购彩大厅Welcomeapp下载_购彩大厅Welcome注册

强化中医药知识产权司法保护******

　　近日，《最高人民法院关于加强中医药知识产权司法保护 的意见》（以下简称《意见》）发布 。《意见》提出了加强中医药知识产权司法保护 的总体要求 ，并就强化审判职能，健全中医药知识产权综合保护体系提出具体措施 ，旨在回应中医药知识产权全链条保护的需求，积极推动构建中医药知识产权大保护格局。

　　中医药是中华民族 的瑰宝 ，对于防病治病 、维护人民健康具有极其重要的价值 。从以往司法实践来看 ，中医药知产案件总体数量偏少、司法解纷选择不足，案件类型集中 、保护覆盖不全，审理周期较长 、专业能力欠缺等问题较为突出。《意见》作为中医药知识产权司法保护方面 的专门文件，既全面覆盖了中医药知识产权各领域和环节，又立足实践需要突出了重点和难点 ，正是为了发挥司法机关职能作用，解决以往司法层面对中医药知识产权保护不足 的问题 ，推动中医药高质量发展 。

　　《意见》出台后有望产生一系列综合效应 ：一 是审判职能得到强化。中医药高质量发展有赖于有力的司法支撑 ，《意见》 的出台有助于各级法院优化审判资源 ，让法官在审理中医药领域原始创新 、智能制造关键技术、重大科研项目相关案件时，实现“能判 、愿判 、敢判” ，强化司法裁判的规则引领和价值导向作用 ，通过纠纷化解机制切实维护中医药创新主体合法权益 。

　　二是提高行业创新的积极性 ，发挥专利制度共享共建 的功能。通过确立中医药知识产权的司法导向 ，加强中医药 的专利保护 ，使中医药企业除了通过“商业秘密”保护外，多了一道“专利保护”的选择 ，这无疑为部分创新型中医药企业打了一剂“强心针” 。同时 ，随着更多的技术被纳入专利制度框架下进行保护，整个中医药产业交流共进 的格局将得到进一步打开，这有利于中医药产业 的整体技术革新与进步 。

　　三是有利于建设更高水平 的中医药知识产权综合保护体系 。中医药知识产权保护是一项系统工程 ，《意见》从司法层面强调中医药知识产权保护 ，既有利于企业之间建立尊重知识产权、有序竞争 的秩序，又能够在全社会营造珍视、热爱和发展中医药 的良好法治氛围，有利于形成中医药知识产权保护合力。

　　为更好地实现司法对中医药知识产权 的强有力保护 ，《意见》出台后 ，相关部门后续还需要做好相关配套和完善工作 ：首先，要明确中医药知识产权保护制度 的对象 ，平衡社会公众与中医药知识产权权利人之间 的利益 。中医药领域的典籍是公开的，这 是属于公众的财富 ，而其中哪些技术具有独创性，是属于个人 的 ，需要精准识别。可以说 ，区分“进入公共领域 的中医药知识”和“值得通过知识产权保护制度保护 的中医药技术”是必须先行明确的要点。在准确识别二者的基础上 ，司法才能既避免错误保护公共领域知识 ，也避免错过保护值得保护 的技术 ，厘清中医药知识产权的权利边界 。

　　其次 ，要注重司法的科学性 、技术性。强调中医药知识产权 的同时，也需要注意到目前中医药专利领域创造性不足的事实 。对司法部门而言，必要时可以通过专家论证等形式征求专业意见 ，以确保中医药知识产权保护工作 的准确性和科学性 。

　　再次，应当完善配套制度。中医药与其他工艺有区别 ，对中医药而言 ，国家应结合中医药领域的特点及特殊保护需求 ，完善针对祖传秘方等对象 的中医药知识产权保护体系。如建立商标 、中华老字号海外抢注预警制度、健全道地中药材地理标志保护制度、非物质文化遗产利用制度，在现有 的中医药品种保护制度下强调行政责任以外的民事救济途径 ，以及充分利用药品专利链接制度等。

　　最后，解决当事人司法保护 的积极性问题 。我国中医药知识产权保护案件数量少 的一个重要原因，就在于当事人选择司法保护 的意愿不强。主管部门可以考虑探索通过政策鼓励的方式 ，鼓励企业主动开展二次开发与上市后再评价工作，进行专利布局 ，实现新技术 、新工艺、新标准逐步产业化 ，真正让行业主体重视知识产权，发挥知识产权制度引导中医药市场良性运行 的价值 。

　　（作者 ：邓 勇 ，系北京中医药大学岐黄法商研究中心主任 、教授）

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）