食用色素可能与肠道炎症相关******

　　科技日报讯（记者张梦然）《自然·通讯》杂志近日的一项健康研究显示，长期摄入常见食用色素诱惑红会使小鼠出现轻微肠道炎症，并会增加炎症性肠病实验模型对炎症的易感性。研究结果提示有必要进一步研究食品添加剂对健康的长期影响。

　　许多食品和饮料含有能提升保质期、口感、色泽和外观的添加剂。一些食品添加剂已被证明会破坏动物模型的肠道健康，导致结肠炎（一种肠道炎症）。诱惑红是一种合成的红色食用色素，被用于一些早餐谷物、饮料和蜜饯中。

　　加拿大麦克马斯特大学研究人员发现，长期摄入（14周）含有食用色素诱惑红的饮食（色素含量与一些人类食品的含量相当），会使一组小鼠出现轻微的肠道炎症。研究人员还发现，长期摄入诱惑红（连续12周）会增加炎症性肠病实验小鼠模型出现结肠炎的概率。研究团队指出，研究使用的饮食每天都含有固定量的诱惑红，而且持续时间较长，这对于偶尔食用含有诱惑红食品或饮料的人群来说不具有代表性。

　　重要的是，间歇性地摄入含诱惑红饮食12周的小鼠并没有出现肠道炎症或结肠炎。研究人员表示，摄入诱惑红会提高血清素水平，导致肠道炎症。血清素是大肠内传递信号的一种化学物质。他们强调，仍需开展进一步研究搞清楚其他食用色素对肠道炎症的影响，以及在人体中是否也存在类似影响。

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