让网络购药更安全更便捷******

　　随着药品网络销售活动日趋活跃，足不出户在网上购买常用药、急用药，成为很多人的新选择。相比线下售药，网上药店往往没有实体店铺，购药时也没有药师当面指导，销售行为的监管难度更大，因而更容易出现用药安全风险。近年来，网上违规出售处方药、非法销售违禁药的情况时有发生，需要加强对药品网络销售的监管。

　　12月1日，《药品网络销售监督管理办法》(以下简称《办法》)正式施行。从规定“药品网络销售企业应当按照经过批准的经营方式和经营范围经营”，到指出“通过网络向个人销售处方药的，应当确保处方来源真实、可靠，并实行实名制”，再到强调“第三方平台应当加强检查，对入驻平台的药品网络销售企业的药品信息展示、处方审核、药品销售和配送等行为进行管理”，《办法》为药品网络销售提供了更加明确的合规指引，对于进一步规范药品网络销售行为，保障网络购药安全具有重要作用。各级药品监管部门要将《办法》落到实处，全面做好药品网络销售监督管理，严查违法行为，维护药品网络销售秩序。

　　网上药店资质审核和销售行为监管需强化。药品网络销售主体类型多、数量庞大，推广和展示方式复杂多样，监管难度比实体药店更大。《办法》规定，“药品网络零售企业应当对药品配送的质量与安全负责”“应当完整保存供货企业资质文件、电子交易等记录”。网上药店基本都有线下实体企业和仓库，加强对网上药店的资质审核和药品检查，就抓住了药品网络销售监管的“牛鼻子”。抓好药品网络销售全过程监管，确保每一笔交易有留痕、可追溯，如有违法违规问题就可以实现快速倒查。

　　处方药网络销售需从严、从紧管理。我国对非处方药和处方药有着严格的分类管理：非处方药使用比较安全，不需要开具处方即可出售；处方药对人体具有潜在危险，违规出售造成的用药安全风险更大，必须在医生开具处方后方可出售。《办法》规定，“处方药销售前，应当向消费者充分告知相关风险警示信息，并经消费者确认知情”；销售处方药的药品网络零售企业“相关记录保存期限不少于5年，且不少于药品有效期满后1年”。药品网络销售监管要突出处方药销售这个重点，遵循经营监管“线上线下一致性”原则，加强处方审核，严厉打击伪造处方、随意开具处方等违法违规行为。

　　第三方平台应担负起管理和监督责任。第三方平台面向大量消费者，进驻的药店多、药品销量大，容易出现违法违规行为。《办法》对第三方平台建立药品质量安全管理机构，配备药学技术人员，建立并实施药品质量安全、处方审核、不良反应报告等管理制度做了详细规定，并要求对申请入驻的药品网络销售企业资质、质量安全保证能力等进行审核，对销售活动建立检查监控制度等。第三方平台要完善内部管理，进一步加强专业能力建设，不断强化对进驻药店销售行为的监督，从而更好地履行平台管理责任。

　　药品安全关系人民群众生命健康。《办法》对药品网络销售法律责任进行了详细规定，加大了对违法违规行为的处罚力度。监管部门须坚持“以网管网”，加强药品网络销售监测，发挥技术手段在保障药品质量安全方面的突出优势，一旦发现违法违规行为，依法依规严厉查处。药品网络销售企业、第三方平台要把药品安全放在首位，落实主体责任，加强行业自律。统筹协作、共管共治，一定能持续提升药品安全治理水平，让网络购药更安全、更便捷。

　　申少铁

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