盈彩网客户端下载|盈彩网邀请码

验尸结果、录音笔内容公布！胡鑫宇事件发布会重点来了******

　　时间：2023年2月2日

　　内容：通报胡鑫宇事件调查情况

　　结论：胡鑫宇系自缢死亡，尸体发现地系原始第一现场

　　胡鑫宇个人情况

　　胡鑫宇性格内向温和、孤独，在意他人看法，少与人做深入的思想情感沟通，情感支持缺失，缺少情绪宣泄渠道，常有避世想法。

　　2022年9月到致远中学就读后，因学习成绩不佳造成心理落差，加之人际关系、青春期冲动带来的压力，造成了胡鑫宇失踪前心理状态失衡，有明确的厌世表现和轻生倾向。

　　存在入睡困难、早醒、醒后难以再入睡等睡眠问题。

　　存在注意力难以集中、记忆困难等认知功能障碍。

　　存在内疚自责、痛苦、无力无助无望感、无意义感等情绪问题，经常躺在床上发呆，多次在书本、笔记本上写下了负面情绪的文字内容。

　　尸体情况

　　尸体发现地位于铅山县河口镇金鸡山区域的某粮库院内。围墙内侧墙体上生长一棵向内斜生的树木，胡鑫宇尸体缢吊于该树树干凸起处，悬挂点距离地面4.5米。

　　尸体颈部缢索由两根白色鞋带相接而成。尸体足尖自然下垂，距地面1.47米。

　　在中心现场没有打斗、拖拽痕迹。

　　尸体高度腐败。

　　胸腔、腹腔未见出血，各脏器在位无缺失。

　　胃组织和肝组织中均未检出常见的农药、鼠药、安眠镇静类成分。

　　缢索为活套，绕颈形成闭环，颈部残存皮肤皮革样化，可见条形索沟一条，索沟边缘软组织见出血，出血部位与死者缢吊体位相吻合，符合生前缢索压迫形成。

　　录音笔情况

　　录音内容不存在人为合成、篡改情况。

　　2022年10月14日17时40分、23时08分胡鑫宇录制的两段音频清晰表达了自杀意愿。

　　10月14号17时40分，胡鑫宇站在宿舍5楼阳台上试图跳楼犹豫未决，录音显示胡鑫宇说：“真站到这里反倒是有点紧张了，心脏在狂跳，说实话没有理由，只是觉得没意义，如果真跳下去了会怎样？不确定。跳下去了应该也没人发现，现在至少不会被发现，以后过了几天肯定还是会发现的，刚刚又不跳，哎，我真的是想跳，不想，我应该是不想。”

　　23时08分录音显示，胡鑫宇再次表达自杀意愿，“已经没有意义了，快零点了，干脆再等一下，直接去死吧，可以的，因为我今天已经有点不清楚了，现在我好想去死，感觉已经没有意义了。”

视频：江西警方通报胡某宇录音笔检验鉴定情况：音频清晰表达了自杀意愿来源：中国新闻网

　　核心疑问及谣言情况

　　粮库围墙5米，是否可能进入？

　　粮库占地面积92亩，围墙高约5米。紧靠围墙外有一渣土堆，渣土堆高度低于围墙约1.5米，渣土堆与围墙间有两棵树木，树木高于围墙。

　　为何100多天后才发现遗体？

　　粮库占地面积92亩，围墙高约5米。紧靠围墙外有一渣土堆，渣土堆高度低于围墙约1.5米，渣土堆与围墙间有两棵树木，树木高于围墙。

　　先后开展四次搜寻，对粮库进行了走访，并对全部建筑物内部开展了搜寻，也对粮库旁的玻璃厂废弃厂房进行了搜寻，但胡鑫宇尸体缢吊地点位于院内约9300平方米树林区域内，未搜寻到位。

　　2022年11月27日下午搜寻时，走访民警在完成该单位内东北侧废弃宿舍搜寻工作后，前往事发现场附近的树林洼地时，该区域植被茂密，未发现异常情况，就没有继续深入搜寻。

　　以上情况，说明工作还存在不足，将举一反三，进一步改进工作。

　　鞋带是否可以长时间承载其躯体重量？

　　胡鑫宇自缢使用的鞋带系涤纶材质，该材质具有不易腐、拉力强的特点。经侦查试验，同款鞋带在缓慢拉伸状态下最大承重量85公斤。此外，随时间推移，尸体腐败后水分丢失、体重会变轻，延长了鞋带的承重时间，所以没有发生断裂。

　　这些是谣言

　　传播较广的胡鑫宇系“熊猫血”问题，经检验，胡鑫宇是O型血，不是网传的RH阴性血。

　　关于胡鑫宇尸体“双脚平行地面”问题，经现场勘查，胡鑫宇双脚自然下垂。

　　关于“发现地不是第一现场，尸体是后挂到树林中”问题，经调查访问、现场勘查、尸体检验、物证检验鉴定等工作，认定胡鑫宇系自缢死亡，尸体发现地系原始第一现场。

　　来源：中国新闻网梳理发布会内容

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）