仲博彩票平台注册网 - ios/安卓/手机版app下载

在“健全全面从严治党体系”上下功夫******

　　作者：冯舟

　　习近平总书记在二十届中央纪委二次全会上强调，“进一步健全全面从严治党体系，使全面从严治党各项工作更好体现时代性、把握规律性、富于创造性”。新时代十年，我们党不断深化对自我革命规律的认识，不断推进党的建设理论创新、实践创新、制度创新，初步构建起全面从严治党体系。习近平总书记的这一重要论述，突出强调了健全全面从严治党体系在深化全面从严治党战略、把党的伟大自我革命进行到底中的重大作用，具有鲜明的政治意义。

　　马克思主义唯物辩证法告诉我们，要用普遍联系的、全面系统的、发展变化的观点观察事物，把握事物发展规律。对于我们这个成立100多年、执政70多年、拥有9600多万名党员、具有重大全球影响力的世界第一大执政党来说，在内有诸多大党独有难题需要破解，在外面临重大风险和严峻挑战，很多问题都是牵一发而动全身，只有“体系”层面聚焦用力，整体地而不是局部地、系统地而不是零碎地、持久地而不是短暂地、高标准地而不是一般化地推进全面从严治党，才能使我们党永葆先进性和纯洁性，引领中国特色社会主义巍巍巨轮劈波斩浪、一往无前。

　　全面从严治党体系是一个内涵丰富、功能完备、科学规范、运行高效的动态系统。它是国家治理体系的重要组成部分，自身也包含众多子系统，处于复杂的联系之中。在总体设计上，党的十九大提出新时代党的建设总要求，明确全面推进党的政治建设、思想建设、组织建设、作风建设、纪律建设，把制度建设贯穿其中，深入推进反腐败斗争的“5+2”任务布局，对党的建设框架体系进行重大改进和重塑，使之更加科学合理、运行有力。在体制机制上，健全总揽全局、协调各方的党的领导制度体系，建立党建工作责任制，形成党组织书记抓党建述职评议工作机制，有力推动管党治党责任落实到各个领域各个层级。在制度架构上，形成党章之下分为党的组织法规制度、党的领导法规制度、党的自身建设法规制度、党的监督保障法规制度的“1+4”党内法规制度体系，注重各方面法规协同耦合、衔接配套，强化制度执行力，发挥强大治理能力。在现实举措上，党的二十大提出坚持和加强党中央集中统一领导、坚持不懈用习近平新时代中国特色社会主义思想凝心铸魂等七大方面要求，既系统全面，又突出重点。同时，作为动态系统，全面从严治党体系是随着党的建设理论创新、实践创新、制度创新而不断发展完善的。

　　构建全面从严治党体系，重点是健全“体系”。“体系”包含多个层面，但基础是制度。因此，首先要坚持制度治党、依规治党，做到有规必依、执规必严、违规必究，依靠党章党规党纪严肃处置党内出现的各种问题，同时着眼事业需要、实践发展，及时进行制度立改废释工作，最大限度地把党内法规体系的管党治党效能释放出来。要做到“三个更加突出”，即更加突出党的各方面建设有机衔接、联动集成、协同协调，更加突出体制机制的健全完善和法规制度的科学有效，更加突出运用治理的理念、系统的观念、辩证的思维管党治党建设党，力求使管党治党的理念思维、体制机制、法规制度、具体措施等统一起来，上下贯通、内外协调、相互促进，发挥出更加强大的合力。坚持内容上全涵盖、对象上全覆盖、责任上全链条、制度上全贯通，把“全面”的要求落实好，确保无遗漏、没缺口、不脱节。

　　“知之愈明，则行之愈笃；行之愈笃，则知之益明。”全面从严治党体系健不健全，现实问题是试金石、也是磨刀石。要把党内存在的顽瘴痼疾当成一面镜子，反照全面从严治党体系的不足，有针对性地加以改进，推动其更加成熟、更加定型。（冯舟）

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）