El agente de investigación para los datos públicos de la biología

Haz una pregunta en lenguaje natural o pega un gen, un número de acceso, una secuencia o una coordenada genómica. BioQ consulta 15 bases de datos públicas a la vez, desde 5739,6 M proteínas metagenómicas y 149,4 M entradas de UniProt hasta 5,2 M mediciones de unión, y te muestra el registro que respalda cada afirmación.

Gratis para investigadores. Inicia sesión con Google o con tu correo institucional.

Respuesta de ejemplo con datos en vivo3 consultas

¿Es KRAS una dependencia selectiva en el cáncer de páncreas y qué uniones a él se han medido?

  1. 1dependency(gene=KRAS)0.2 msDependencia CRISPR en 1178 líneas celulares de cáncer
  2. 2binding_measurements(gene=KRAS)0.4 s6796 mediciones de unión
  3. 3interactions(KRAS, min_score=900)0.2 ms98 interactores de alta confianza

Sí. 43 de 47 líneas celulares de cáncer de páncreas dependen de KRAS (efecto génico medio −1.79), la mayor proporción de todos los linajes 1. En el conjunto de linajes, 399 de 1178 líneas son dependientes 1. BioQ contiene 6796 mediciones de unión para KRAS; la más potente es la de MRTX-1133, IC50 0.2 pM 2. Entre sus principales interactores figuran RAF1, SOS1 y BRAF, cada uno con una puntuación de 999 sobre 1000 en STRING 3.

Limitación: la dependencia se mide en líneas celulares, no en pacientes.

Qué lee BioQ

Recuentos de registros en vivo, obtenidos del motor y actualizados cada cinco minutos.

MGnify proteinsMVLSPADKTNVKAAWGKVGAHAGEYGAEALERMFLSFPTTKTYFPHFDLSHGSAQVKGHGKKVADALTNAVAHVDDMPNALSALSDLHAHKLRVDPVNFKLLSHCLLVTLAAHLPAEFTPAVHASLDKFLASVSTVLTSK5739,6 M
Pfam-annotated proteinsVGAHAGEYGAEALERMFLSFPTTKTYFPHFDLSHGSAQVKGHGKKVADALTNAVAHVDDMPNALSALSDLHAHKLRVDPVNFKLLSHCLLVTLAAHLPAEFTPAVHASLDKFLASVSTVLTSKYRMVLSPADKTNVKAAW2985,9 M
MGnify clustersFLSFPTTKTYFPHFDLSHGSAQVKGHGKKVADALTNAVAHVDDMPNALSALSDLHAHKLRVDPVNFKLLSHCLLVTLAAHLPAEFTPAVHASLDKFLASVSTVLTSKYRMVLSPADKTNVKAAWGKVGAHAGEYGAEALE1661,1 M
STRING interactionsGSAQVKGHGKKVADALTNAVAHVDDMPNALSALSDLHAHKLRVDPVNFKLLSHCLLVTLAAHLPAEFTPAVHASLDKFLASVSTVLTSKYRMVLSPADKTNVKAAWGKVGAHAGEYGAEALERMFLSFPTTKTYFPHFDL162,7 M
UniProt TrEMBLVAHVDDMPNALSALSDLHAHKLRVDPVNFKLLSHCLLVTLAAHLPAEFTPAVHASLDKFLASVSTVLTSKYRMVLSPADKTNVKAAWGKVGAHAGEYGAEALERMFLSFPTTKTYFPHFDLSHGSAQVKGHGKKVADALT149,4 M
Binding measurementsAHKLRVDPVNFKLLSHCLLVTLAAHLPAEFTPAVHASLDKFLASVSTVLTSKYRMVLSPADKTNVKAAWGKVGAHAGEYGAEALERMFLSFPTTKTYFPHFDLSHGSAQVKGHGKKVADALTNAVAHVDDMPNALSALSD5,2 M
StructuresCLLVTLAAHLPAEFTPAVHASLDKFLASVSTVLTSKYRMVLSPADKTNVKAAWGKVGAHAGEYGAEALERMFLSFPTTKTYFPHFDLSHGSAQVKGHGKKVADALTNAVAHVDDMPNALSALSDLHAHKLRVDPVNFKLL803 mil
RefSeq sequencesATGTTTGTTTTTCTTGTTTTATTGCCACTAGTCTCTAGTCAGTGTGTTAATCTTACAACCAGAACTCAATTACCCCCTGCATACACTAATTCTTTCACACGTGGTGTTTATTACCCTGACAAAGTTTTCAGATCCTCAGT544,9 mil
DepMap cell linesAVHASLDKFLASVSTVLTSKYRMVLSPADKTNVKAAWGKVGAHAGEYGAEALERMFLSFPTTKTYFPHFDLSHGSAQVKGHGKKVADALTNAVAHVDDMPNALSALSDLHAHKLRVDPVNFKLLSHCLLVTLAAHLPAEF1,2 mil

Los datos de la biología son públicos. Usarlos, no tanto.

