1.Open Source遵从标准
2.10分钟搞懂遗传算法(含源码)
3.Nature Medicine：除了GitHub，源码预约还能怎样查询论文源代码和数据库？
4.源码资本曹毅
5.lol原计划和源代码的基因区别
6.基因编辑工具分享（八）| DeepBaseEditor：碱基编辑效率预测模型

Open Source遵从标准

       Open Source遵从的标准规定了软件的自由分发和修改原则。首先，源码预约当一个软件是基因多个来源程序集成后的版本中的一部分，其发布的源码预约许可证必须允许任何团体销售或分发该组件，且不得为此收取许可费用或其他费用。基因源码私服外挂

       源代码透明度是源码预约Open Source的核心。软件必须提供源代码，基因且允许以源代码或编译后的源码预约形式公开发布。如果初始发布未包含源代码，基因也需以公开、源码预约低成本的基因方式（如免费网络下载）让开发者获取。源代码对于程序员来说，源码预约是基因最便于修改的形式，且禁止故意混淆或使用中间形式的源码预约转化。

       衍生产品许可同样重要，它要求允许对原始产品和衍生作品进行修改，并且必须在与原始软件相同授权条件下发布修改后的版本。对于作者的源代码完整性，特定情况下允许发布针对修改过的源代码的“补丁文件”，但必须明确允许基于修改源代码构建的软件发布，并可能要求衍生产品有独特的标识。

       此外，Open Source许可不能歧视任何人或团体，不得禁止在特定领域使用软件，如商业或基因研究。重新发布的程序必须附带的权利于所有用户，不论是否通过其他渠道获取。许可证不能与特定产品绑定，且不能对其他随软件发布的软件设置额外限制。

       最后，Open Source许可证必须技术中立，不得基于特定的技术或界面风格进行规定。这些原则确保了软件的开放性和自由性，促进了技术共享与创新。

扩展资料

       开放源码是一种协作。更具体地说，它是软件项目上的公共协作。IBM 在开放源码方面作出了巨大贡献，奉献了 多个项目。根据开放源码促进会（Open Source Initiative，OSI）的定义，可将开放源码定义为：“开放源码通过支持源代码的独立同业互查（independent peer review）和快速发展演变提高了软件的可靠性和质量。要通过 OSI 认证，软件必须在获得许可证的情况下发布，该许可证可保证免费读取、重新发布、修改和使用该软件的权利。”

分钟搞懂遗传算法(含源码)

       大自然中存在一种神奇的力量，它能够将优良的基因保留下来，进而进化出更加强大、更适应生存的基因。这种力量启发了遗传算法的诞生，它模拟了自然选择、物竞天择、适者生存的原则，通过多代的遗传、变异、交叉和复制，最终进化出问题的最优解。尽管遗传算法看起来神奇，但其实现思路相对简单。本文将介绍遗传算法的基本思想，并运用遗传算法解决实际问题，最后给出遗传算法的代码实现和解析。

       在介绍遗传算法之前，我们需要了解以下几个概念：

       1. 基因和染色体：在遗传算法中，我们将要解决的问题映射成一个数学问题，一个可行解被称为一条“染色体”。移动端发表源码一个可行解通常由多个元素构成，每个元素被称为染色体上的一个“基因”。

       2. 适应度函数：适应度函数在遗传算法中扮演着“上帝”的角色，用于衡量染色体的优劣。在迭代过程中，适应度函数会给所有染色体打分，评判其适应度，淘汰适应度较低的染色体，保留适应度较高的染色体。

       3. 交叉：每次迭代都会生成N条染色体，这被称为一次“进化”。交叉的过程类似于交配，需要从上一代的染色体中选取两条染色体，然后拼接在一起，生成一条新的染色体。

       4. 变异：交叉可以保证每次进化留下优良的基因，但只能保证结果更接近局部最优解。为了解决这一问题，我们需要引入变异，即在新的染色体上随机修改基因的值，引入新的基因，突破当前搜索的限制。

