健全全面从严治党体系******

健全全面从严治党体系

——论学习贯彻习近平总书记二十届中央纪委二次全会重要讲话精神

人民日报评论员

　　“构建全面从严治党体系是一项具有全局性、开创性的工作。”在二十届中央纪委二次全会上，习近平总书记深刻总结新时代十年我们党初步构建起全面从严治党体系，深刻阐述健全全面从严治党体系的目标任务、实践要求，对推动新时代党的建设新的伟大工程向纵深发展具有重大指导意义。

　　全面从严治党是新时代党的自我革命的伟大实践，是新时代党的建设的鲜明主题。党的十八大以来，以习近平同志为核心的党中央不断深化对自我革命规律的认识，不断推进党的建设理论创新、实践创新、制度创新，初步构建起全面从严治党体系。十年来，以党的政治建设为统领，坚持党中央集中统一领导是最高政治原则，持续提高各级党组织和党员干部政治判断力、政治领悟力、政治执行力；把思想建设作为党的基础性建设，坚持不懈用习近平新时代中国特色社会主义思想凝心铸魂；坚持新时代党的组织路线，增强党组织政治功能和组织力凝聚力；坚决落实中央八项规定精神，以钉钉子精神纠四风树新风；把纪律建设纳入党的建设总体布局，坚持纪严于法、纪在法前；把制度建设贯穿到党的各项建设之中，不断提高党的建设科学化、制度化、规范化水平；坚持以雷霆之势反腐惩恶，反腐败斗争取得压倒性胜利并全面巩固。2022年，中央纪委国家监委和国家统计局合作开展的民意调查结果显示，97.4%的群众认为全面从严治党卓有成效，比2012年提高了22.4%，99%的群众认为党中央正风肃纪反腐的举措体现了我们党彻底的自我革命精神。

　　党的二十大报告提出“健全全面从严治党体系”，这是加强新时代党的建设的重大举措。必须深刻认识到，全面从严治党永远在路上，党的自我革命永远在路上。我们党作为长期执政的马克思主义政党，党的远大目标和历史使命，党的队伍的庞大规模和广泛分布，党面临的重大风险和严峻挑战，都要求必须健全全面从严治党体系，把党建设得更加坚强有力。只有整体地而不是局部地、系统地而不是零碎地、持久地而不是短暂地、高标准地而不是一般化地全面从严治党，全面推进党的自我净化、自我完善、自我革新、自我提高，才能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。

　　习近平总书记强调：“全面从严治党体系应是一个内涵丰富、功能完备、科学规范、运行高效的动态系统。”健全全面从严治党体系，需要坚持制度治党、依规治党，更加突出党的各方面建设有机衔接、联动集成、协同协调，更加突出体制机制的健全完善和法规制度的科学有效，更加突出运用治理的理念、系统的观念、辩证的思维管党治党建设党。要坚持内容上全涵盖，党的建设推进到哪里，全面从严治党体系就要构建到哪里，把全面从严治党贯穿于党的建设各方面；要坚持对象上全覆盖，从严抓好领导干部队伍、党员队伍、各级党组织建设，重点是抓好“关键少数”；要坚持责任上全链条，压实各级党委（党组）全面从严治党主体责任，增强管党治党意识、落实管党治党责任；要坚持制度上全贯通，用制度促进全面从严治党体系贯通联动，真正实现制度治党、依规治党。只有进一步健全全面从严治党体系，使全面从严治党各项工作更好体现时代性、把握规律性、富于创造性，才能把全面从严治党引向深入，做到管党有方、治党有力、建党有效。

　　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。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。新征程上，我们不知还要爬多少坡、过多少坎、经历多少风风雨雨、克服多少艰难险阻。永远保持赶考的清醒和谨慎，驰而不息推进全面从严治党，不断健全全面从严治党体系，把党的伟大自我革命进行到底，以党的自我革命引领社会革命，我们就一定能向历史和人民交出新的优异答卷、创造新的更大奇迹。

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