95彩票_95彩票

件件有着落 事事有回音——湖南检察机关加强代表委员联络工作综述******

　　“我要为你们点赞!这几年，我多次受邀参加你们组织的各类活动，见证了检察机关深化司法民主建设、推进全过程人民民主的责任与担当，也感受到检察机关接受监督的诚心。”近日，湖南省第十三届人大代表熊水俊对省检察院主动接受人大监督给予高度肯定。

　　近年来，湖南检察机关主动接受人大监督和政协民主监督，加强代表委员联络工作，带着责任和感情办好每一条代表建议、委员提案，让建议、提案件件有着落，事事有回音。

　　金杯银杯不如群众的口碑

　　12处陈年垃圾堆积被清理，16处排水系统淤堵破损被整改……去年，湘乡市高速公路附近居民10余年的头疼问题得以解决。

　　原来，沪昆高速通车以来，给当地百姓带来方便的同时，也因排水沟堵塞、垃圾处置不当、涵洞破损等原因，导致高速公路周边村民水塘遭污染、村民农田被垃圾侵占，当地群众意见较大。

　　省十三届人大代表熊水俊了解情况后，于2022年省两会期间向大会提交了《关于整治高速公路附属设施遗弃以及排水边沟堵塞问题的建议》。

　　面对人大代表和人民群众的关切和期待，湖南检察机关郑重承诺：“检察机关将开展公益诉讼检察，推动群众急难愁盼问题的解决，绝不能让群众的期待落空。”

　　此后，湘潭市检察机关通过与人大的联动，在全市范围内部署开展高速公路周边整治公益诉讼专项监督活动，推动问题很快得到解决，得到了人大代表和群众的一致称赞。

　　据了解，2018年以来，省检察院共办理代表建议83件、委员提案18件，内容涵盖服务经济社会高质量发展、服务和保障民生建设、未成年人综合司法保护、建设过硬检察队伍、加强基层检察院建设等方面，所有代表建议和委员提案均按期办结，建议提案办理工作得到省人大常委会、省政协和代表委员的充分肯定。

　　带着责任和感情办好每一条建议、提案

　　2022年11月22日，省十三届人大常委会第三十四次会议分组审议《湖南省检察院关于省十三届人大五次会议以来代表建议、批评和意见办理情况的报告》，对全省检察机关主动接受人大及其常委会监督、确保检察权始终在阳光下行使、持续提升司法公信力给予了高度评价。

　　“省检察院把代表委员联络工作纳入党组重要议事日程，要求全省检察机关带着责任和感情办好每一条监督意见，推动湖南检察工作干在实处、走在前列。”省检察院办公室(新闻办)主任匡广问介绍，每一件代表建议和委员提案都逐件定责任领导、定责任部门、定责任人、定办理时限，实行“一月一调度、一季一检查、半年一公布”，及时准确掌握代表建议和委员提案办理工作进度。

　　此外，省检察院依托现代信息化技术创新代表委员联络途径和联络方式，2021年在“湖南检察”官微互动子菜单建立“联络之窗”，设置“活动剪影”“检务信息”“我的印迹”“建言献策”4个模块，与人大代表、政协委员建立“掌上联络平台”，实现“一键通话交流”。

　　截至目前，该平台共有900余名人大代表、政协委员关注，联络人大代表、政协委员1300余人次，答复人大代表、政协委员意见建议630余份，发布检察信息3万余条。

　　公开是公正的基石。全省检察机关还常态化开展“检察开放日”活动，2018年以来共邀请社会各界走进检察、监督检察3.9万余人次，邀请人大代表、政协委员参加视察调研、执法检查、案件评查、听庭评议、公开听证等活动3.3万余人次。（李国平 刘长军）

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）