“伴侣病了”成为一场对夫妻关系的考验******

　　最近，社交平台上的风向，从朋友圈分享“自己阳了的体验”，到关注“阳康”之后的知识科普，还有分享“阳了之后，伴侣的反应和行为”，也令大家思考亲密关系和“阳康”之后的人生感悟。“伴侣阳了”“家庭成员阳了”成为一场对关系的考验，从各个角度考察两个人是否是合适的伴侣，家人能否一起处理好琐碎的日常、承担生活的重压。中国心理卫生协会会员、国家二级心理咨询师张燕也通过亲身感受，与记者分享阳前、阳中、阳后的心理解读与感悟。

　　扬子晚报/紫牛新闻记者 张楠

　　“阳”之前，有人焦虑有人窃喜

　　阳之前的心理表现因人而异，有人出现“幻阳”焦虑，也有人产生自认“天选之子”的窃喜。

　　“开玩笑说自己是‘天选打工人’，别人都阳了，自己就是被留下来给全家人做饭的，或者被选中在单位干活的。这种调侃背后的心理，有一种在竞争环境中被特殊照顾、被优待的感觉。”张燕表示，也有不少人出现了焦虑心态，比如一直注重身材的人突然出现暴饮暴食，认为有正当理由让自己好好吃、好好睡了，但其实内心并没有“放开”，可能吃完之后就后悔了，这些都是阳之前出现的焦虑心态。

　　得了“哎呀株”的男同胞，更好命？

　　许多人对这样的段子深有共鸣——高烧40摄氏度的妻子仍戴着口罩在厨房烧饭，39摄氏度的娃活蹦乱跳，中的怕不是“跳舞株”之类，烧到38摄氏度的老公躺在床上“哎呀”声不断，感觉病得不轻。张燕表示，至于阳中的心理表现，许多人在朋友圈晒温度，引来许多朋友的关注，“卖惨”也是一种心理需要，被关注的感觉还不错。“大家调侃男同胞好像对病痛的耐受能力要弱一些，当身体出现状况时，对身边人会更苛刻，尤其是夫妻之间，觉得她不把自己放在心上，只顾着看手机。生病最脆弱的时候，看谁都不舒服。病人都有怀疑和否定的想法，产生没有人帮我，无助无望的情绪，更糟糕的想法都会产生，也很正常。这时候特别需要被看见、被照顾，像个婴儿一样。”

　　很多人阳了之后不会向伴侣寻求安慰和关怀，而是等待对方主动询问自己需要什么。如果对方无法“猜中”自己的心思，给不了满意的回应和照顾，就会失望，累积的怨念上升为对伴侣的不满和对关系的怀疑。这十分考验有没有在关系中建立起足够的安全感，是否缺乏对对方的信任。

　　生病和照顾病人不是一件单一的任务。这个场景下包含着很多问题的碰撞：两个人看待家务的态度，对疾病和政策的看法，处理突发问题的方式等等。重点还是要看是否有协调、求同存异的可能。

　　历经疼痛、怀疑、否定、无助、无望等种种复杂心理情绪，人们也由此对人生进行重新思考。张燕表示，其实人们一辈子都有被关爱的情感需求，需要家人对我们关爱照顾，结婚后移情，对父母的需要寄托在另外一半身上。但你会发现，夫妻相处，跟爸妈对自己的爱，还是有差别。有时候不会为对方委曲求全，也会招致怀疑，他爱我吗？这都是两性关系磨合中的正常阶段，每个人都会经历。”所以，面对新冠的考验，这时候对一个人好，往往更容易链接其情感。夫妻之间不妨利用危机，更好地表达情感，共患难和经历挫折，让情感更进一步。”

　　积极思考“生命的合作”

　　随着朋友圈陆续“转阴”，张燕认为，生活是变化的，大家要适应变化做好准备，迎接挑战。“我们会发现，关系和陪伴对我们来说无比重要。人生到底什么最重要，只有在最关键时刻，才能知道。平时我们马不停蹄工作，并创造价值，但在创造价值的同时，也不要忽略，更多安慰和陪伴家人，或许会带来幸福感和安全感。”

　　张燕说，“我们也充分意识到，生命需要合作，无论你是什么状态，都需要身边有人在，比如亲人，爱人，朋友。毕竟一个人的时间和精力有限，需要有同盟的人，需要与被需要，共同存在。在人际关系中，做好这一点，才能游刃有余。”因此，她建议，照顾好身边的人，提供服务和表达需要的事情，才能增进彼此感情。

　　另外，生活中有许多不确定性，我们努力的这个过程，可以扩大我们的生命质量。不妨多做一些可以让自己舒服，让身边的人开心的事情。

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