把党的伟大自我革命进行到底——学习贯彻习近平总书记在二十届中央纪委二次全会重要讲话精神******

　　新华社评论员：把党的伟大自我革命进行到底——学习贯彻习近平总书记在二十届中央纪委二次全会重要讲话精神

　　新华社北京1月10日电 题：把党的伟大自我革命进行到底——学习贯彻习近平总书记在二十届中央纪委二次全会重要讲话精神

　　新华社评论员

　　治国必先治党，党兴才能国强。日前，习近平总书记在二十届中央纪委二次全会上发表重要讲话。讲话站在事关党长期执政、国家长治久安、人民幸福安康的高度，强调把全面从严治党作为党的长期战略、永恒课题，始终坚持问题导向，保持战略定力，发扬彻底的自我革命精神，永远吹冲锋号，把严的基调、严的措施、严的氛围长期坚持下去，把党的伟大自我革命进行到底，为深入推进全面从严治党提供了根本遵循。

　　新时代十年，以习近平同志为核心的党中央把全面从严治党纳入“四个全面”战略布局，刀刃向内、刮骨疗毒，猛药祛疴、重典治乱，使党在革命性锻造中变得更加坚强有力。经过不懈努力，党找到了自我革命这一跳出治乱兴衰历史周期率的第二个答案，自我净化、自我完善、自我革新、自我提高能力显著增强，管党治党宽松软状况得到根本扭转，风清气正的党内政治生态不断形成和发展。全面建设社会主义现代化国家、全面推进中华民族伟大复兴，关键在党。必须清醒看到，党面临的执政考验、改革开放考验、市场经济考验、外部环境考验将长期存在，精神懈怠危险、能力不足危险、脱离群众危险、消极腐败危险将长期存在。全面从严治党永远在路上，党的自我革命永远在路上，决不能有松劲歇脚、疲劳厌战的情绪，必须时刻保持解决大党独有难题的清醒和坚定，必须持之以恒推进全面从严治党，深入推进新时代党的建设新的伟大工程，不断以党的自我革命引领社会革命。

　　党要管党，才能管好党；从严治党，才能治好党。对我们这样一个拥有9600多万名党员、在一个14亿多人口大国长期执政的党，管党治党一刻也不能松懈。全面从严治党，核心是加强党的领导，基础在全面，关键在严，要害在治。把党的伟大自我革命进行到底，必须落实新时代党的建设总要求，健全全面从严治党体系，把严的要求贯彻到管党治党全过程、落实到党的建设各方面，全面推进党的自我净化、自我完善、自我革新、自我提高，使我们党坚守初心使命，始终成为中国特色社会主义事业的坚强领导核心。

　　事成于严，业兴于实。深入推进全面从严治党，为贯彻落实党的二十大决策部署提供保障、注入动力。政治监督是督促全党坚持党中央集中统一领导的有力举措，要在具体化、精准化、常态化上下更大功夫，以有力政治监督保障党的二十大决策部署落实见效。要心怀“国之大者”，推动党的二十大精神、党中央决策部署同部门、行业、领域实际紧密结合，看党的二十大关于全面贯彻新发展理念、着力推动高质量发展、主动构建新发展格局等战略部署落实了没有、落实得好不好；看党中央提出的重点任务、重点举措、重要政策、重要要求贯彻得怎么样；看属于本地区本部门本单位的职责有没有担当起来。要及时准确发现有令不行、有禁不止，做选择、搞变通、打折扣，不顾大局、搞部门和地方保护主义等突出问题，推动完善党中央重大决策部署落实机制，以有力有效日常监督促进各项政策落实落地。

　　奋斗未有穷期，赶考永无止境。全面从严治党是党永葆生机活力、走好新的赶考之路的必由之路。让我们更加紧密地团结在以习近平同志为核心的党中央周围，深刻领悟“两个确立”的决定性意义，进一步增强“四个意识”、坚定“四个自信”、做到“两个维护”，在新时代新征程上一刻不停推进全面从严治党，奋力谱写全面建设社会主义现代化国家新篇章。

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