保目录，走到百姓身边。

　　与此同时，缘起进博，阿斯利康也与中国本土企业积极合作，将中国的创新药带向全球。“例如我们与本土企业深化合作，帮助其自主研发的创新中成药实现国际化发展，已经在新加坡、马来西亚等国家地区成功获准上市。”赖明隆说。

　　帮助创新药“引进来、走出去”只是阿斯利康中国创新版图的“冰山一角”。在赖明隆看来，中国不仅是一个巨大的市场，更是孕育承载未来创新的“苗圃”。

　　“我们非常看重中国的创新，我相信当前中国各个角落都有创新正在走向世界，并且在未来三五年会出现一个非常密集的高峰。”赖明隆说，让中国创新惠及全球已经成为现实，阿斯利康希望能抓住机会，与中国伙伴一起走向世界。

　　通过进博会，阿斯利康创新生态圈也在持续扩容。目前已形成中国智慧健康创新中心(CCiC)、国际生命科学创新园(iCampus)与阿斯利康中金医疗产业基金三驾“创新马车”。赖明隆还指出，阿斯利康与国投创新合资成立的迪哲医药于2021年12月在科创板上市，目前已有数个新药进入临床阶段，将在中国和全球同步注册，“这是中国政府支持外资企业通过中国资本市场融资来实现其中国创新梦的实证。”

　　就在此次进博会上，阿斯利康与江苏、山东、成都、广州等多地政府及企业签约合作，在供应链完善、创新孵化、中医药产业基地建设、肿瘤精准诊断、数字化应用等方面进行更加丰富的创新生态合作。

　　“对阿斯利康来说，参展进博是我们每年工作的重中之重，我们希望借进博会将中国的创新力量团结起来，助力中国创新出海，”赖明隆说，中国开放的力度越来越大，我们希望每年进博会都可以书写出新的创新故事。(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）