黑龙江省农业投资集团有限公司原党委委员李松被“双开”******
黑龙江省农业投资集团有限公司原党委委员、监事会主席李松被“双开”
中央纪委国家监委网站讯 据黑龙江省纪委监委消息：日前，经黑龙江省委批准，黑龙江省纪委监委对省农业投资集团有限公司原党委委员、监事会主席李松严重违纪违法问题进行了立案审查调查。
经查，李松违反中央八项规定精神和廉洁纪律，违规收受礼品、礼金和消费卡；违反组织纪律，跑官买官，不按规定报告个人有关事项，瞒报房产、股票；违反廉洁纪律，借用管理服务对象钱款，违规经商办企业；利用职务上的便利以及职权或者地位形成的便利条件，在办理银行贷款、发行融资理财产品、批准评估机构准入等方面为他人谋取利益，非法收受他人巨额财物，涉嫌受贿犯罪；滥用职权，致使国家财产遭受重大损失，涉嫌国有公司人员滥用职权犯罪。
李松身为国有金融企业党员领导干部，丧失理想信念，背离初心使命，对党不忠诚、不老实，违背组织原则，跑官买官，破坏党的选人用人制度；为官不廉，以权谋私，将银行贷款资源作为中饱私囊、攫取个人利益的工具，严重破坏金融市场秩序，严重损害党的事业和形象。其行为已严重违纪违法，并涉嫌受贿、国有公司人员滥用职权犯罪，且在党的十八大乃至党的十九大后仍不收敛、不收手，性质严重，影响恶劣，应予严肃处理。依据《中国共产党纪律处分条例》《中华人民共和国监察法》《中华人民共和国公职人员政务处分法》等有关规定，经省纪委常委会会议研究并报省委批准，决定给予李松开除党籍处分；由省监委给予其开除公职处分；收缴其违纪违法所得；将其涉嫌犯罪问题移送检察机关依法审查起诉，所涉财物一并移送。
李松简历
李松，男，汉族，1968年6月生，湖北黄梅人，1987年11月加入中国共产党，1990年8月参加工作，吉林财贸学院金融专业毕业，大学学历，经济学学士学位。
1986.07—1990.08 吉林财贸学院金融专业学习
1990.08—1995.01 中国建设银行黑龙江省分行营业部科员
1995.01—1996.05 中国建设银行黑龙江省分行营业部副科长
1996.05—1999.04 中国建设银行黑龙江省分行营业部办公室科长
1999.04—2000.08 中国建设银行黑龙江省分行营业部营业室科长
2000.08—2003.07 中国建设银行黑龙江省分行信贷经营处科长
2003.07—2005.04 中国建设银行黑龙江省分行公司业务部副总经理
2005.04—2006.07 中国建设银行哈尔滨农垦支行行长
2006.07—2006.12 中国建设银行黑龙江省分行公司业务部负责人
2006.12—2008.12 中国建设银行黑龙江省分行公司业务部总经理
2008.12—2009.01 中国建设银行黑龙江省分行行长助理、公司业务部总经理、投资银行部总经理
2009.01—2013.04 中国建设银行黑龙江省分行行长助理
2013.04—2016.02 中国建设银行黑龙江省分行党委委员、副行长
2016.02—2019.06 龙江银行党委委员、副行长
2019.06—2022.05 龙江银行党委副书记、行长
2022.05—2022.06 省农业投资集团有限公司党委委员、监事会主席
2022.06—2022.07 省农业投资集团有限公司监事会主席
2022.07 免职
(黑龙江省纪委监委)
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
