美高梅彩票下载-美高梅彩票登录

新年连打三“虎”显示中国反腐三个动向******

　　中新社北京1月6日电 (张素 谢雁冰)1月6日，2023年新年伊始，中国官方在一日内接连宣布三“虎”被打：山东省青岛市政协主席汲斌昌，国家烟草专卖局原党组成员、副局长何泽华，河北省人大常委会原副主任王雪峰，均涉嫌严重违纪违法，正分别接受审查调查。

　　开年连打三“虎”，释放了反腐败斗争一刻不停的强烈信号，亦显示出中国反腐的三个动向。

　　——“严”

　　被称为2023年“首虎”的汲斌昌在任上被查，其最近一次公开活动是在1月3日。他还在数日前主持中国人民政治协商会议第十四届青岛市委员会第二次会议闭幕大会，并在讲话中谈到“廉洁从政从业”。

　　何泽华、王雪峰则分别于2014年、2018年卸任。而打“虎”实践一再表明，退休不是护身符，反腐败没有例外，只要触碰纪法红线，总有事情败露、付出代价的一天。

　　过去一年，中国以零容忍态度反腐惩恶，32名中管干部被宣布接受审查调查，37名中管干部受处分。中共二十大以来不到3个月，官方已通报10名中管干部接受审查调查、3名中管干部受到党纪政务处分信息。

　　就在此番官宣三“虎”被打的前一日，中央纪委国家监委网站于5日刊发《坚决打好反腐败斗争攻坚战持久战》一文。文中点名多“虎”并指出，要“坚持严的基调不动摇，始终保持反腐败斗争高压态势”。

　　观察家指出，密集打“虎”彰显了全面从严治党坚持严的基调，长抓不懈、紧抓不放，亦向外界传递出“决不能有松劲歇脚、疲劳厌战的情绪，更不能有降调变调的错误期待”的信息。

　　——“准”

　　“关键少数”和“关键领域”被视作腐败增量的重要源头。近年来，官方在坚持严的主基调不动摇的同时，开启对“关键少数”和“关键领域”腐败的精准治理，其中包括“持续推进金融领域腐败治理”“深化国企反腐败工作”等。

　　此次落马的三名官员中，汲斌昌主抓经济工作多年。他曾担任山东省人民政府国有资产监督管理委员会副主任、党委委员，山东省经济和信息化委员会党组书记、主任等职，还曾掌舵山东省鲁信投资控股集团有限公司。

　　何泽华长期在烟草系统工作，曾任江苏省烟草专卖局(公司)副局长、安徽中烟工业公司总经理等职。2003年7月起，他更是在国家烟草专卖局工作十余年之久。

　　当前，中国的反腐败工作愈发聚焦“关键”，对重点领域、重点行业、重点人群腐败问题的整治和查处更加明确。随着精准化水平不断提升，反腐败治理成效得到全面提高。

　　三“虎”被打后，中央纪委国家监委网站配发评论称，要“深化整治权力集中、资金密集、资源富集领域的腐败”“进一步铲除腐败滋生土壤”。据知，纪检监察机关正在持续深化整治国有企业、金融、政法、粮食购销等权力集中、资金密集、资源富集领域的腐败，清理风险隐患大的行业性、系统性、地域性腐败。

　　——“深”

　　纪检监察机关在铁腕反腐的同时，也以刀刃向内的勇气严防“灯下黑”。外界注意到，此次落马的王雪峰曾在河北省纪委工作近十年，担任过河北省纪委常务副书记、省监察厅厅长、省预防腐败局局长等职。

　　近年来，少数纪检监察干部发生以权谋私、以案谋私等问题，凸显从严管理、从严监督的必要性和紧迫性。日前，中共中央政治局常委、中央纪委书记李希在二十届中央纪委常委会集体学习时强调，要在锻造纪检监察铁军上坚持高标准、严要求。

　　坚定不移把反腐败斗争推向纵深的同时，官方也多措并举强化警示震慑，例如推出“2023年元旦、春节期间‘四风’问题监督举报曝光专区”，加大典型案例通报曝光力度。此外，四集电视专题片《永远吹冲锋号》即将播出，该片将讲述中共如何持之以恒推进全面从严治党，预计片中披露十余个案例的详情。

　　更受关注的还有将于本月9日至11日召开的二十届中央纪律检查委员会第二次全体会议，外界普遍认为，会上将进一步深入部署反腐败工作。(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）