应用场景

把收集数据的时间,变成提问的时间

BioQ 不是逐个搜索基因名的工具,而是团队提出问题、直接拿到依据的地方。这里整理了哪些团队在什么时候、问什么问题,收益最大。

谁在什么时候用

研究问题出现的那一刻,就是该用它的时候。下面的每个问题都可以直接点开提问。

靶点发现与验证团队

适用时机候选靶点上团队会议之前,想把依据汇总到一页时

这样提问

KRAS 在胰腺癌中是选择性依赖基因吗?已测得哪些物质与 KRAS 结合?

联合读取的数据层
癌症依赖性(DepMap)结合测定值(ChEMBL、BindingDB)变异(ClinVar)表达(GTEx、HPA)结构(PDB、AlphaFold)
你会得到

一个答案汇集了靶点的依赖性、药物、变异和结构,并逐项附上来源。

试问这个问题

计算与 AI 团队

适用时机想为内部智能体或分析流程接入生物数据工具时

这样提问

用 BioQ 工具获取 EGFR 与 gefitinib 的结合测定值,并整理成表格。

联合读取的数据层
REST APIMCP(Claude、ChatGPT、Cursor)通过同一套工具调用数十个数据层
你会得到

无需先下载和清洗数据:智能体调用工具,即可拿到附带依据的数值。

试问这个问题

药物与药物化学团队

适用时机构建选择性、脱靶或老药新用假设时

这样提问

比较 imatinib 对 ABL1 和 KIT 的实测效力,并告诉我这两个蛋白对癌细胞各有多重要。

联合读取的数据层
原始结合测定数据药物–靶点癌症药物反应(GDSC、PRISM)依赖性
你会得到

从一个药物到靶点、再到细胞反应的连续追问,都可以在同一次对话中完成。

试问这个问题

蛋白质与生物药工程团队

适用时机拿到新序列时,或在筛选你设计的候选分子之前

这样提问

与这条序列最接近的蛋白是什么?它有哪些结构域?折叠后的结构是什么样?

联合读取的数据层
同源性检索(数十亿条序列)结构域(Pfam)蛋白质语言模型结构近邻(Foldseek)折叠为 3D 结构免疫学(IEDB)
你会得到

粘贴序列后,会一路延伸到最接近的蛋白、结构域和结构。语言模型看不到这条序列。

试问这个问题

微生物组、酶与合成生物学团队

适用时机在土壤或肠道等宏基因组中寻找新的候选酶时

这样提问

在土壤生物群系中,哪些基因与带有 PF00069 结构域的蛋白簇出现在同一 contig 上?

联合读取的数据层
宏基因组蛋白质生物群系共现基因邻域Pfam
你会得到

数十亿条宏基因组蛋白质直接在服务器上查询,无需下载。

试问这个问题

临床与转化遗传学团队

适用时机梳理候选变异的含义及其背景时(仅限研究用途)

这样提问

chr17:43044345 附近的 BRCA1 变异中,哪些是致病的?该基因在哪些组织中表达,以哪些异构体表达?

联合读取的数据层
ClinVar基因–疾病(HPO、OMIM、ClinGen)GTEx 异构体UCSC 链接
你会得到

变异、疾病和分组织表达在同一个屏幕上串联呈现,意义不明的变异绝不会被升级为致病。

试问这个问题

200% 用好 BioQ

同一个工具,提问方式不同,答案可能大相径庭。这是最值得先掌握的八个习惯。

  1. 从问题开始,而不是从名称开始

    “KRAS 在胰腺癌中是必需的吗?”比单独一个“KRAS”能唤醒更多数据层。把疾病、细胞系或组织放进同一句话里。

  2. 用追问逐步缩小范围

    智能体会记住最近的对话。接着问“只要有药物的”或“这条序列呢?”,就可以继续深入。

  3. 序列原样粘贴即可

    未发表的序列也没问题。语言模型只会看到 [SEQ1] 这样的占位符,真正的检索由服务器完成。

  4. 用叠加视图交叉验证独立证据

    多个数据层指向同一器官或同一位置的地方,就是值得核实的线索。先读线索下方的证据,再下判断。

  5. 把“无”分成四种情况来读

    搜索过但没找到,和从未搜索过,是两回事。每个答案都会说明属于哪一种。

  6. 把序列折叠起来看一看

    粘贴序列并折叠,几秒钟即可得到 3D 模型。置信度(pLDDT)低于 70 的区段不要轻信。

  7. 流程自动化,用 API 和 MCP

    同一套工具既可作为 REST API,也可通过 MCP 使用。只需一个连接器地址,就能接入 Claude、ChatGPT 或 Cursor;结果可复制为表格,交给下一步分析。

  8. 把依据原样带进你的报告

    每个数字都附有来源和标识符。写报告或做会议材料时,直接原样引用即可。

BioQ 与其他工具有何不同

GeneCards 和 Open Targets 都很出色,在学术界应用广泛。BioQ 针对的是另一类工作。下面说明哪种任务更适合哪个工具。

对比项BioQGeneCardsOpen Targets
设计目标只需一个问题,就能跨基因、序列、结构、药物和宏基因组作答的搜索引擎与智能体人类基因数据库:每个基因一张卡片,整合多个来源汇集靶点与疾病关联证据并为其打分的平台
提问方式自然语言对话(会记住追问)、粘贴序列、标识符和坐标按基因名或关键词搜索,然后阅读卡片搜索靶点或疾病,然后阅读评分和证据表
数据范围人类基因,外加数十亿条宏基因组蛋白质、数万个非人类基因组、结构域、结构、免疫学和原始结合测定数据以人类基因为中心,整合 190 多个来源靶点–疾病证据:遗传学、体细胞突变、药物、通路、表达、动物模型、文献
跨层交叉一次询问数十个数据层,指出独立证据彼此吻合之处,并把线索标为线索,而不是发现在一张卡片上列出一个基因的众多来源按证据类型累加分数,得出靶点–疾病评分
起点从一条序列出发,延伸到同源物、结构域和结构;你自己的序列当场折叠为 3D从基因名或标识符出发从靶点或疾病出发
自动化一个 REST API 和一个 MCP 服务器即可连通数十个数据层,可对接 Claude、ChatGPT、Cursor 或你自己的智能体在其公开文档中未找到GraphQL API 及自有的 MCP 服务器(仅限 Open Targets 数据)
使用条款每月可免费试用;企业方案每月 $2,000 起非营利学术机构和医院免费;企业需要许可公共服务,提供公开 API

依据各服务自行公布的信息,于 2026-11-04 整理。表中各格概括的是主要使用方式,并未列出全部功能。如有不准确之处,请告诉我们: support@bioq.bio

BioQ 更适合的情形

  • 你想从一条序列出发,一路看到最接近的蛋白、结构域和结构
  • 你需要以数十亿条的规模查询宏基因组或非人类生物
  • 你想同时跨多个数据层做判断,并通过追问逐步缩小范围
  • 你要把它接入内部智能体或流程,或者要处理机密序列

其他工具更适合的情形

  • 想在一页上快速浏览某个人类基因,GeneCards(190 多个来源)很方便。
  • 想查看靶点–疾病关联的评分和公开证据,Open Targets 是权威参考。其数据同样可以在 BioQ 中查询。
  • 如果你来自非营利学术机构,GeneCards 对你免费。

让 BioQ 加入您的药物发现团队

用您自己的问题免费开始。当团队需要更多时,请申请企业方案;Enterprise 另含私有化部署和 SSO。