根据研究成果绘制的有牧师在场的地下室防腐处理场景(Nikola Nevenov绘图)。 施普林格·自然 供图
据介绍,古埃及的木乃伊制作过程漫长而复杂,涉及使用多种不同防腐物质,当下对防腐物质的知识主要来自古代文献和对埃及木乃伊有机残留物的分析。虽然此前的分析已成功鉴定出多种防腐用物质,但各种成分在此过程中的作用和总体程序,在很大程度上仍不明确。
为此,最新发表论文第一作者和共同通讯作者、德国图宾根大学马克西姆·拉格奥特(Maxime Rageot)和共同通讯作者、德国慕尼黑大学菲利普·斯托克汉默(Philipp Stockhammer)与同事及埃及等合作者一起,对31个从埃及塞加拉(Saqqara)一个防腐工坊找到的陶瓷器皿进行分析,该工坊可追溯至埃及第二十六王朝(公元前664-525年)。
塞加拉墓地项目挖掘区(图源:图宾根大学塞加拉墓地项目)。 施普林格·自然 供图此次研究的这些器皿上刻有防腐的指示文本(如“放于头部”或“包扎/以之防腐”)和/或防腐物质的名称。同时,这些器皿还含有防腐物质的残留物。所有这些信息使研究者能够理解在木乃伊制作流程中使用了哪些化学物质,以及它们如何混合、命名和应用。例如,论文作者发现了3种不同混合物(其中含有的物质包括榄香脂、黄连木树脂、刺柏或柏的副产物及蜂蜡)专门用于头部的防腐,还有用于清洗身体或软化皮肤的其他混合物。
论文作者进一步将残留物分析鉴别出来的混合物和铭刻标签作比较,他们发现,通常对古埃及词“antiu”译为“没药”或“香”可能有时是错的,因为在工坊里它不是指某个单一物质,而是一种混合油脂的芳香油或焦油的混合物。
《自然》同期发表同行专家的“新闻与观点”文章指出,许多防腐物质来自埃及之外,包括黄连木和刺柏产物可能是从黎凡特进口、榄香脂可能来自南亚或东南亚雨林。这表明,古埃及的木乃伊制作在促进与地中海和更遥远地区的长距离贸易中也发挥作用。(完)
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) [责编:天天中] 阅读剩余全文() |