里面提到用sgRNA二次筛选结合高通量测序验证。

我不太明白，为什么要选择20nt长度的sgRNA？

是不是因为这个长度能最大化降低与基因组其他区域的同源性？”

乔海燕愣了一下，显然没料到这个“超市干活的”能说出这么专业的问题。

她推了推眼镜，语气缓和了些：“没错，20nt是目前验证过的最优长度——太短会降低靶向特异性，太长则容易引发非特异性结合。

不过我们团队最新的研究显示，在sgRNA的5端添加两个鸟嘌呤核苷酸，能进一步提高Cas9的切割效率，脱靶率能降低37%。”

“原来是这样。”季洁作恍然大悟状，继续追问，“那您在论文里提到的‘基于深度学习的脱靶风险预测模型’，输入参数除了sgRNA序列、PAM结构，是不是还纳入了染色质开放状态的数据？

我看您用的数据集里有ENCODE的DNase-seq数据，这对模型精度提升真的有那么显着吗？”

这话一出，乔海燕彻底收起了轻视。

她饶有兴致地看着季洁，像发现了同行：“你看得很细。

染色质开放状态的影响确实关键——同一个sgRNA，在异染色质区域可能完全无脱靶，在常染色质活跃区却可能出现多靶点切割。

我们的模型加入这一参数后，预测准确率从79%提升到了91%，在临床前研究中特别实用。”

她越说越投入，手里的文件夹被随意地夹在腋下，开始给季洁讲解模型构建时用到的卷积神经网络架构，从输入层的序列编码讲到输出层的风险评分函数，专业术语像连珠炮似的蹦出来。

季洁一边点头附和，一边用眼角余光瞟着实验室的门，耳朵里听着蓝牙耳机里的动静——

杨震的声音带着电流杂音：“65%……70%……”

她的后背已经被冷汗浸湿，每一秒都像在走钢丝。

乔海燕的讲解正到兴头上，忽然话锋一转：“你一个超市员工，怎么会对这些感兴趣？”