Casi todo lo que necesitas ya se ha medido y publicado. Está repartido en portales distintos, cada uno con sus propios identificadores, formatos de archivo y tamaños de descarga. Responder una sola pregunta solía requerir días de descargas, mapeo de identificadores y cruces en hojas de cálculo, si es que tu equipo podía siquiera abrir los archivos.

TareaAntesCon BioQ
Leer un registro de UniProt TrEMBLTrEMBL se distribuye como un único archivo comprimido de 40 GB. Para leer el registro número 100 millones hay que descomprimir todo lo que lo precede.Solicita por ID cualquiera de los 149 millones de números de acceso. El registro llega con el rango de bytes del que se leyó.
Comparar la potencia de fármacos entre fuentesChEMBL, DrugCentral y Guide to Pharmacology dan valores de IC50, Ki y pIC50 en unidades mezcladas. Al promediarlos se mezclan, sin aviso, valores nanomolares con valores logarítmicos.5.2 millones de mediciones con las unidades molares y logarítmicas por separado, cada fila enlazada a su registro de origen.
Comprobar si un gen es una dependencia selectivaDescargar las matrices de DepMap, asignar las líneas celulares a sus linajes y escribir tú mismo las estadísticas por linaje.Dependencia, expresión y número de copias por linaje para cualquier gen, en una sola solicitud.
Confiar en un «no encontrado»Una base de datos que nunca se cargó y un registro que no existe se ven igual: un resultado vacío.Cada base de datos indica: encontrado, buscado y ausente, o no buscado. Solo el segundo caso es una ausencia.
Buscar con una secuencia no publicadaLos servidores públicos de BLAST y de estructuras reciben tu secuencia. Muchos laboratorios y empresas lo prohíben para el trabajo no publicado.La búsqueda de homología se ejecuta en nuestros propios servidores. El agente trabaja con un marcador de posición y nunca ve los residuos.
Encontrar familias de proteínas inexploradas en un entornoLos 1700 millones de clústeres de proteínas de MGnify ocupan terabytes de archivos. Filtrarlos por bioma requiere un clúster de cómputo.Recorre el árbol de biomas, enumera los clústeres grandes sin dominio conocido y comprueba con qué coocurren.

Una pregunta, todas las bases de datos, con las pruebas adjuntas

  1. Pregunta como piensas

    Escribe una pregunta, un símbolo de gen, un número de acceso de UniProt o MGnify, un dominio Pfam, un fármaco, una secuencia o una coordenada. BioQ reconoce lo que has escrito y muestra cómo lo ha interpretado.

  2. El agente planifica y consulta

    Ante una pregunta, el agente decide a qué bases de datos preguntar, ejecuta las consultas en paralelo y muestra cada paso con sus parámetros y tiempos.

  3. Cada afirmación cita un registro

    Las cifras de la respuesta enlazan con la consulta que las produjo. Abre cualquier paso para ver los datos sin procesar, copiar la llamada a la API o descargar la tabla.

Pensado para las preguntas que de verdad se hacen los investigadores

Descubrimiento de dianas

¿Qué cánceres dependen de este gen y se ha medido alguna unión a él?

DepMap, ChEMBL, STRING, AlphaFold

KRAS

Evidencia fármaco–diana

Todos los valores medidos de IC50, Ki y Kd para una diana y un compuesto, con el tipo de ensayo y la fuente.

ChEMBL, DrugCentral, Guide to Pharmacology

EGFR gefitinib

Interpretación de variantes

¿Qué variantes de este gen son patogénicas y qué nivel de revisión tienen?

ClinVar, GRCh38

BRCA1

Identidad de proteínas

¿A qué se parece más esta secuencia, qué dominios tiene y hay alguna estructura?

