自觉在大局下行动******

　　作者：兰琳宗

　　近日，中共中央政治局召开民主生活会，习近平总书记主持会议并发表重要讲话，强调要牢固树立全国一盘棋思想，自觉在大局下行动，坚持小道理服从大道理、地方利益服从国家整体利益，不断提高战略思维、历史思维、辩证思维、系统思维、创新思维、法治思维、底线思维能力，切实做到前瞻性思考、全局性谋划、整体性推进各项事业。

　　“不谋全局者，不足谋一域。”习近平总书记多次强调“增强大局观念”，要求“自觉从大局看问题，把工作放到大局中去思考、定位、摆布，做到正确认识大局、自觉服从大局、坚决维护大局”。党中央提出党员干部增强“四个意识”，其中之一就是“大局意识”。对各级党组织和广大党员干部来说，牢固树立大局意识，把各领域各岗位工作融入党和国家工作大局，考校着党性觉悟，也是必须遵守的纪律规定。特别是当前开启全面建设社会主义现代化国家新征程，任务艰巨，战略机遇和风险挑战并存，更加要求广大党员干部胸怀中华民族伟大复兴的战略全局和世界百年未有之大变局，善于在大局下开展工作，既登高望远、掌握主动，又脚踏实地、奋进拼搏，不断打开事业发展新天地。

　　牢记“国之大者”，坚决贯彻执行党中央决策部署。“国之大者”关乎发展全局、事业根本。党员干部要对“国之大者”心中有数，关注党中央在关心什么、强调什么，深刻领会什么是党和国家最重要的利益、什么是最需要坚定维护的立场，始终做到在大局下思考、在大局下行动。要不断提高政治判断力、政治领悟力、政治执行力，时刻把事关党和国家前途命运、事关人民根本利益的大事放在心上，做到为党分忧、为党尽责、为党奉献。坚决维护党中央权威和集中统一领导，经常同党中央对标对表，自觉在思想上政治上行动上同党中央保持高度一致，及时校正偏差，不打折、不变通、不走样。

　　坚持算大账、算长远账，不打小算盘、不搞小聪明。小道理要服从大道理，地方利益要服从国家整体利益。自觉在大局下行动，要求领导干部想问题、作决策、抓落实，善于算大账、总账、长远账，不能只算地方账、部门账、眼前账。要站在党和国家大局上想问题、看问题，着眼于党和国家整体利益、根本利益、长远利益来权衡利弊得失。无论综合性决策还是专项性决策，都要找准在全局中的合理定位，做到科学决策、民主决策、依法决策。从大处着眼、小处着手、有的放矢，把情况看清、看准、看透，并积极考虑全局需要，决不能只顾当前、不计长远，只打自己的小算盘，损害全局利益。

　　既为一域增光，又为全局添彩。自觉在大局下行动，不是不顾实际，机械性贯彻落实党中央决策部署，而是善于把党中央的决策部署同本地区本部门的实际有机结合起来。要因地制宜、因时制宜，紧密结合各自实际，开动脑筋、主动作为、大胆作为，创造性开展工作，真正让党中央决策部署落地见效，坚决克服空喊口号、机械执行、消极应付等不良倾向。以“一盘棋”思想达到“一子落”带动“全盘活”，实现“立足全局谋一域、干好一域促全局”。

　　纪检监察机关是政治机关，要带头在大局下行动，更加自觉把工作置于党和国家大局中谋划推进，始终在党中央集中统一领导下忠实履行职能职责，紧紧围绕贯彻落实党中央决策部署来谋划和开展各项工作。推进政治监督具体化、精准化、常态化，严肃查处违反政治纪律和政治规矩问题，坚决纠正贯彻落实党中央方针政策和工作部署存在的政治偏差，督促推动党员干部在新征程上牢记“国之大者”，善谋国之大计、党之大计，敢于担当、积极作为，造福人民、赢得民心。（兰琳宗）

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