       5. 复制：每次进化中，为了保留上一代优良的染色体，需要将适应度最高的几条染色体直接复制给下一代。

       遗传算法的执行流程如下：

       1. 生成初始染色体种群。

       2. 计算每个染色体的适应度。

       3. 根据适应度选择染色体进行交叉和变异。

       4. 生成新一代染色体种群。

       5. 重复步骤2-4，直到满足终止条件。

       在实际应用中，可以通过限定进化次数或允许范围来控制算法的迭代次数。选择何种方式取决于具体的业务场景。

       下面我们以负载均衡调度问题为例，介绍遗传算法的解决方法。

       1. 数学建模：首先，我们需要将实际问题映射成遗传算法的数学模型，包括任务长度矩阵、节点处理速度矩阵、任务处理时间矩阵等。

       2. 染色体：染色体用于记录每次进化过程中的可行解，每个染色体由多个基因组成，每个基因表示将任务分配给节点的方案。

       3. 适应度矩阵：适应度矩阵记录每条染色体的适应度，用于评判染色体的优劣。

       4. 选择概率矩阵：选择概率矩阵记录每条染色体在下一次进化中被选择的概率，用于选择染色体进行交叉和变异。

       5. 遗传算法的实现：通过交叉、变异和复制等操作，生成新一代染色体种群，并不断迭代，直到满足终止条件。

       结果展示：通过遗传算法解决负载均衡调度问题，经过次进化，算法最终收敛于最优解。

Nature Medicine：除了GitHub，还能怎样查询论文源代码和数据库？

       计算病理学中的深度学习算法正逐步改变医学诊断。然而，缺乏可重复性和可重用性限制了这些技术在临床应用中的广泛实施。Nature Medicine上的一篇文章强调了提升算法这两方面特性的重要性，以促进快速、可持续的领域发展。

       本文评估了年1月至年3月间篇同行评审文章中算法的可重复性和可重用性，发现只有%的论文提供了代码。这些论文在不同层面提供了支持计算病理学的算法，如组织类型分割、细胞级特征定量分析、libc.so 源码基因改变预测以及肿瘤分级、分期和预后信息提取。

       为了提高可重复性和可重用性，建议让临床医生参与模型开发过程，共享数据和代码，并记录预处理和模型训练步骤。评估和出版时，应综合考虑预测准确性、模型校准、稳健性、简单性和可解释性。最后，应通过GitHub、Zenodo或深度学习模型专用资源库如ModelZoo公开发布模型，促进算法的重复使用。

       尽管GitHub是广泛使用的代码归档平台，但不应忽视其他资源。Zenodo和ModelZoo等平台提供了额外的检索途径。Docker或CodeOcean容器系统能够简化模型评估过程，加快不同机构用户和开发人员的评估速度。

       通过实施上述建议，计算病理学领域有望实现算法的持久可用性，满足临床医生对可解释性、可用性和稳健性的需求。这将充分发挥算法在诊断医学领域的潜力，推动计算病理学的进一步发展。

源码资本曹毅

       一草源资本的创始合伙人

       投资期限：年。

       投资：元，代表项目有字节跳动、美团点评、链家集团、趣店集团、易九皮、美利联合/蘑菇街、自如、车和家、牛电科技、回收宝、Zenjoy、Bluepay等

       年春天，有投资圈奥斯卡之称的福布斯“全球最佳风险投资人”榜单出炉。人们注意到了榜单上的两个人物：排名第一的红杉资本全球管理合伙人沈南鹏，以及出生于年的源码资本最年轻的创始合伙人一草。

       自年一草离开红杉中国创立source capital以来，人们一直将他描述为“最像沈南鹏的年轻投资者”。他们的共同特点包括对赛道的判断准确，出手迅速，在同组投资人中表现突出。

       但现在不是讨论一草有多少沈南鹏影子的时候。

       评价一只从老牌基金分化出来的新基金能否存活，创投行业有自己的标准：看第三只基金能否募集到。

       源基金一期和基金二期开始初见成效，募集到2.6亿美元基金三期和亿人民币基金三期。“活下来”应该没有问题。于是，新的问题出现了：进入“成熟阶段”的源代码如何面对自己的新挑战？

       “以前我们一直在为生存而奋斗，现在可以稍微喘口气，抬头看看天；之前被眼前的事情搞得不知所措。现在，我可以花更多的时间考虑一些相对长期的事情。”交谈中，一草不时像“超级CPU”一样思考。“数据、算法、算力”是他不断提到的关键词。他要想赶上机构化的潮流，甚至成为行业的龙头，就必须升级自己的哲哲源码论坛系统。

       从“自我实现”到在线学习

       当他年加入公司时，一草经历了很长一段时间的抑郁。当时VC行业基础设施比较差，互联网行业处于千年泡沫破灭后的复苏初期。红杉资本、北极光等风投相继成立。

       一草在台湾基金C Squared Capital获得了P2P流媒体技术投资分析师的实习机会。这期间，他收获了很多。在此期间，他结识了搜狗CEO王小川、PPS创始人雷亮、张洪宇等。为他日后进入联创策源积累人脉。