Swiss-Prot, TrEMBL, Pfam, PDB, AlphaFold

P04637

Minería de enzimas y metagenomas

¿Qué familias grandes de proteínas del suelo no tienen ningún dominio conocido y junto a qué se encuentran?

Proteínas, clústeres, biomas y ensamblajes de MGnify

root:Environmental:Terrestrial:Soil

Coordenadas genómicas

Las bases exactas en una coordenada del genoma humano, del ratón o de cualquiera de las 544 891 secuencias de RefSeq.

GRCh38, GRCm39, RefSeq

NC_045512.2:21563-21600

Respuestas que resisten una revisión

Un buscador científico solo es útil si puedes defender lo que te dice. BioQ es estricto en cuatro aspectos.

Ausente y no buscado son respuestas distintas

Cuando no se ha buscado en una base de datos, BioQ lo dice. Nunca convierte un índice que falta en un resultado negativo.

Las unidades nunca se mezclan

Las potencias molares y las de escala logarítmica se resumen por separado, por tipo de medición y tipo de ensayo.

Cada respuesta indica qué puede respaldar

Los resultados incluyen un veredicto de solidez: si hay suficientes observaciones independientes para una afirmación estadística o solo para una descripción.

Cada fila tiene una dirección

El archivo de origen, el número de registro y la suma de comprobación viajan con los datos, para que un revisor pueda encontrar los mismos bytes.

De una respuesta realGET /api/v1/whereis?id=P04637
{
  "trembl": {
    "status": "miss",
    "means": "the TrEMBL index was searched and does
      not carry this accession"
  },
  "pfam_domains": {
    "status": "not_applicable",
    "means": "no lookup was possible, so this is
      neither a hit nor a miss"
  }
}

GET /api/v1/affinity?gene=EGFR&drug=gefitinib
{
  "measured_type": "IC50", "value": 0.1, "unit": "nM",
  "unit_class": "molar",
  "source_key": "chembl_37.db|activity_id=13297481",
  "sha256": "4be13df3b68e…c15142"
}

Tus secuencias siguen siendo tuyas

Las secuencias no publicadas son el activo más sensible de un laboratorio. BioQ ejecuta la búsqueda de homología en sus propios servidores y nunca reenvía tus secuencias a servicios de búsqueda de terceros. Cuando preguntas al agente por una secuencia, el modelo de lenguaje ve un marcador de posición como [SEQ1] y su longitud, no los residuos. Tu historial de búsqueda se guarda en tu navegador, no en tu cuenta.

  • Las búsquedas se ejecutan en servidores de BioQ
  • El agente nunca ve los residuos
  • El historial de búsqueda se queda en tu navegador

Todo lo que puedes pulsar es una llamada a la API

Crea una clave en tu cuenta y llama a los mismos endpoints desde Python, R, Nextflow o un notebook. Cada respuesta es JSON e incluye su procedencia.

Leer la referencia de la API

curl -H "Authorization: Bearer $BIOQ_KEY" \
  "https://bioq.bio/api/v1/depmap?gene=KRAS"

Qué contiene

Base de datosQué puedes preguntarRegistros
MGnifyProteínas y clústeres metagenómicos, bioma de origen y coocurrencia en ensamblajes5739,6 M proteínas
UniProtRegistros de proteínas por número de acceso, recuentos por organismo y búsqueda de homología en Swiss-Prot149,4 M entradas
PfamDominios proteicos en proteínas metagenómicas y proteínas que contienen un dominio27.048 familias de dominios
PDB, AlphaFold DBEstructuras experimentales y modelos de AlphaFold con su confianza803 mil entradas
ChEMBL, DrugCentral, GtoPdbIC50, Ki, Kd y mediciones relacionadas entre dianas y compuestos5,2 M mediciones
ClinVarSignificado clínico y estado de revisión de variantes humanasGenoma humano
STRING, BioGRIDInteracciones proteína–proteína con puntuaciones de confianza o evidencia curada162,7 M aristas
DepMapDependencia CRISPR, expresión y número de copias en líneas celulares de cáncer1178 líneas celulares
GRCh38, GRCm39, RefSeqSecuencia en cualquier coordenada del genoma humano, del ratón y de RefSeq544,9 mil secuencias

Empieza con una pregunta

Las cuentas gratuitas incluyen 500 consultas, 25 búsquedas de secuencias y 20 preguntas al agente cada día.

Empezar gratis