紫色简约学术风文献汇报毕业答辩

计算机学院学位论文答辩

文献汇报毕业答辩PPT模板LiteraturereportgraduationdefensePPTtemplate清华大学计算机学院二零二X年六月一零日答辩人:

指导老师:

XXX教授CustomCRISPR—Cas九PAMvariantsviascalableengineeringandmachinelearning文献汇报:可扩展工程和机器学习在定制CRISPR-Cas九PAM变体中de应用二零二X年六月一零日答辩人:指导老师:XXX教授文献汇报毕业答辩PPT模板LiteraturereportgraduationdefensePPTtemplate答辩人:指导老师:

XXX教授答辩时间:二零二X年六月一零日按需添加:导师介绍页面（适用于毕业答辩且需要介绍导师de情形）导师:,XX学院教授,主要研究领域为生命科学与科学智能,获二零xx年科技进步二等奖,累计发表高水平论文一零零余篇,曾于《XXX》顶级期刊发表论文《基于深度学习de蛋白质结构预测模型》(,XXXX),引起学界广泛关注.他带领模队在《XXX》上发表了《新型基因编辑算法de计算模拟与优化》(,XXXX),为基因治疗领域de研究提供了新de思路.主要研究成果零一《基于深度学习de蛋白质结构预测模型》(,XXXX)零二《新型基因编辑算法de计算模拟与优化》(,XXXX)零三《现代视角下de蛋白质结构研究方法》(,XXXX)零四《蛋白质结构预测de计算模拟与优化》(,XXXX)按需添加:文献信息和作者信息页面（适用于文献汇报）论文作者文章信息【发表期刊】:Nature【发表时间】:二零二X年四月二二日【DOI】:一零.一零三八/s四一五八六-零二五-零九零二一-yRachelA.SilversteinHarvardNahyeKimMassachusettsAnn-SophieKroellMassachusettsRussellT.WaltonMITCONTENT零一文献信息零四研究成果零二研究背景零三研究目标与内容研究总结零五按需使用:竖版目录按需使用:横版目录目录

CONTENT零一研究背景零二目标与内容零三研究成果零四研究总结按需使用:横排导航版式全选并下移页面,复制导航到页面上方即可文献信息研究背景研究目标与内容研究成果研究总结文献信息文献信息研究背景研究目标与内容研究成果研究总结研究背景文献信息研究背景研究目标与内容研究成果研究总结研究目标与内容文献信息研究背景研究目标与内容研究成果研究总结研究成果文献信息研究背景研究目标与内容研究成果研究总结研究总结文献信息研究背景研究目标与内容研究成果研究总结文献信息研究背景研究目标与内容研究成果研究总结文献信息研究背景研究目标与内容研究成果研究总结按需使用:竖排导航版式全选并右移页面,复制导航到左侧即可文献信息研究背景研究目标与内容研究成果研究总结文献信息研究背景研究目标与内容研究成果研究总结研究背景ResearchBackground研究背景（绪论）当前研究现状研究方法与思路目录

CONTENT零一一.一研究背景（绪论）传统CRISPR-Cas九系统扩展PAM这里是辅助de说明文字传统CRISPR-Cas九系统受限于PAM序列,显著限制了可编辑de基因组位点靶向范围较窄和脱靶风险较高是基因编辑最主要de两个特点扩展PAM兼容性和提升编辑特异性,可通过蛋白工程和机器学习de方式提供改善CRISPR疗法潜力为了实现更精准、更广泛de基因编辑,开发能识别非经典PAM序列deCas九变体势在必行.通过结合高通量实验和智能算法,本研究力求构建一种高效de、定制化deCas九酶设计平台,从而为基因编辑技术在基因治疗等领域de应用开辟更广阔de前景选题背景这里是辅助de说明文字这里是辅助de说明文字?这里是辅助de说明文字这里是辅助de说明文字PAM截短或PAM拓展,通过构建缩短dePAM或扩展dePAM文库,来实现更灵活de基因编辑,但可能导致更高de脱靶效应,并且设计合适de扩展PAM序列具有挑战性定向进化,在Cas九蛋白中引入随机突变进行高通量筛选,找到具有特定变体,但其效率受限于筛选方法de通量和筛选条件de限制,变体活性较低、特异性较差一.二当前研究现状传统CRISPR-Cas九系统受制约于PAM序列,极大限制了可编辑de靶点范围.开发具有不同识别能力deCas九变体能够扩展CRISPR-Cas九de应用范围,并解决基因治疗和基因编辑中遇到de挑战理性设计,基于已知deCas九蛋白结构和PAMde相互作用机制进行设计.然而,由于规模和成本de限制,这往往效率较低,需要深入de结构生物学知识和大量试错Step一Step三Step二输入内容输入内容输入内容输入内容输入内容输入内容输入内容输入内容输入内容物相组成；形貌结构输入内容分布；输入内容输入输入内容分布；输入内容输入内容输入内容输入内容输入内容分布；输入内容输入内容影响；输入内容制备工艺pH；水热参数水固比；离子含量输入内容输入内容输入内容输入内容研究主题一研究主题三研究主题四输入内容研究主题二一.三研究方法与思路（技术路线图-可编辑版一）输入具体de研究思路,与研究方法相互对应.这里输入具体de研究思路,与研究方法相互对应.输入具体de研究思路,与研究方法相互对应.这里输入具体de研究思路,与研究方法相互对应.研究思路输入主题输入内容输入

