美国第一夫人再次感染 德国宣布将实行更严格防疫措施******
(抗击新冠肺炎)美国第一夫人再次感染 德国宣布将实行更严格防疫措施
中新社北京8月25日电 综合消息:世界卫生组织官网最新数据显示,截至欧洲中部时间24日17时44分,全球新冠累计确诊病例595219966例,累计死亡病例6453458例。
美洲:美国第一夫人再次感染
根据美国约翰斯·霍普金斯大学的统计数据,截至美国东部时间24日17时20分,美国新冠累计确诊病例超过9388.2万例,累计死亡病例超过104.2万例。
美国第一夫人吉尔·拜登的发言人当地时间24日发表声明说,吉尔·拜登当天新冠病毒检测结果再次呈阳性。她目前没有出现症状,将留在特拉华州并重新进入隔离。白宫医疗团队已通知了密切接触者。
美国白宫当天通报称,美国总统拜登当天新冠病毒检测结果呈阴性。
当地时间本月15日晚,吉尔·拜登出现类似感冒的症状,随后接受新冠病毒检测,结果呈阳性。她在隔离期间服用了治疗新冠的抗病毒口服药,并于当地时间21日新冠病毒检测结果转阴后结束隔离。
欧洲:德国宣布将实行更严格防疫措施 法国将部署新一轮疫苗接种
德国联邦卫生部长劳特巴赫当地时间24日宣布,将从秋季开始实行更加严格的防疫措施。
按照新规,德国各联邦州将根据本州疫情发展情况,在当地时间10月1日至2023年4月7日,分两个阶段做出应对。第一阶段可采取的措施包括要求在室内公共区域、餐厅、咖啡馆和乘坐公共交通时佩戴口罩。在德国全国医院和疗养院中,除“口罩令”外,还必须在进入前提供新冠检测阴性证明。第二阶段,各州还可以实施最小安全距离规定、要求在户外活动佩戴口罩、五年级以上学生在学校佩戴口罩等,以及规定室内活动参与者的上限。各州可以组织新冠检测。
据法国媒体报道,法国卫生部长布劳恩表示,在法国本土,从当地时间6月初开始的“第七波疫情”相关数据持续下降,新冠感染患者和住院患者数量都显著减少,本轮疫情即将结束。
但他警告说,新冠疫情还将出现反弹,秋季可能暴发“第八波疫情”,目前还无法判断接下来的疫情规模。法国政府将部署新一轮新冠疫苗接种,目标受众可能是60岁以上人群。他还透露,“极有可能”使用更有效应对奥密克戎变异株的新配方疫苗。
亚洲:日本连续5周确诊病例数全球最多
据日本共同社当地时间25日报道,世卫组织数据显示,15日至21日的一周内,日本新增新冠确诊病例1476374例,较一周前增加6%,连续5周成为全球新增新冠感染人数最多的国家。
日本多家医院近日发布联合声明,称目前的疫情蔓延已经达到“灾难级别”。日本多地医疗资源紧张,不仅需要住院的新冠患者难以收治,有时其他疾病患者的手术也不得不推迟。
疫情肆虐情况下,日本政府却宣布放宽防疫措施。据日本NHK电视台报道,日本首相岸田文雄当地时间24日表示,为减轻医疗机构负担,将调整新冠疫情应对政策。日本各地方政府可自主判断,将目前报告所有新冠患者信息的做法改为只报告重症风险较高的患者,同时将考虑缩短感染者居家隔离时间。
岸田文雄同时宣布放宽入境政策。他表示,从当地时间9月7日起,提供3针新冠疫苗接种证明的入境者不再需要提供入境前72小时核酸检测阴性报告,并考虑放宽每日入境人数上限。
韩国中央防疫对策本部当地时间25日通报称,截至当天0时,韩国24小时内新增新冠确诊病例113371例,新增死亡病例108例,为118天以来的最高纪录。
韩国防疫部门指出,近一周来,韩国的日增确诊病例数有所减少,但新增死亡病例数和重症病例数将在未来2周至3周持续增加。(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)