“三位一体”推进高水平大学建设******
作者:王建平(长江大学党委书记)
党的二十大报告指出,实施科教兴国战略,强化现代化建设人才支撑。可以说,党的二十大将教育、科技、人才“三位一体”统筹安排、一体部署。2022年4月,中共湖北省委、湖北省人民政府出台《关于全面推进高等教育强省建设的意见》,支持长江大学等四所高校打造省属高水平大学。作为一所石油、农业、教育、医疗特色和优势鲜明的综合性大学,长江大学要完整、准确、全面领会和落实党的二十大精神,乘科教兴国、科教强省的东风,全面提高人才自主培养质量,不断增强科技自主创新能力,加快建设高素质人才队伍,“三位一体”推进高水平大学建设。
第一,要在落实立德树人根本任务中,着力教育和医疗“两个民生”。习近平总书记在党的二十大报告中强调,全面贯彻党的教育方针,落实立德树人根本任务,培养德智体美劳全面发展的社会主义建设者和接班人。作为地方综合性大学,长江大学要坚持“四个面向”,把立德树人成效作为检验学校一切工作的根本标准,把扎根基层、艰苦奋斗作为人才培养的鲜明特色,站在人与自然和谐发展的高度,为能源安全和粮食安全培养高素质人才,主动适应人民群众对教育、医疗等多方面的需求,坚持德智体美劳“五育并举”,强化学生动手能力和生命健康教育“两线贯通”,不断完善优化“育在长大”人才培养体系,努力培养奋斗在社会主义建设主战场上的主力军,为国家输送石油、农业、教育、医疗等各类高素质优秀人才。
第二,要在提升科技自主创新能力中,聚焦能源和粮食“两个安全”。要以国家战略需求为导向,集聚力量进行原创性引领性科技攻关,全方位夯实粮食安全根基,深入推进能源革命,确保能源安全。长江大学要紧紧围绕能源和粮食“两个安全”,以国家重点实验室重组为契机,以非常规油气省部共建协同创新中心、主要粮食作物产业化湖北省协同创新中心、长江中游作物绿色高效生产部省共建重点实验室等平台为依托,扎根荆楚大地,主动服务湖北建设全国构建新格局先行区和荆州建设江汉平原高质量发展示范区,推进创新链产业链资金链人才链深度融合,联合石油、农业企业,开出问题清单,弘扬“带着干粮搞科研”的优秀传统,突破生产技术壁垒,布局科研大平台,培育大团队、大项目、大成果,促进多学科交叉融合发展,率先在能源革命、粮食生产领域取得标志性创新成果,为打赢关键核心技术攻坚战提供强有力的智力支撑。
第三,要在打造高素质教师队伍中,融入“长江大保护”和“双碳”两个战略。百年大计,教育为本;教育大计,教师为本。作为以母亲河长江命名的大学,长江大学要以推动绿色发展为主线,紧紧围绕长江大保护、碳达峰和碳中和“两个战略”,深入实施“长江人才计划”,把师德师风作为评价教师的第一标准,推进教师队伍的优化转型,在能源安全、粮食安全领域培育引进院士等高层次人才,做好战略性人才储备;在教育和医疗领域打造一批名师、大师,保障人民对优质高等教育的需求;在长江大保护和碳达峰、碳中和方面锻造一批高水平人才,形成一支规模合适、结构合理、素质优良的教师队伍,为服务国家重大战略和地方经济社会发展提供强有力的人才支撑,努力把高校打造成各类人才的聚集地。
党的二十大报告指出,教育、科技、人才是全面建设社会主义现代化国家的基础性、战略性支撑。“两个民生”着力人才培养,“两个安全”聚焦科技创新,“两个战略”引领教师队伍建设,三者有机联系、各有侧重、本质一致、目标一体,是教育、科技、人才“三位一体”在长江大学的生动实践,形成了推动高水平建设的强大合力。
立足新时代,奋进新征程。长江大学要坚持以习近平新时代中国特色社会主义思想为指导,坚持凡事有章可循、凡事有人负责、凡事有序推进,构建起人才培养、科学研究和教师队伍建设“三位一体”的现代大学治理体系,以特色发展和融合发展推动内涵式发展,不断提升治理水平和办学效益,推进省属高水平大学建设,努力建成国内一流综合性大学,为实现第二个百年奋斗目标作出无愧于新时代的新贡献。
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