内容输入主题XX

+XXXXXXXXXXXXXXXXXXXXXXXX……亚型……分级零一二三四零一二三四零一二三四A-XXB-XXC-XXA-XX内容A-XX（输入内容）B-XXC-XX……输入主题输入主题XX输入内容输入主题这里输入具体de产出内容这里输入具体de产出结果这里输入具体de产出结果这里输入具体de产出结果这里输入具体de产出结果这里输入具体de产出结果主题输入内容输入内容一.三研究方法与思路（技术路线图-可编辑版二）ASCDFRESGTCRSGVDFGVGHBGEFCRDVBSDCSDCXSC++TGRHSDEWFFCDCFDSXDCCFD+结果指标DFECDFCQWXD

XCDCXWDEXECWCFDVDCCDWED主要指标次要指标WSDWECCSDCXDWCX研究结果关键词关键词量效关系AB一.三研究方法与思路（技术路线图-可编辑版三）研究目标与内容ResearchGoalsandScope研究目标工作进度记录研究内容一~四目录

CONTENT零二二.一研究目标:蛋白质结构多模态深度学习科学智能模型研究内容一研究内容二研究内容四展示了机器学习驱动de蛋白质工程在PAMmla模型能高效设计PAM变体,扩展CRISPR-Cas九应用范围,为基因治疗提供新工具PAMmla模型成功预测具有非典型PAMdeCas九变体,并显著提升选择性和编辑活性,尤其在等位基因特异性编辑方面表现优异研究内容三本研究结合高通量工程、细菌选择和机器学习,优化CRISPR-Cas九PAM识别能力,产生高效、高选择性deCas九酶,扩展了CRISPR-Cas九de应用范围构建SpCas九突变文库,通过细菌选择筛选活性酶.利用HT-PAMDA分析PAM特异性,结合机器学习模型PAMmla预测并优化酶研究目标基于PAM,传统CRISPR-Cas九系统受限于PAM序列,靶点范围受限和基因编辑灵活性不足是最主要de两个特点,可通过工程改造和机器学习de方式提供改善手段立项设计实验和实施结果分析论文(周次)一二三四五六七八九一零一一一二确定选题文献调研拟定方案预处理设计实验进行实验并记录数据xxx数据处理完善实验内容中期考核结果分析,实验补充撰写毕业论文准备毕业答辩成果形式:完成所有研究内容,发表二-三篇高水平学术论文,完成学位论文前期准备研究内容一研究内容二研究内容三学位论文二.二工作进度记录二.三.一研究内容:构建SpCas九突变文库SpCas九PAM识别域饱和突变机器学习建模预测PAM特异性高通量筛选特定变体验证编辑效率和Allele-Specific编辑建模流程几百种SpCas九酶dePAM谱通过SpCas九(六个氨基酸改动)文库进行诱变/突变经过设计筛选de不同PAM偏好和性能deSpCas九酶变体通过生物实验确认二.三.一研究内容:构建SpCas九突变文库两个等长序列之间不同位置de数量通过高通量PAM测定方法(HT-PAMDA)测量得到de酶de最大建模分析构建了包含数百万个SpCas九变体de多样化突变文库,为后续筛选提供了丰富de资源.二.三.一研究内容:构建SpCas九突变文库该SpCas九突变文库de构建对识别域关键氨基酸进行饱和突变,旨在生成Cas九变异体文库构建保证了突变de多样性和覆盖度,为后续de高通量筛选和机器学习建模奠定了基础分析结果将包含SpCas九酶变体de质粒文库导入到事先已经转化了一六种不同选择质粒de大肠杆菌细胞中携带能够切割选择质粒deSpCas九酶de菌落一六种NGNNPAM序列二.三.二研究内容:基于多模态表征de高通量筛选筛选能在特定PAM下存活de细菌确定每个变体中突变序列高通量筛选Cas九变体活性关联序列与PAM特异性活性数据建模流程化脓性链球菌Cas九(SpCas九)蛋白序列前间隔序列邻近基序单链向导RNA模板链DNA靶向范围PAM选择性酶目录非模板链DNA特异性分析结果identified多个具有novelPAM偏好deCas九变体分析结果揭示特定突变与PAM识别之间de构效关系脱氧核苷酸位置编号Cas九酶中特定位置de氨基酸残基在靶向不同PAM序列时,SpCas九酶de特定氨基酸位置发生突变de频率二.三.二研究内容:基于多模态表征de高通量筛选不同de筛选和表征箱线图对比结果不PAM偏好二.三.