金福彩票|金福彩票

老牌国企显担当 贵州科晖药业日均产量增幅达50%******

　　多彩贵州网讯 (本网记者 石琳婕 罗晟鸣)“科晖的这个氨咖黄敏片，经济实惠，疗效也不错。”

　　“我们平时都会在家里买点感冒药，特别是娃娃的。比如这个“科晖”商标的小儿氨咖黄敏颗粒就很好。”

　　日前，在前往德江县等地调查新冠病毒感染重点药品市场需求时，记者多次听到受访群众提及“科晖”二字。1月5日，沿金清线，记者一行驱车20多公里，来到贵州省科晖制药有限公司(以下简称贵州科晖制药)。

贵州科晖制药被纳入《贵州省新冠预防与治疗相关药品地方品种推荐目录》(第一版)的相关药品

　　“我们是老百姓口中的老字号药企，主要生产感冒类药品，以解热镇痛、祛痰止咳为主。”贵州省科晖制药有限公司总经理李凤介绍，企业自成立以来，所生产药品价格实惠的同时，疗效确切。“价格低、疗效好”几乎成为了贵州科晖制药的代名词。

　　走进贵州科晖制药车间，生产线上，氨咖黄敏片和小儿化痰止咳颗粒正开足马力满负荷地生产着。夹杂着机器的轰鸣声，一幅紧锣密鼓的生产景象跃然眼前。

包装线上的工人正在手动包装药品

　　“现在我们一天的产量达到了8至10万盒以上，日产量增幅已达50%。”贵州省科晖制药有限公司生产负责人李辉介绍，在接到保供任务后，企业为了保证药品产量，把每分钟满产150盒的生产线从原先的120盒调至了149.5盒的满负荷生产状态。此外，每条生产线上还各增加10名员工，负责人工包装的工作。

　　与此同时，为保障生产线持续不断生产，贵州省科晖制药有限公司执行董事崔伟一度因原材料紧缺，购买渠道不畅等原因坐立不安：“在省、市、(区)各级工信部门及市场监督管理部门的积极协调和支持下，目前企业的药品原材料储备充足，价格稳定。”

制药车间的工人正将药品入箱打包

　　冲在生产第一线，亦不忘身后的社会责任。据李凤介绍，针对感冒退烧等相关药品供不应求的情况，企业第一时间启动应急预案，前后拒绝了上千件氨咖黄敏片省外采购订单。该药品适用于缓解普通感冒及流行性感冒引起的发热、头痛、四肢酸痛、打喷嚏、流鼻涕、鼻塞、咽痛等症状，且疗效确切。

　　来到贵州科晖制药库房，工作人员正在将刚包装好的药品，搬运至库区。“近期用药量暴增，我们的销售量较往年同期增幅达100%。”崔伟说，现在生产出来的药品，在检验合格、质量受权人放行后，就立即会被运走。运输周期也由原本的几天一次骤增至一天两次。

　　作为贵州省科技厅下属的贵州省制药行业的本土国有企业，贵州科晖制药自1989年建厂以来，始终承担着国有企业的责任和担当。发展至今，公司已形成集科研、生产和销售为一体的医药企业。截至目前，公司拥有颗粒剂、片剂胶囊剂3条GMP生产线，28个批准文号。

　　“接下来，我们还将持续发挥企业优势，继续提升药品的质量标准和优化生产工艺。为基层医疗基本用药保驾护航，为产出老百姓能够用得起的优质药品而努力。”李凤说。

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）