玛雅彩票计划群 - 玛雅彩票赔率

谷歌母公司首次大规模裁员，医疗子公司200多个职位被裁******

谷歌母公司Alphabet将开启大规模裁员。

　　当地时间1月11日，《华尔街日报》报道称，谷歌母公司Alphabet(Nasdaq：GOOG)旗下医疗保健部门Verily Life Sciences将裁员15%，涉及超200多个岗位，这是继其他科技公司经历裁员潮后，Alphabet首次大规模裁员。

　　Verily的首席执行官Stephen Gillett在周三给员工的一封电子邮件中表示，此次裁员将影响Verily约15%的职位，该部门拥有1600余名员工。Verily将停止医疗软件项目Verily Value Suite以及部分处于早期阶段的产品。

　　Gillett于1月3日才正式上任，接替知名遗传学家Andy Conrad担任Verily首席执行官一职。他在电子邮件中写道，“我们正在做出改变，以完善战略、确定产品组合的优先次序、简化运营模式。我们将以更多的资源推进更少的举措。”

　　Gillett还说道，Verily将着重关注与研究和护理相关的产品，并将更多决策权集中于领导团队，而非单独团队。“我们将进入Verily的下一个篇章，现在需要加倍努力实现我们的目标。Verily的最终目标是在精准医疗(precision health)的所有领域开展业务。我们将通过缩小研究和护理之间的距离来实现精准健康。”

　　官网显示，Verily专注于应用人工智能和数据科学，于2015年推出。《华尔街日报》介绍，Verily前身为谷歌生命科学研究部(Google Life Sciences)，其负责的医疗项目致力于将数据和技术应用于治疗，包括虚拟糖尿病诊所以及将研究参与者与临床研究联系起来的在线项目。

　　Verily是Alphabet旗下除谷歌以外最大的业务之一，隶属于被称为“Other Bets”的部门。Other Bets的营收主要来自销售健康技术及互联网服务。根据2022年三季报，期内Other Bets营收2.09亿美元，运营亏损16.11亿美元。

　　去年11月，TCI基金管理公司曾对Alphabet的CEO桑达尔·皮查伊(Sundar Pichai)提出建议，呼吁减少Other Bets的损失，并称该公司员工太多。而Other Bets旗下另一机器人软件业务Intrinsic也于1月11日表示，将解雇40名员工。一位发言人表示，这一决定是基于优先事项和长期战略方向的转变。

　　根据2022年三季报，Alphabet营收690.92亿美元，同比增长6%；净利润为139.1亿美元，同比下滑26.5%；每股摊薄收益为1.06美元，低于去年同期的1.4美元。Alphabet的员工人数在近一年之内从15万人增加了3.68万人至18.68万人，同时相较于第二季度增加1.2万人。

　　在去年12月的一次全公司会议上，皮查伊在回答有关裁员问题时曾表示，他无法做出任何前瞻性承诺。他补充说，谷歌一直试图“让我们能做的事情合理化，以便能够更好地抵御风暴，不管未来会发生什么”。

　　而此前，Alphabet被曝削减内部孵化器Area 120部门的岗位和资金，还取消了员工不必要的商务旅行，但尚未进行大规模裁员。2022年10月，该公司首席财务官Ruth Porat曾表示，第四季度新增员工人数将“降至第三季度新增人数的一半以下”。

　　事实上，不只是Alphabet正在裁员，美国科技公司裁员潮已持续一段时间。仅1月4日，就有三家公司先后宣布裁员，分别为美国视频分享平台Vimeo、云计算巨头Salesforce、电商巨头亚马逊(NYSE:AMZA)。其中亚马逊宣布裁员逾1.8万名员工，是迄今为止科技公司最大规模的一轮裁员。

　　截至美东时间1月11日收盘，Alphabet涨3.51%，报收91.52美元/股。

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）