표적 발굴·검증 팀
이럴 때후보 표적을 팀 회의에 올리기 전, 근거를 한 장으로 모으고 싶을 때
췌장암에서 KRAS는 선택적 의존성 유전자인가요? KRAS와의 결합이 측정된 물질에는 무엇이 있나요?
표적 하나의 의존성, 약물, 변이, 구조 근거가 출처와 함께 한 답에 모입니다.
활용 사례
BioQ는 유전자 이름을 하나씩 검색하는 도구가 아니라, 팀이 질문을 던지고 근거를 받는 도구입니다. 어떤 팀이 어떤 순간에 무엇을 물으면 가장 크게 쓸 수 있는지 모았습니다.
연구 질문이 생기는 순간이 곧 쓰는 순간입니다. 아래 질문은 눌러서 바로 물어볼 수 있습니다.
이럴 때후보 표적을 팀 회의에 올리기 전, 근거를 한 장으로 모으고 싶을 때
췌장암에서 KRAS는 선택적 의존성 유전자인가요? KRAS와의 결합이 측정된 물질에는 무엇이 있나요?
표적 하나의 의존성, 약물, 변이, 구조 근거가 출처와 함께 한 답에 모입니다.
이럴 때사내 에이전트나 분석 파이프라인에 생물 데이터 도구를 붙이고 싶을 때
BioQ 도구로 EGFR와 gefitinib의 결합 측정값을 가져와서 표로 정리해 줘.
데이터를 내려받아 정리하는 작업 없이, 에이전트가 도구를 불러 근거가 붙은 값을 받습니다.
이럴 때선택성이나 오프타깃, 재창출 가설을 세울 때
ABL1과 KIT에 대한 imatinib의 측정 효력을 비교하고, 두 단백질이 암세포에 얼마나 필수인지도 알려 주세요.
약물 하나에서 표적, 세포 반응으로 이어지는 질문을 한 대화에서 따라갑니다.
이럴 때새 서열을 받았거나, 설계한 후보를 거르기 전
이 서열과 가장 가까운 단백질은 무엇이고, 어떤 도메인이 있나요? 접으면 구조는 어떻게 되나요?
서열을 붙여 넣으면 가까운 단백질, 도메인, 구조까지 이어집니다. 서열은 언어 모델에 보이지 않습니다.
이럴 때토양이나 장 같은 메타게놈에서 새 효소 후보를 찾을 때
토양 바이옴에서 PF00069 도메인을 가진 단백질 클러스터와 같은 콘티그에서 함께 나오는 유전자는 무엇인가요?
수십억 개의 메타게놈 단백질을 내려받지 않고 서버에서 바로 질의합니다.
이럴 때후보 변이의 의미와 맥락을 정리할 때(연구용)
chr17:43044345 근처의 BRCA1 변이 중 병원성인 것은 무엇이고, 이 유전자는 어느 조직에서 어떤 이소폼으로 발현되나요?
변이, 질환, 조직별 발현이 한 화면에서 이어지고, 불확실한 변이는 병원성으로 올리지 않습니다.
같은 도구도 묻는 방식에 따라 답이 크게 달라집니다. 팀이 가장 먼저 익히면 좋은 여덟 가지입니다.
「KRAS」보다 「췌장암에서 KRAS는 필수인가요?」가 더 많은 층을 깨웁니다. 질환, 세포주, 조직을 한 문장에 넣으세요.
에이전트는 최근 대화를 기억합니다. 「그중 약물이 있는 것만」, 「이 서열은요?」처럼 이어서 물으면 됩니다.
미발표 서열도 괜찮습니다. 언어 모델은 [SEQ1] 같은 자리 표시자만 보고, 실제 검색은 서버가 합니다.
여러 층이 같은 장기나 같은 위치를 가리키는 곳은 확인해 볼 단서입니다. 단서 아래의 근거를 읽고 판단하세요.
찾아봤는데 없는 것과 아예 찾아보지 않은 것은 다릅니다. 답마다 어느 쪽인지 적혀 있습니다.
서열을 붙여 넣고 접으면 몇 초 안에 3D로 볼 수 있습니다. 확신도(pLDDT) 70 미만 구간은 믿지 마세요.
같은 도구를 REST API와 MCP로 씁니다. Claude·ChatGPT·Cursor에는 커넥터 주소 하나로 붙이고, 결과는 표로 복사해 다음 분석에 넘기세요.
모든 수치에는 출처와 식별자가 붙습니다. 보고서나 회의 자료에 그대로 인용하세요.
GeneCards와 Open Targets는 훌륭한 도구이고 학계에서 널리 쓰입니다. BioQ는 쓰임이 다릅니다. 어떤 일에 어디가 더 맞는지 정리했습니다.
| 비교 항목 | BioQ | GeneCards | Open Targets |
|---|---|---|---|
| 만든 목적 | 질문 하나로 유전자·서열·구조·약물·메타게놈을 가로질러 답하는 검색엔진과 에이전트 | 사람 유전자 데이터베이스. 유전자마다 한 장의 카드에 여러 출처를 통합 | 표적과 질환의 연관 증거를 모아 점수로 매기는 플랫폼 |
| 묻는 방식 | 자연어 대화(후속 질문을 기억), 서열 붙여넣기, 식별자·좌표 | 유전자 이름이나 키워드로 검색해 카드를 읽음 | 표적이나 질환을 검색해 점수와 증거 표를 읽음 |
| 데이터 범위 | 사람 유전자에 더해 메타게놈 단백질 수십억 건, 사람 이외의 유전체 수만 개, 도메인·구조·면역·결합 측정 원자료 | 사람 유전자 중심. 190개 이상의 출처를 통합 | 표적·질환 증거: 유전학, 체세포 변이, 약물, 경로, 발현, 동물 모델, 문헌 |
| 여러 층 교차 | 수십 개 층을 한 번에 물어 서로 독립인 증거가 같은 곳을 가리키는 지점을 짚고, 단서와 발견을 구분해 표시 | 한 유전자의 여러 출처를 한 카드에 나열 | 증거 종류별 점수를 합쳐 표적–질환 점수를 계산 |
| 시작점 | 서열에서 시작해 상동성, 도메인, 구조까지. 내 서열은 바로 접어서 3D로 | 유전자 이름이나 식별자에서 시작 | 표적이나 질환에서 시작 |
| 자동화 | REST API와 MCP 하나로 수십 개 층에 모두 접근해 Claude·ChatGPT·Cursor나 사내 에이전트에 연결 | 공개 문서에서 확인하지 못함 | GraphQL API와 자체 MCP 서버(Open Targets 데이터 범위) |
| 이용 조건 | 매달 무료 체험, 기업 플랜은 월 $2,000부터 | 비영리 학술기관·병원은 무료, 기업은 라이선스 필요 | 공개 서비스, 공개 API 제공 |
2026-11-04 기준으로 각 서비스가 공개한 설명을 바탕으로 정리했습니다. 칸의 설명은 주된 사용 방식을 요약한 것이며 모든 기능을 담지는 않았습니다. 정확하지 않은 부분은 알려 주세요: support@bioq.bio