二研究内容:基于多模态表征de高通量筛选筛选结果筛选和表征出多种具有特定PAM偏好和活性deSpCas九变体,为后续模型训练奠定基础.分析结果二.三.三研究内容:开发机器学习模型PAMmla架构序列背景（序列上下文）结构背景（结构上下文）分析结果PAMmla模型de开发为Cas九蛋白工程提供了一个强大de计算工具,通过序列即可预测PAM偏好,省略了大量实验验证氨基糖苷三′-磷酸转移酶表示模型预测出来de最有可能de结果与真实结果匹配de比例基准分数二.三.三研究内容:开发机器学习模型PAMmla架构建模流程PAMmla不仅在单一基准测试中表现出色,而且具有较好de泛化能力PAMmla能够捕捉蛋白质de序列上下文和结构上下文,体现了PAMmla在蛋白质结构预测中de优势氨基糖苷三′-磷酸转移酶实际二级结构标签二.三.三研究内容:开发机器学习模型PAMmla架构建模流程PAMmla不仅在单一基准测试中表现出色,而且具有较好de泛化能力PAMmla能够捕捉蛋白质de序列上下文和结构上下文,体现了PAMmla在蛋白质结构预测中de优势分析结果分析结果ProMEP能够准确分类同源序列少于一零零de蛋白质de致病变体ProMEP显示出与AlphaMissense相当de性能分析结果PAMmla在突变效应预测方面达到了最优性能分析结果PAMmla在突变效应预测方面达到了最优性能二.三.四研究内容:PAMmla模型与其他Cas酶de编辑核酸酶在NGG位点de活性使用不同碱基编辑器（ABE版本）在多个靶点上进行A到G编辑de实验数据二.三.四研究内容:PAMmla模型与其他Cas酶de编辑分析结果分析结果ProMEP能够准确分类同源序列少于一零零de蛋白质de致病变体ProMEP显示出与AlphaMissense相当de性能分析结果PAMmla在突变效应预测方面达到了最优性能分析结果PAMmla在突变效应预测方面达到了最优性能在靶向不同PAM序列时,SpCas九酶de特定氨基酸位置发生突变de频率二.三.四研究内容:PAMmla模型与其他Cas酶de编辑在靶向不同PAM序列时,SpCas九酶de特定氨基酸位置发生突变de频率分析结果分析结果ProMEP能够准确分类同源序列少于一零零de蛋白质de致病变体ProMEP显示出与AlphaMissense相当de性能分析结果PAMmla在突变效应预测方面达到了最优性能分析结果PAMmla在突变效应预测方面达到了最优性能研究成果ResearchResults关键技术与创新点研究成果目录

CONTENT零三三.一关键技术与创新点分析结果PAMmla设计deCas九酶在体内allele-specific编辑中展现潜力,为遗传疾病治疗提供新策略等位基因编辑潜力新型Cas九变体表现出拓宽dePAM识别能力,并具有高效和高特异性de基因编辑活性新酶编辑能力机器学习模型PAMmla能够准确预测Cas九变体dePAM特异性,可用于指导定制化CRISPR酶de设计多模态深度表征通过整合蛋白质de序列和结构信息,创新性地展示了一种基于多模态大模型de突变效应预测方法,为更准确地预测突变de影响开辟了新途径.脱靶活性评估不同de核酸酶变体对这些特定gRNA引导de靶点de切割效率成果分析实现高效Allele-Specific工程化编辑显著减少了旁观者和DNA/RNA脱靶效应三.二.一研究成果:实现高效Allele-Specific工程化编辑实现高效Allele-Specific工程化编辑显著减少了旁观者和DNA/RNA脱靶效应三.二.一研究成果:实现高效Allele-Specific工程化编辑成果分析成果分析碱基编辑效率经过模型计算后,针对该特定酶变体预测de酶活性速率常数(k)活性越高特定PAM位置上不同酶变体（如SpGvsSpRY）在PAM识别偏好上de差异或特定特征三.二.二研究成果:有效预测Cas九PAM结合偏好dePAMmla模型成果分析PAMmla预测de单/多位点有益突变显著提高蛋白de编辑效率三.二.二研究成果:有效预测Cas九PAM结合偏好dePAMmla模型成果分析三.二.二研究成果:有效预测Cas九PAM结合偏好dePAMmla模型成果分析PAMmla预测de单/多位点有益突变显著提高蛋白de编辑效率成果分析研究总结ResearchSummary研究结论创新点和局限性研究展望致谢（毕业答辩）目录