       但这段经历也有一些遗憾，如行业内缺乏可追溯的记录，同行间交流太少，方法的探索全靠“自我实现”。一草只能抓住一切机会跟着老板和其他同事去开会，观察他们如何找项目、做研究、做判断。

       现在每个月都有源代码内部的方法论培训，让年轻人各方面“看得见、看得清、投得进去、帮得上忙”。

       一草认为，一家公司的最终价值在很大程度上取决于它拥有什么样的人脉和质量，以及它拥有多少独家的、有价值的数据。每个人都有自己的数据。他想做的是用相对较低的成本升级这些数据线，让大家一起“上线”，不断积累数据，直到形成一个足够大家依靠的数据库。

       数据的积累有两种方式：内部和外部。

       在内部，源资本建立了一套规则清晰、要求严格的记录体系，从投资人开始接触项目到最终投资决策，可以摸清每个项目的来龙去脉。

       一草本人也受益于这种记录方法。年加入联创策源之前，王小川带他去见了联创策源的创始合伙人冯波。在离开之前，他给冯博写了一封邮件，这封邮件对他得到这份工作起到了很大的作用。邮件中有一份两页的文档，描述了他在实习期间看到的个互联网和P2P流媒体项目的判断。

       后来，这个工作方法被写进了源代码工作流。“记录这件事仍然很重要，这有利于以后恢复工作，”一草说。

       比如源码年投入大量资源讨论是否投资OFO，最后决定放弃。系统如实记录了原因：单车共享的商业模式防御性不够，更适合成为AT、美团等更大的聚合体的一部分，而不是独立发展。但大集团的买家有限，所以项目估值上升的空间有限。该项目估值约为3亿美元，因此可以时尚地进入市场。如果超过5亿美元，投资价值就比较小了。

       对外，spring注解扫描源码源资本创立时的重要出发点是建立核心圈。一草希望通过“代码俱乐部”将成功的企业家聚集成一个圈子，并利用人脉撬动新的机会。

       年8月，源资本成立。王兴、张一鸣各投资万美元，与姚劲波、李想、李一男等数十位LP一起，聚集在一草周围，形成了源代码的圈子影响力。

       不久前，一草举办了一场人的晚宴。参会人员来自源码投资部、美团投资部、头条投资部、链家投资部。席间，大家互通有无，聊到了新的行业知识，新的投资思维。一草称之为“在线学习”。

       久批CEO王超成就得益于这种“在线学习”。每次代码会议，王朝成都都会抽空参加。对于创业者来说，一方面，王朝成通过码会与美团业务线负责人甚至王兴进行深度沟通，达成战略合作。另一方面，王超成也在代码会上与其他创业者有了更深入的跨界交流。

       让每个CPU都有意识地优化自己的计算能力。

       “提供相关工具和方法，增加基础数据输入，实现迭代算法，提升计算能力”，一草总结了自己的投资方法论。这种话语体系是他在清华计算机系级学生、水木清华“未来之路”BBS副理事长时积累的。

       他认为投资者认知提升有三个要素：数据、算法、计算能力、人工智能。数据是广义的，算法是指形成决策的思维方法论，计算能力是指人的脑力和体力。

       一草把自己比作中央处理器。现在，源都大约有个“CPU”。这些CPU %的计算能力用于自计算迭代，%用于“在线”学习，提高了系统内的计算能力，从而让大家的效率越来越高，时间分配越来越合理，状态越来越稳定。

       一草花了很多时间优化系统算法。例如，在线学习的重要性

       场合周例会，开会的机制就在持续迭代。是不是每个人都可以提交项目？提交之后，每个项目用多长时间讨论最为合理？周例会分钟，形式改进的核心命题就是如何把个人在这分钟里共小时的算力充分利用起来。

       早先，周例会对投资人提交的项目数量做出了限制。每个投资人每两周最多提交一个项目。去年下半年开始，数量上的限制放开了，配额挪到了发言时间上，每人每季度累计可发言分钟，有分析师专门负责按计时器。

       到了今年年初，规则调整为，投资人考核以年为时间跨度，看一年里提交项目的过会成功率，比如一年只提交四个项目，四个项目都过会了，对组织资源的占用要远小于频繁提交无法过会的项目，更符合曹毅设想的“算力最优”。

