彩虹多多开户_彩虹多多技巧

“阳”过了，离回归正常生活还有多远？******

　　◎本报记者 张佳星

　　“新冠病毒感染者的核酸由阳性转为阴性就表明他没有传染性了。”12月15日，针对科技日报记者关于“阳转阴是否还具有传染性”的问题，华中科技大学同济医院感染科副主任郭威回应，没有条件做核酸的话，自测抗原转阴也可以，但后者的准确度稍差一些。

　　近期，不少新冠病毒感染者经过居家治疗后逐渐康复。那么，“阳”过之后，距离回归正常生活还有多远？也有人转阴之后又短时期内复阳是为什么呢？

　　熬过6—7天，大部分能转阴

　　“不少人感染新冠病毒以后3—5天就能恢复个差不多，但我们还是建议从有症状开始6—7天后进行核酸或抗原的两次检测。”郭威说，每个人的状况不同，体内的病毒载量也不同，从临床经验看大部分人出现症状6—7天后基本能转阴。

　　根据临床上的观察，目前大多数人感染后的症状持续3—5天，之后大部分症状都会消失，比如发热、肌肉酸痛、咽痛等症状都会消失。

　　“但从我们专业的角度看，症状消失与否不能作为有没有传染性的判断标准。”郭威解释，每个人的机体免疫力不同，对新冠病毒的抵御能力不同，症状、病程等都因人而异，无法作为判断标准，而核酸检测能够最直观地显示感染者体内的病毒排放量，便于准确判断。

　　“一旦连续2天核酸(或抗原)检测均是阴性，就可以解除隔离恢复到正常的生活中了。”郭威说。

　　“阳”过之后，还会复阳吗？

　　“阳过之后仍然有可能复阳。”郭威对科技日报记者表示，临床上发现一些人反复排毒，也就是说排毒是间歇性的，核酸检测结果会认为是转阴之后复阳；还有一些情况是由于病人有基础的肺病或者是病毒载量比较大，治疗后转阴，结束治疗后又复阳。

　　复阳的情况会存在，但比较少见。“也有可能是新冠病毒没有活性的核酸片段在体内没有清除干净而被检测到。”郭威说，临床上一般认为，复阳的患者一般问题不大，不会转成危重症，而且一般也不具备传染性。

　　郭威仍旧提醒，阳性患者转阴之后要加强健康管理，要有一个健康的起居，还要对自己的健康密切观察。

　　“我们也发现有的家庭里出现了反复感染的情况，比如一个家庭成员传染给另一个成员，前面的成员刚好不久，又反过来被自己的传染者传染了。”郭威说，为了避免病情的反复，有感染者的家庭，衣服、床单、毛巾、餐具等日常用品要单独使用，相互之间做到尽可能地隔离。

　　“阳”过之后，还用做防护吗？

　　有不少人认为，感染之后又康复，身体内有了抗体，就可以不做防护，真正回归疫情前的生活，真的是这样吗？

　　“一般情况下，感染之后的中和抗体可以保护感染者3—6个月。”郭威说，这种保护针对的是同一种亚型的新冠病毒。例如感染奥密克戎BF.7之后，再遇到BF.7就有很好的保护效果，但如果之前感染的是德尔塔，遇到奥密克戎可能中和抗体就没有保护力。总而言之，病毒的差别越大，中和抗体的交叉保护越有限。

　　警惕双重感染也很重要。郭威说：“有的人以为自己感染之后再不会感染了，就不注意防范、也不戴口罩了，最后感染上流感病毒也是完全有可能的。”

　　郭威提醒，秋冬季节还是要坚持佩戴口罩，当前新冠病毒的流行对于其他病毒的流行趋势可能存在交叉影响，因此，通过勤洗手、戴口罩、安全距离等方式避免其他病毒的感染仍然十分重要。

　　针对老年康复者，郭威表示，由于有基础性疾病，老年人康复之后还是规律生活，坚持之前的基础病用药和治疗，如果肺部不适或者有慢阻肺的老人，可以做一些肺部保健操，有助于肺部功能的恢复。

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）