做好重点机构和场所疫情防控******

　　国务院联防联控机制11日召开新闻发布会，介绍重点机构和重点场所疫情防控有关情况，并答记者问。国家卫健委新闻发言人、宣传司副司长米锋说，新冠病毒感染实施“乙类乙管”后，重点人群、重点机构、重点场所仍然是防控重点。养老机构、社会福利机构等场所高风险人群较多、人员集中，疫情传播风险大。要加强健康监测和早期干预，确保重症高风险人员能够及时发现、及时转诊、及时救治。商超、物流、餐饮、交通等行业的从业人员要加强个人防护，做好自我健康监测，出现症状及时报告。

　　中国疾控中心传防处研究员常昭瑞介绍，实施“乙类乙管”以后，疫情防控的重点机构包括养老机构、儿童福利领域服务机构、精神卫生福利机构、学校、邮政快递、医疗机构等，重点场所包括客运车站、商场超市、农贸（集贸）市场、餐饮服务单位以及沐浴服务单位等人员密集、空间密闭、容易发生聚集性疫情的场所。相关机构和场所应落实好单位防控责任和个人的疫苗接种、自我防护、健康监测、环境清洁消毒和通风换气等措施。

　　近日，国务院联防联控机制综合组印发了《养老机构新型冠状病毒感染疫情防控操作指南》，对养老机构疫情防控提出了具体要求。民政部养老服务司副司长李邦华介绍，《指南》对养老机构的疫情防控总体上严于社会面，强调因时因势动态优化调整。突出防范疫情引入和扩散风险，对养老机构防范社会面感染源进入，以及出现感染后如何应急处置提出了详细要求。强化了就医用药的优先保障，要求养老机构落实分类分级健康服务要求，做好医药物资供给，与医疗机构建立转诊、急救绿色通道，确保出现危重疾病患者时能及时救治和转诊。

　　李邦华说，“保健康、防重症”是养老机构疫情防控的重心。目前，全国有4万多个养老机构，入住老年人220多万人，多数是高龄、失能和有基础病的老年人，一旦感染，重症风险较高。民政部指导养老机构每天做好至少两次的健康监测和每周两次的核酸或抗原检测；落实养老机构老年人分类分级的健康服务，为老年人配备必要的血氧仪和吸氧设备，做到对高风险老年人给予重点关注和重症前期“早识别”；发挥养老机构内设医疗机构和定点协议医疗机构的作用，储备相应的药物，通过远程诊疗或者上门巡诊服务，做到感染老年人诊疗“早干预”；健全养老机构感染者的转运机制和就医绿色通道，提高转诊效率。

　　实施“乙类乙管”后，城乡社区疫情防控工作有哪些新要求？民政部基层政权建设和社会治理司一级巡视员李健介绍，1月6日，民政部、农业农村部、国家卫健委、国家疾控局印发《关于在城乡社区做好新型冠状病毒感染“乙类乙管”有关疫情防控工作的通知》明确要求，城乡社区要健全疫情防控体系，把防控措施具体落实到自然村、居民小区；要分级分类做好健康服务，保障好重点人群就医用药需求，要及时响应居民群众健康服务需求，及时帮助解决居民群众反映的急难愁盼问题；要做好宣传引导工作，引导居民群众科学理性认识新冠病毒，树立人人都是自己健康第一责任人的理念；要关心关爱一线城乡社区工作者。

　　“社区疫情防控是为了居民群众，也要依靠居民群众。”李健说，应该充分发挥党组织领导作用和村民委员会、居民委员会以及村（社区）卫生服务机构的基础作用，细化村民小组长、居民小组长、楼门栋长以及网格员的责任。农村地区还要依托五级书记健全疫情防控机制，进一步完善疫情防控体系。要加快推动公共卫生委员会的全覆盖。要创新社区与社会组织、社会工作者、社区志愿者以及社会慈善资源的联动机制，完善社区志愿服务制度，动员居民群众就近就便开展邻里互助等活动。

　　春节期间，商场、超市、农贸市场等客流量较大，如何做好防控？商务部消费促进司一级巡视员耿洪洲说，商务部严格按照“乙类乙管”总体方案，制定了商场、超市、农贸（集贸）市场等新冠病毒感染疫情防控操作指南，明确防控制度、环境卫生、员工卫生防护等要求，指导行业做好防控工作。

　　实施“乙类乙管”之后，在公共场所是否有必要继续戴口罩？常昭瑞说，当前，国内疫情仍处于不同流行阶段，仍需做好个人防护，科学规范佩戴口罩。在以下情形应佩戴口罩：进入医院、商场、超市、室内会场、机场车站等环境密闭、人员密集的公共场所，乘坐飞机、火车、地铁等公共交通工具、厢式电梯时；进入养老机构、社会福利机构等脆弱人群集中场所；出现发热、干咳、乏力、咽痛等相关症状时；近距离接触或者护理感染者以及有新冠病毒感染相关症状人员；医务工作者、快递、保洁等从事公共服务的工作人员。（记者申少铁）

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