       尽管这种“优化算力”的做法起初给投资经理带来不小压力，但它有显而易见的好处，其中之一是逼迫每个“CPU”都不断提升自己的“算力”，提前做好功课，把组织资源用在刀刃上。这正是曹毅得意的部分。

       扩充合伙人补齐短板

       对“系统”源码来说，算法、算力的提升还有另一个关键因素——新合伙人的加入。

       源码成立时，合伙人只有曹毅一人。一个人有一个人的好处，比如初期能够相对高效地定义公司文化、投资策略、投后风格。

       但一个人也有一个人的压力和诱惑。一言堂的问题怎么解决？自己状态不好的时候、头脑发热的时候，谁来制衡你？这是压力的部分。诱惑则是，多一个合伙人，基金规模或许可以更大一点。

       前两年，曹毅频繁被LP问及这个问题，他的回答是好的合伙人团体可遇不可求，不要因为短期要证明什么给LP看，就为发展埋下隐患。

       比如，从Pre-A轮开始，VIPKID的连续三轮融资曹毅都有接触，每次他都觉得很好，但又都“差了一点开枪的勇气”。事后，曹毅总结原因，教育不是自己和源码当时的团队所擅长的主赛道，对赛道投入浓度不够，导致迟迟无法下决定。

       基于对教育、医疗等行业发展的判断，曹毅做出了扩充源码合伙人队伍的决定。年下半年，继前金山CEO张宏江博士加盟投资合伙人后，前经纬中国董事总经理黄云刚也加入源码，担任合伙人。黄云刚擅长的领域包括移动互联网、交易平台类、企业服务和在线教育，和曹毅互补。

       作为管理者，曹毅正在褪去青涩。源码成立不久时，源码资本投资部副总裁张星辰想知道曹毅对自己的评价，看看怎么更好地工作，就主动问了曹毅。当时曹毅脸一红，没能立刻接上话来，答复说“这我回去想想再告诉你”。现在，面对这样的问题，曹毅已经游刃有余。

       在王朝成看来，曹毅温和但坚决捍卫原则。有一次，另外一家投资机构希望能够看一下源码资本对易久批的研究报告，曹毅果断回复，“不行，这是源码资本的核心资产，不会分享，对不起”。

       从更长时间维度思考问题

       经历过VC行业的寂静期、高歌猛进期以及如今的回归理性，曹毅对VC的机构化也有更深的理解。

       在曹毅看来，以被投企业在所处赛道中的位置评判，基金要做到赛道里的前三名，自身存在才有价值。

       “如果去做大家都在扎堆做的事情，多我一个不多，少我一个不少，没什么参与感。但如果能够成为某个行业的先行者，定义它的逻辑，摸索它的价值，事情就会有意思很多”，曹毅说。

       年，曹毅入行年，感到自己有了一点余力，才开始摸索源码投资的大框架。到年，确立了源码在九大垂直领域的顶端使用层里所寻找、期待的机会。

       在筛选项目时，该如何迭代自己的算法？如何迭代投资基因中的价值观问题？

       他明确了做投资的一个愿景是让人们生活得更好，在需求与供给上如何进行更好的配置。他也承认，“每件事都有硬币的两面，要做更全面评估，对社会好的方面多于不够理想的地方时，要弥补短板，让对社会好的方面越来越放大”。

       趣店上市后，破发、市值下跌，对此，曹毅在与其他创业者分享时说，“这就是投资的一部分，你要去接纳它，没什么”。

       他依然坚定长期看好整体赛道：互联网金融的价值在于以科技化、普惠化的方式持续推进金融行业的发展，把金融机构里的钱引到毛细血管里去，还有很大的发展空间。

       最近，他也给罗敏和几位互联网金融领域的被投企业CEO提了些建议：要有耐心，要做得更深、更重、更慢一些。

       有耐心，从更长的时间维度上去思考问题，也是曹毅对自己和源码的期待。以前，王兴问他如何思考创投行业五年后的局面。被迫思考长期问题对年轻投资人来说是件痛苦事，但曹毅确实从中受益。

       同题问答

       VC行业经历高歌猛进期以后，如今已经回归理性，未来怎么做才能把握机会？

       曹毅：以前这个行业经历了大爆发，但单枪匹马、蜻蜓点水、闲云野鹤也能赚大钱的时代已经过去了，未来可能还会有一些专注于垂直领域的手艺者能够获取不错的回报，但对大部分机构来说，要求发展，就必须有所突破。VC从手工作坊到机器生产、从游击队到集团军作战的趋势，要求机构在募投管退各个环节上的功能都要比较强，基金品牌也要不错。只有这样才能吸引到好的资金，只有好的资金能帮助你选到好的项目、吸引好的人才，建立起行业关系网络。

