科技考古助力中华文明探源 ******

二里头石钺装柄时的捆绑及防滑加工痕。邓聪供图

二里头植物考古的谷物。刘昶供图

二里头的绿松石微痕研究，放大后显示的磨痕。邓聪供图

核心阅读

农业经济的复杂化和生业技术的多样化保障了社会经济发展的可持续性，促进和推动了中原地区社会发展进程。

交通工具的发展，拓展了王国经略的地域范围，加强了内部的政治经济联系，也为文化传播提供了便利。

外来物种、技术与知识等生产力要素在经历了一段时期的本土化之后，在中原地区社会发展中发挥了重要作用。

习近平总书记在中央政治局第三十九次集体学习时指出：“对文明起源和形成的探究是一个既复杂又漫长的系统工程，需要把考古探索和文献研究同自然科学技术手段有机结合起来，综合把握物质、精神和社会关系形态等因素，逐步还原文明从涓涓溪流到江河汇流的发展历程。”

中华文明探源，需要坚持人文科学和自然科学的联合攻关，科技考古大有可为。“中华文明探源”第五阶段研究自2020年开始，将持续到2024年，目前已经取得了一系列重要成果。8个课题中，有4个以科技考古为主导。这些课题为研究牛河梁、良渚、石家河、陶寺、石峁、二里头等关键遗址，黄河流域、长江流域、西辽河流域等关键地域，距今5500—3500年间关键时段的文明起源与演进路径，提供了支撑。

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