佛罗里达州一保护区捕获巨蟒 长度超5米有73颗蛋******
中新网4月8日电 据外媒报道，近日，美国南佛罗里达州的大沼泽地国家保护区(Big Cypress National Preserve)捕获了一条巨型缅甸蟒，长度超过17英尺(约合5.2米)，重140磅(约合127斤)。
资料图：缅甸蟒。根据该保护区近日在其官方社交媒体上发布的消息，这条雌性巨蟒是在大沼泽地国家保护区内捕获的最大爬行动物。而在被捕获时，这条巨蟒体内还有73颗待孵化的蟒蛇蛋。
该保护区在社交媒体中说，他们是通过采用新的跟踪技术将该巨蟒捕获的。据悉，工作人员使用无线电发射机跟踪雄性蟒蛇，然后根据雄性蟒蛇的定位来寻找处于繁殖期的雌性蟒蛇。
“我们的团队不仅消除了入侵蟒蛇，还收集了研究数据，开发了新的清除入侵物种工具，并了解蟒蛇如何在保护区生存”，该保护区称。
据悉，缅甸蟒蛇原产于东南亚，但近几十年来，这种蟒蛇已成为佛罗里达州的一个威胁。大沼泽地国家保护区面积广阔，且处于热带气候区，非常适合蟒蛇藏身和成长，而该类蟒蛇长度可达23英尺(约7米)，重约200磅(约181斤)。
美国野生动物官员估计，在迈阿密以外的广大沼泽地区，有多达10万只蟒蛇。而这种蟒蛇对本地野生动物构成重大威胁。为了控制它们的人口，美国佛罗里达州甚至举行比赛，鼓励猎人尽可能多地移除他们。
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 彩票宝地图 |