       你怎么看待源码的文化？

       曹毅：源码成立时，我为期望拥有的文化写下了几个关键词：自驱、求真、极致、开放、好奇。每个人都要自我驱动把事情做好，而不是等待组织设计的要求和标准压到头上再行动。现在，通过算法升级，我感觉到这种文化上的统一感正在形成。

       相关问答：

lol原计划和源代码的区别

       一、人物背景故事上的区别：原计划：

       (1)源计划风，亚索：亚索从一次高科技战斗中归来，却被指控一项他不曾犯下的罪行，他知道源计划的管理层一定牵连其中，于是亚索与基因动力叛军并肩作战，用自己的等离子锻压战刃斩断科技的谎言。

       （2）源计划林，易：作为最初的概念原型之一，易被源计划囚禁并沦为试验对象，最后终于被基因动力叛军解救，他的心智或许依然存在故障，但他的实验级超光“阿尔法”剑刃以其精准的平衡为反抗军贡献力量。

       （3）源计划火，菲奥娜：增强改造只为速度的菲奥娜，手持零度脉冲剑刃，与艾希和其他基因动力的成员并肩作战，完整长度的能量剑刃是为了完美无瑕的攻击速度 和最大限度击打强度，空间受控的原子针镀层能最大程度地兼容单目标作战。

       （4）源计划山，雷欧娜：重装战斗人员雷欧娜曾见证过源计划霓虹灯光背后的真相，现在她与艾希和基因动力叛军并肩作战，她拿着离子火花护盾，利用能量变量输出阻挡并击晕目标。

       （5）源计划阴，劫：在体系内新晋崛起的劫是源计划反间谍小组的首领，他使用一双高频能量战刃“固态烟”投影装置搜寻基因动力的叛军，擅长近距离多角度的目标割裂。

       （6）源计划雷，卢锡安：卢锡安曾在体系内担任哨兵，所以见证过源计划的真正面目。他的粒子核心光束手枪现在为基因动力和人类的反叛而战，用残酷的高效摧毁科技的压迫者。（7）源计划联合，艾希：艾希曾在一场集团战争的前线上见证了源计划以人类作为代价实现自己的野心。现在她是反抗组织基因动力的领袖，艾希的目标就是要颠覆这个最强大的集团。（8）源计划自由，艾克：艾克是一个黑客奇才，艾希在下城收编了他，并没有费多大口舌就说服了艾克帮她扳倒源计划。凭借强力的秘钥解密装置和擅长干扰的思维，艾克总是能够绕道访问核心编码。（8）源计划雄心，卡特琳娜：曾在基因动力叛军中担任中尉的卡特琳娜，在与艾希本尊当面对质以后回到了体系内。她的超刃匕首现在重新新为源计划而战，但那些了解她的叛军依然心存希望，认为她会从内部为叛军而战。（9）源计划净化，薇恩：装备了机密级增强科技的薇恩曾是源计划反间谋小组的一员。她被自己效命的集团出卖以后，如今潜伏在黑影中扮演义警，不断寻求新方式破坏源计划，破坏侵扰她灵魂的科技。（）源计划升华，烬：一次拙劣的手术过后，烬从一个黑市增强体黑客变为一个机械化雇佣杀手，他的程序依然嗜好高权限升级组件， 但烬从猎物身上得来的部件让他出现严重的人格分裂，而且对源计划和整个人类的未来产生了一种黑暗愿景。（）源计划裁决，蔚：街头智慧，鲁莽无礼而且永远都不懂委婉的蔚，是一名中心区的警探，负责这座霓虹城市的治安和秩序。在下城执法的日子锻炼了她，蔚捍卫和平的工具是对阿特拉斯拳套，还有一记狠毒的右勾拳。源代码：

       (1)苹果机器人，布里茨：苹果机器人布里茨最初的设计是家用服务机械体，但后来上千个布里茨在一次日常软件更新时被源代码攻破。 他们的人类主人对此毫不知情，而他们继续忙里忙外，耐心地等待着新命令初始化。