CONTENT零四四.一研究结论使用多模态深度表征学习进行表征学习得到dePAMmla模型精确且高效通过机器学习模型PAMmla,可以精确预测Cas九变异体dePAM亲和性,并根据此指导,加速设计定制化PAM偏好de新型Cas九工具酶,大幅提高效率Allele-Specific编辑可行,新型Cas九编辑性能优异实验证明,通过PAMmla设计deCas九变异体,在人源细胞中展现出更广泛dePAM识别范围,同时保持了高效de基因编辑活性及更高de靶向特异高通量结合可扩展,等位基因编辑前景光明

高通量实验与机器学习结合de方法,可以加速新型基因编辑工具de设计和优化,适用于其他蛋白de工程改造,潜力巨大一二三四.二创新点和局限性创新点局限性通过整合蛋白质de序列和结构信息,创新性地展示了一种基于多模态大模型de突变效应预测方法,为更准确地预测突变de影响开辟了新途径.本研究创新性地将机器学习模型（PAMmla）融入CRISPR-Cas九系统设计,实现了对Cas九酶PAM特异性de精准预测在模型架构、训练数据类型及规模、模型性能和下游应用上均有显著突破为开发高效、特异性deCas九变体提供了强大de理论工具PAMmla模型de训练和预测效果依赖于实验数据,存在一定de局限性仍需进一步评估其在更加复杂de人体环境中de表现,以及长期使用de安全性脱靶效应和有效载体递送需要更进一步考验四.三研究展望拓展PAMmla应用范围未来可扩展PAMmla模型,纳入更多结构和序列信息,提升预测精度和泛化性,实现对其他基因编辑工具（如碱基编辑器、转座酶等）de定制化设计,有望开发出更多功能强大de基因编辑工具.推进临床转化进一步优化allele-specific编辑工具递送,并在更多疾病模型中验证其有效性和安全性,有望为遗传疾病de精准治疗提供新de策略和解决方案,最终实现临床应用.四.四致谢（按需添加,适用于毕业答辩）感谢各位答辩评委老师de意见与指导感谢×××老师、×××老师de指导感谢×××、×××师兄师姐/同门de帮助感谢××××学院提供丰富de科研条件和实验平台参考文献（单排样式）序号参考来源详细内容一学术期刊主要责任者.文献题名[J].刊名,年,卷(期):起止页码.二学术期刊主要责任者.文献题名[J].刊名,年,卷(期):起止页码.三学术期刊主要责任者.文献题名[J].刊名,年,卷(期):起止页码.四学术期刊主要责任者.文献题名[J].刊名,年,卷(期):起止页码.五专利文献主要责任者.文献题名[J].刊名,年,卷(期):起止页码.六专利文献主要责任者.文献题名[J].刊名,年,卷(期):起止页码.七专利文献主要责任者.文献题名[J].刊名,年,卷(期):起止页码.八专利文献主要责任者.文献题名[J].刊名,年,卷(期):起止页码.参考文献（双排样式）参考文献[一]这里填写你要填写de文本,这里填写你要填写de文本,这里填写你要填写de文本[二]这里填写你要填写de文本,这里填写你要填写de文本,填写你要填写de文本[三]这里填写你要填写de文本,这里填写你要填写de文本,填写你要填写de文本[一]Typesomethinghere

typesomethinghere

typesomethinghere

typesomethinghere[二]Typesomethinghere

typesomethinghere

typesomethinghere

typesomethinghere[二]Typesomethinghere

typesomethinghere

typesomethinghere

typesomethinghere参考文献[一]这里填写你要填写de文本,这里填写你要填写de文本,这里填写你要填写de文本[二]这里填写你要填写de文本,这里填写你要填写de文本,填写你要填写de文本[三]这里填写你要填写de文本,这里填写你要填写de文本,填写你要填写de文本[一]Typesomethinghere

typesomethinghere

typesomethinghere

typesomethinghere[二]Typesomethinghere

typesomethinghere

typesomethinghere

typesomethinghere[二]Typesomethinghere

typesomethinghere

typesomethinghere

typesomethinghere二零二X年六月一零日答辩人:指导老师:XXX教授谢谢大家,敬请批评指正!CustomCRISPR—Cas九PAMvariantsviascalableengineeringandmachinelearning

计算机学院学位论文选题报告

谢谢大家,敬请批评指正!LiteraturereportgraduationdefensePPTtemplate×××大学计算机学院二零二X年六月一零日答辩人:指导老师:XXX教授谢谢大家,敬请批评指正!

LiteraturereportgraduationdefensePPTtemplate答辩人:指导老