一人阳性，整栋转移？上海疾控解释密接、次密接判定方法******
中新网5月10日电 据“上海发布”微信公众号消息，今天(5月10日)上午举行的上海市疫情防控工作新闻发布会上，市疾控中心副主任孙晓冬介绍密接和次密接的判定方法。
孙晓冬表示，密接和次密接(即密接接触者的密切接触者)的判定是流行病学调查专业人员根据国家和本市制订的有关防控工作方案的要求，结合国家专家组的建议以及流行病学调查的结果和大数据排查的信息，来进行综合判定的。其中，密接是指从疑似病例和确诊病例症状出现前4天开始，或无症状感染者标本采样前4天开始，与其有近距离接触但未采取有效防护的人员，或暴露于可能被污染环境的人员等。次密接是指与上述密接共同居住、工作和学习等接触频繁的人员。
如果阳性感染者为严格静态管理人员(也就是处于严格管理下的非流动性包括足不出户的人员)，如果其居所具有独立厨卫条件，那么与其共同居住生活的人员就是密接，而与其同楼层及处于其上下楼层的居民则为次密接；如果其居所不具有独立厨卫条件，那么除了与其共同居住生活的人员为密接之外，与其共用厨卫以及居住在同一楼层或同一村宅的日常有接触的人员也要判为密接，而其所在楼栋/村宅的其他居民则为次密接。但这只是判定的原则，具体还需要根据现场调查和风险评估的结果等进行综合判定，绝不能搞简单化、一刀切。
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 佰家富app地图 |