       （2）源代码，索拉卡：源代码索拉卡的创造是作为支援机器人保护人类的脆弱本质，以机械天使之手带来科技的救赎。如今被损坏代玛入侵的她，不知道是否还以这仁慈的使命作为自己的首要指令。

       （3）源代码，丽桑卓：源代码丽桑卓的设计意图是作为目视一切的安保机器人，但她超越了自己的初始代码，成为了有自我生成力的人工智能。她通过自己的拟态指令玩弄人类增强改造技术，所有人都会在她面前崩塌。

       （4）源代码，卡蜜尔：源代码卡密尔是为了镇压基因动力反叛而生的人形兵器，任何试图使用未授权技术的人类都会成为她的暗杀目标，她拥有高度适应性的执行规程和激光般的集中，直接听命于源代玛的顶层人工智能。

       二、所代表英雄上的区别：原计划：亚索、易、菲奥娜、雷欧娜、劫、卢锡安、艾希、艾克、卡特琳娜、薇恩、烬、蔚。源代码：布里茨、索拉卡、丽桑卓、卡蜜尔。原计划：源代码：三、构造上的区别：原计划：是半机械化，可以看出来源计划是在原英雄基础上做的机械化升级，能看出来有肉体。源代码：是完全机械化，无法辨别是否为英雄本身，有可能是纯机器。百科-源代码百科-源计划

基因编辑工具分享（八）| DeepBaseEditor：碱基编辑效率预测模型

       碱基编辑器（base editors，BE）是基于CRISPR/Cas系统改造的新型基因编辑技术，包括腺嘌呤碱基编辑器（ABEs）和胞嘧啶碱基编辑器（CBEs）。该技术广泛应用于诱导点突变，但确定特定核苷酸在基因组环境中的编辑可能性需要耗时的实验。当编辑窗口包含多个靶核苷酸时，会产生多种基因型产物，影响碱基编辑效率和产物频率的确定。

       今天，舒桐小编将介绍Myungjae Song等人开发的基于深度学习的特异序列碱基编辑效率预测模型DeepBaseEditor。该模型能预测任何目标序列上ABE和CBE指导的编辑效率和结果频率，预测相关系数在0.到0.之间。此工具将有助于通过碱基编辑对遗传病进行建模和治疗性纠正。

       ABE和CBE的工作原理如下：CBE的核心部件是nCas9或dCas9与胞嘧啶脱氨酶结合，当融合蛋白在sgRNA的引导下靶向基因组DNA时，胞嘧啶脱氨酶结合到特定的R-loop区ssDNA处，将胞嘧啶(C)脱氨变成尿嘧啶(U)。通过DNA复制或修复，U最终转变为胸腺嘧啶(T)，实现C•G碱基对至T•A碱基对的替换。ABE则由nCas9(DA)与人工定向进化的腺嘌呤脱氨酶组成，当融合蛋白在sgRNA的引导下靶向基因组DNA时，腺嘌呤脱氨酶结合到ssDNA上，将腺嘌呤(A)脱氨变成肌苷(I)。I在DNA水平被当作G进行读码与复制，实现A•T碱基对至G•C碱基对的替换。

       DeepBaseEditor由研究人员基于卷积神经网络的深度学习框架开发，使用高通量方法评估了ABE和CBE在,和,个靶序列上的编辑效率与结果比例。通过HT_ABE_Train、HT_ABE_Test、HT_CBE_Train和HT_CBE_Test数据集训练和验证模型，模型预测准确性用Pearson相关性评估。研究人员开发了ABE_Efficiency（Pearson r = 0.）、CBE_Efficiency（Pearson r = 0./0.）、ABE_Proportion（Pearson r = 0./0.）和CBE_Proportion（Pearson r = 0./0.）模型。将ABE_Efficiency与ABE_Proportion、CBE_Efficiency与CBE_Proportion结合，生成了DeepABE与DeepCBE，这两个DeepBaseEditor在预测碱基编辑结果的频率方面表现出了出色性能（DeepABE Pearson r = 0./0.；DeepCBE Pearson r = 0./0.）。

       研究者可从githup下载DeepABE与DeepCBE的源代码，进行碱基编辑效果分析。此外，作者提供了一个友好的在线工具DeepBaseEditor，用户只需输入待编辑的目标序列，即可进行sgRNA设计及碱基编辑效率预测。根据预测结果，研究者可筛选出编辑效率最高的sgRNA进行后续实验。

       舒桐科技提供sgRNA设计、扩增子测序及基因编辑效率分析等服务，有需求的读者欢迎咨询。